求谁能帮帮我，如何用EVIEWS软件，分析股票指数。用最小二乘法和自回归条件异方差用CAPM模型算风险

1. 求谁能帮帮我，如何用EVIEWS软件，分析股票指数。用最小二乘法和自回归条件异方差用CAPM模型算风险

一般来说用EVIEWS软件计算出来的是不正确的 ，尤其是对单个证券的贝塔估计的时候，因为单个证券的收益率一般都不符合正态分布，所以一般要用到连续的复利率，我介绍你用MATHLAB这个软件。

2. eviews软件 怎么用最小二乘法来消除异方差

如果是一般的回归，那么加权最小二乘法取权仅仅是方程本身误差项的绝对值的倒数！ 两种方法： 1.蠢且勤快的方法：在回归结果窗口中按Estimate，改变你的回归项分别为“y*1/abs(resid) x1*1/abs(resid) x2*1/abs(resid)……”，当然要在做完你的OLS后马上做，否则你的resid序列就不是你所要的误差序列了。 2.聪明且懒的方法：你先用你所需要用的变量做一下OLS回归，然后在回归结果窗口里按Proc，选择下拉菜单里面的Make residual Serias，给个单字母的序列名字，这样可以生成一个误差序列，然后再在你的回归结果窗口中按Estimate选择Options，在Weighted LS/TSLS前画挑，并且在Weight后面的空白处填写：1/abs（刚才起的序列名字）然后就ok了。 参考资料： http://wenku.baidu.com/view/6358d41614791711cc79174f.html

3. 急急急急 求计量经济学实验报告,要求用eviews做异方差和自回归 麻烦发到我邮箱eruner@foxmail.com,谢谢！

可以代做的

4. 求一份计量经济学大作业，多元线性回归模型，有数据来源，用EViews软件分析的,309456123@qq.com

已发，请查收

5. eviews7中怎样用加权最小二乘法做异方差的修正？麻烦用截图解答，谢谢啦。

对于Eviews6.0来说，可以在option里找到加权最小二乘法的选项。
但对于Eviews7.0,界面变化了，原来option里的选项取消了。
这时，无法使用菜单操作来实现加权最小二乘法，可以使用命令方式：
data w1,这是生成一个名字为w1的权数序列，然后，
w1=1/abs(resid)，这是计算了权数，残差绝对值的倒数。
ls(w=w1) y c x,这就是加权最小二乘法的命令方式)



扩展资料：
若线性回归模型存在异方差性，则用传统的最小二乘法估计模型，得到的参数估计量不是有效估计量，甚至也不是渐近有效的估计量；此时也无法对模型参数进行有关显著性检验。
对存在异方差性的模型可以采用加权最小二乘法进行估计。
异方差性的检测——White test
在此检测中，原假设为：回归方程的随机误差满足同方差性。对立假设为：回归方程的随机误差满足异方差性。判断原则为：如果nR2>chi2 (k)，则原假设就要被否定，即回归方程满足异方差性。
在以上的判断式中，n代表样本数量，自由度为k（解释变量的个数）。chi2（卡方统计）值可查表所得。
参考资料来源：百度百科-异方差
参考资料来源：百度百科-加权

6. 求计量经济学软件Eviews的使用方法

你好我可以传给你一份，Word版本的，QQ：195360957

以下是前两章，太长了粘不下，呵呵……

EViews 操作手册
目 录
第一章    序论
第二章    EViews 简介
第三章    EViews 基础
第四章    基本数据处理
第五章    数据操作
第六章    EViews 数据库 
第七章    序列
第八章    组 
第九章    应用于序列和组的统计图
第十章    图、表和文本对象 
第十一章  基本回归模型
第十二章  其他回归方法 
第十三章  时间序列回归
第十四章  方程预测 
第十五章  定义和诊断检验
第十六章  ARCH和GARCH估计 
第十七章  离散和受限因变量模型
第十八章  对数极大似然估计 
第十九章  系统估计
第二十章  向量自回归和误差修正模型

