計量經濟學軟件EViews 12發布

　　強大的功能和易用性的結合使EViews成為處理時間序列，橫截面或縱向數據的任何人的理想軟件包。借助EViews可以快速有效的管理數據，進行計量經濟和統計分析，生成預測或模型模擬，并生成高質量的圖形和表格以供發布或包含在其他應用程序中。

　　EViews具有創新的面向對象的圖形用戶界面和分析引擎，將現代軟件技術的優勢與您一直想要的功能融合在一起。結果是一個新的程序。該程序在靈活，易于使用的界面中提供了前所未有的功能。

　　EViews 12通過創新，易于使用的界面為學術研究人員，公司，政府機構和學生提供了強大的統計，預測和建模工具。

　　EViews 12提供了更多功能和易用性。改進包括：

　　新的變量選擇程序

　　分數集成的GARCH模型

　　因子選擇方法

　　彈性網估計的增強

　　橫截面相關的面版單元跟檢驗

　　增強的面板群集標準錯誤

　　小波分解

　　模型改進

　　圖形動畫

　　與DBNomics和其他數據庫的連接

　　Markdown支持

　　和更多變量選擇

　　變量選擇，或在計算機科學文獻中有時稱為特征選擇，是現代機器學習的重要組成部分。EViews包括五種技術：

　　Stepwise

　　Swapwise

　　Combinatorial

　　LASSO

　　Auto-Search/GETS

　　其中前三個是15年前與EViews 6一起引入的，但是LASSO和Auto-Search/GETS的現代，更流行的技術是EViews 12中的新功能。

　　LASSO選擇

　　LASSO變量選擇已成為現代計量經濟學中變量選擇的常用方法。雖然LASSO估計是EViews以前的版本，EViews 12讓你純粹用LASSO估計技術作為變量選擇的方法。

　　Auto-Search/GETS

　　常規到特定的Auto-Search/GETS算法遵循Escribano和Sucarrat 2011的AutoSEARCH算法建議的步驟，該算法又基于Hoover和Perez 1999的工作基礎上。

　　分數集成GARCH模型

　　30多年來，GARCH模型一直是EViews估計工具套件的基本組成部分，但是EViews估計的傳統GARCH模型專注于條件方差的短期動態。

　　EViews 12引入了兩個新的GARCH模型，它們捕獲了方差的長期依賴屬性。

　　Baillie，Bollerslev和Mikkelsen（1996）的FIGARCH模型

　　Bollerslev和Mikkelsen的FIEGARCH模型（1996）

　　因素選擇方法

　　EViews 12將Bai和Ng（2002）以及Ahn和Horenstein（2013）的方法添加到現有的主成分和因子分析引擎中，以確保新保留的因子數量，以及新的截面相關面板單元根檢驗。

　　彈性網，Ridge和LASSO增強

　　EViews 11增加了Elastic Net（ENET）估計，包括Ridge回歸和LASSO估計模型，并已證明是EViews機器學習工具的流行補充。

　　在EViews 12中增強了ENET，具有以下功能：

　　基于時間序列的交叉驗證方法

　　用于顯示交叉驗證結果的新模型選擇視圖

　　觀察權重

　　可變權重

　　截面相關的面板單位根檢驗

　　由于許多經濟時間序列的樣本都比較短，但是在許多橫截面上都可以觀察到，因此將不同橫截面的結果結合起來的多變量單位根檢驗（俗稱第一代面板單位根檢驗）相對于單變量對應物具有更高的統計功效。這些第一代面板單位根測試涉及對合并面板數據的單位根測試，（可能）具有單獨的趨勢，截距和滯后系數。雖然此框架是自然而然的第一步，但代價是需要橫截面獨立性。

　　考慮橫截面相關性的測試被稱為第二代面板單位根測試。EViews當前支持兩個重要的第二代貢獻：基于Bai和Ng（2004）的特殊和常見成分（PANIC）的非平穩性面板分析，以及Pesaran（2007）開發的橫截面增強IPS（CIPS）。

　　面板聚類協方差

　　在面板方程和Pool設置中，EViews 12之前版本的EViews提供了計算系數協方差的工具，這些系數協方差是由橫截面單位或周期定義的。在系數估計文獻的指導下，這些穩健的標準誤差計算被稱為“White cross-section”，用于按周期進行聚類，以表明橫截面單元之間存在同期相關性；對于按橫截面進行聚類，則將其稱為“White period”，以表明存在周期之間的關系橫截面單位內的相關性。