第一章 绪论
EViews 为我们提供了基于WINDOWS平台的复杂的数据分析、回归及预测工具，通过 EViews能够快速从数据中得到统计关系，并根据这些统计关系进行预测。EViews在系统数据分析和评价、金融分析、宏观经济预测、模拟、销售预测及成本分析等领域中有着广泛的应用。操作手册共分五部分：
第一部分：EViews 基础
介绍 EViews 的基本用法。另外对基本的 Windows 操作系统进行讨论，解释如何使用 EViews来管理数据。
第二部分：基本的数据分析
描述使用EViews 来完成数据的基本分析及利用 EViews 画图和造表来描述数据。
第三部分：基本的单方程分析
讨论标准回归分析：普通最小二乘法、加权最小二乘法、二阶最小二乘法、非线性最小二乘法、时间序列分析、方程检验及预测。
第四部分：扩展的单方程分析
介绍自回归条件异方差（ARCH）模型、离散和受限因变量模型、和对数极大似然估计。
第五部分：多方程分析
描述利用方程组来估计和预测、向量自回归、误差修正模型、状态空间模型、截面数据/ 时间序列数据、及模型求解。
第二章 EViews 简介
§2.1 什么是 EViews 
EViews 是在大型计算机的TSP (Time Series Processor)软件包基础上发展起来的新版本，是一组处理时间序列数据的有效工具。1981年QMS (Quantitative Micro Software) 公司在Micro TSP基础上直接开发成功 EViews 并投入使用。虽然 EViews是由经济学家开发的并大多在经济领域应用，但它的适用范围不应只局限于经济领域。 EViews得益于WINDOWS的可视的特点，能通过标准的WINDOWS菜单和对话框，用鼠标选择操作，并且能通过标准的WINDOWS技术来使用显示于窗口中的结果。此外，还可以利用EViews的强大的命令功能和它的大量的程序处理语言，进入命令窗口修改命令，并可以将计算工作的一系列操作建立成相应的计算程序，并存储，则可以通过直接运行程序来完成你的工作。
§2.2 启动和运行 EViews 
    EViews 4提供了一张光盘。插入光驱既可直接安装，并直接在桌面上建立图标。但是在第一次使用前， EViews 4要求你在网上注册。在WINDOWS下，有下列几种启动 EViews 的办法：单击任务栏中的开始按钮，然后选择程序中的EViews 4进入 EViews 程序组，再选择 EViews 4程序符号；双击桌面上的 EViews 图标；双击 EViews的workfile 或database文件名称。
§2.3 EViews 窗口
EViews 窗口由如下五个部分组成：标题栏、主菜单、命令窗口、状态线、工作区。
标题栏：它位于主窗口的最上方。你可以单击 EViews 窗口的任何位置使 EViews 窗口处于活动状态。
主菜单：点击主菜单会出现一个下拉菜单，在下拉菜单中可以单击选择显现项。
命令窗口：菜单栏下面是命令窗口。把EViews 命令输入该窗口，按回车键即执行该命令。
状态线：窗口的最底端是状态线，它被分成几个部分。左边部分有时提供EViews 发送的状态信息；往右接下来的部分是 EViews寻找数据和程序的预设目录；最后两部分显示预设数据库和工作文件的名称。 
工作区：位于窗口中间部分的是工作区。EViews 在这里显示各个目标窗口。
§2.4关闭 EViews
在主菜单上选择File/Close或按ALT-F4键来关闭EViews ；可单击 EViews 窗口右上角的关闭方块。

7. 数据分析与Eviews应用的目录

第1章 EViews软件使用初步1.1 工作文件及建立1.2 序列对象的基本操作1.3 数据分析的常用操作1.4 序列的描述统计分析第2章 线性回归分析2.1 线性回归概述2.2 常规检验2.3 建模基本步骤和Eviews操作2.4 自变量的选择2.5 预测2.6 含定性自变量的回归模型第3章 线性回归问题与非线性回归分析3.1 线性回归的常见问题3.2 非线性回归分析3.3 逐步回归法附录：例子中所用的Eviews小程序第4章 传统时间序列分析4.1 趋势模型与分析4.2 季节模型与分析4.3 指数平滑法附录：三和值法计算小程序第5章 ARMA模型应用5.1 ARMA模型概述5.2 随机时间序列的特性分析5.3 模型的识别与建立5.4 模型的预测5.5 序列相关与ARMA模型第6章 动态时间序列模型基础6.1 分布滞后模型6.2 单位根检验6.3 协整与误差修正模型第7章 联立方程模型7.l 模型的基本问题7.2 模型的估计7.3 联立方程模型的模拟第8章 向量自回归模型8.1 非结构化的向量白回归模型8.2 结构化的向量自回归模型8.3 向量误差修正模型第9章 条件异方差模型9.1 自回归条件异方差模型9.2 广义自回归条件异方差模型9.3 其他类型的条件异方差模型9.4 多变量ARCH模型第10章 状态空间模型10.1 状态空间模型的基本问题10.2 状态空间模型估计第11章 Panel Data模型11.1 模型的基本问题11.2 模型的建立与估计11.3 模型的检验及其他第12章 离散及受限因变量模型12.1 二元选择模型12.2 排序选择模型12.3 受限因变量模型12.4 计数模型附录 EViews编程基础1.EViews命令基础2.EViews程序基础3.程序控制4.矩阵语言简介附表 常用统计分布表附表Ⅰ 正态分布分位数表附表Ⅱ γ2分布表附表Ⅲ τ分布表附表Ⅳ F分布表附表Ⅴ D.W.检验表参考文献