　　EViews 12擴展了這些工具，以便在由橫截面單位和周期定義時計算robust協方差（Petersen 2009、THompson 2011、Cameron、Gelbach和Miller 2015）。

　　小波分解

　　小波分解是一種新的“序列”視圖和過程，可以將序列分解為長期行為（平滑）和短期行為（詳細信息）。除其他事項外，小波可用于：

　　通過忽略瞬態特征（閾值）來獲得序列的長期近似

　　檢測異常值

　　分解一系列方差

　　解決目標控制

　　EViews的早期版本提供了“目標求解控制”過程，該過程使您可以對模型解進行數值求逆，以確定沿預定路徑或目標生成內變量的解所需的外變量的值。

　　這是一項非常強大的功能，可讓研究員回答以下問題，例如，需要多少稅率（外生變量）才能產生平衡的預算（內生變量）。

　　現有程序的局限性在于它一次只能解決一個外生變量。

　　EViews 12通過可擴展以允許控制多個外生變量，并為該過程引入了更加用戶友好的界面和輸出，從而擴展了此功能。

　　動畫圖和地理地圖

　　EViews 12包括用于圖形和地理地圖的新動畫工具。

　　靜態圖顯示固定范圍的觀察數據。該范圍可以包含一個觀察值多多個觀察值，但不會改變。使用動畫圖，您可以動態調整數據范圍，從而顯示數據在給定間隔內的變化。

　　動畫圖使觀看這可以看到數據如何從一個周期過渡到另一個周期，或者可以選擇比較兩個周期之間的數據。

　　EViews 12既具有用于在EViews自身中顯示動畫圖的程序內動畫套件，又具有用于將動畫圖輸出為.GIF文件或.MPEG文件以在外部程序包或Web中分發和表示的工具。

　　DBNOMICS數據庫API支持

　　EViews 12將連接性引入到廣泛的DBNomics數據庫中，該數據庫可對來自眾多國際統計機構和數據提供者的數據進行整理。

　　數據訪問包括來自70個提供商的數據以及22,000多個數據集，全部這些都可以在EViews中作為自動更新系列獲得。

　　MARKDOWN語言支持

　　EViews 12通過Markdown擴展了EViews的打印功能?，F在可以使用這種簡單易懂的標記語言的基本功能來格式化表格，圖形和其他輸出對象。

　　創新的圖形化，面向對象的用戶界面和復雜的分析引擎使EViews 12成為時間序列，橫截面和面板數據分析的理想選擇。

　　快速高效的管理數據

　　進行計量經濟學和統計分析

　　生成預測和模型模擬

　　生成高質量的圖形和表格以供發布或包含在其他應用程序中

　　EViews 12提供了更多功能和易用性。從對大型內存應用程序的64位Windows支持到OLE，智能編輯窗口以及新的計量經濟學和統計信息，EViews為所有人提供了一些改進。

　　EViews 12新增功能

　　EViews 12具有許多令人激動的人心的變化和改進。以下是版本12中重要的新功能的概述

　　EViews界面和編程

　　新的基于開放文本的文件格式

　　Markdown語言支持輸出

　　其他改進

　　數據處理

　　DBNomics數據庫API支持

　　經濟合作與發展組織（OECD）數據庫API支持

　　SDMX和EIA數據庫接口的改進

　　其他改進

　　新的圖形，表格和地理地圖功能

　　按樣本著色，使著色更容易

　　動畫圖和地理地圖

　　XY誤差線

　　其他改進

　　計量經濟學與統計

　　估算值

　　變量選擇方法：LASSO和Auto-Search/GETS

　　指標飽和度-自動異常值和結構斷裂檢測

　　分數集成的GARCH模型（FIGARCH和FIEGARCH）

　　彈性網，Ridge和LASSO增強功能

　　面板聚類協方差

　　混合頻率（MIDAS）增強

　　功能系數增強

　　測試和診斷

　　脈沖響應增強，包括引導協方差

　　橫截面相關面板單位根試驗（第二代測試）

　　因子選擇方法

　　小波分解

　　彈性網，Ridge和LASSO增強

　　GARCH診斷：信息沖擊曲線，符號偏差測試，穩定性測試

　　模型

　　解決目標控制問題

　　代數轉換內生和外生變量

　　依賴關系

　　EViews 12系統要求