8. Eviews数据统计与分析教程的图书目录

第1章 EViews软件基础1.1 EViews软件简介1.1.1 EViews的产生和发展1.1.2 EViews的特点1.2 EViews软件的安装与启动1.2.1 EViews软件的安装1.2.2 EViews软件的启动1.3 EViews软件的主要功能简介1.3.1 EViews主要窗口简介1.3.2 EViews主要功能1.4 EViews相关的概率与统计基础知识1.4.1 概率分布1.4.2 常见估计1.4.3 假设检验1.5 本章 小结1.6 习题第2章 EViews工作界面介绍2.1 工作文件2.1.1 工作文件的建立2.1.2 工作文件窗口简介2.1.3 工作文件的保存2.1.4 工作文件的功能键介绍2.2 基本对象2.2.1 对象的建立与命名2.2.2 对象的视图2.2.3 对象的过程2.2.4 常用对象介绍2.3 本章小结2.4 习题第3章 序列对象的基本操作3.1 序列对象的建立与打开3.2 序列对象窗口简介3.3 数据的处理3.3.1 数据的输入3.3.2 数据的输出3.3.3 季节调整3.4 样本范围的设定3.5 序列组(群)对象介绍3.5.1 序列组(群)对象的作用3.5.2 序列组(群)对象的建立3.5.3 序列组(群)对象的打开与删除3.6 本章小结3.7 习题第4章 图形和统计量分析4.1 图形对象4.1.1 图形(Graph)对象的生成4.1.2 图形的冻结4.1.3 图形的复制4.2 描述性统计量4.2.1 描述性统计量概述4.2.2 描述性统计量检验4.3 相关分析4.4 单位根检验4.5 Granger因果检验4.6 本章小结4.7 习题第5章 基本回归模型的OLS估计5.1 普通最小二乘法(OLS)5.1.1 最小二乘原理5.1.2 方程对象5.2 一元线性回归模型5.2.1 模型设定5.2.2 实际值、拟合值和残差5.3 多元线性回归模型5.4 线性回归模型的基本假定5.5 线性回归模型的检验5.5.1 拟合优度检验5.5.2 显著性检验5.5.3 异方差检验5.5.4 序列相关检验5.5.5 多重共线性5.6 本章小结5.7 习题第6章 单方程模型的其他估计方：6.1 加权最小二乘法(WLS)6.1.1 异方差问题的解决6.1.2 EViews实例操作6.2 广义最小二乘法(GLS)6.3 两阶段最小二乘法(TSLS]6.3.1 方法说明6.3.2 EViews实例操作6.3.3 消除序列相关的两阶段最小二乘法(TSLS)6.4 非线性最小二乘法(NLS)6.4.1 方法说明6.4.2 EViews实例操作6.5 广义矩估计法(GMM)6.5.1 方法说明6.5.2 EViews实例操作6.6 本章小结6.7 习题第7章 含虚拟变量的回归模型7.1 什么是虚拟变量7.2 含虚拟变量的模型7.2.1 仅含一个虚拟解释变量的模型7.2.2 含有虚拟解释变量和定量解释变量的模型7.3 用虚拟变量法进行季节调整7.4 本章小结7.5 习题第8章 时间序列模型8.1 时间序列的趋势分解8.2 时间序列的指数平滑8.3 随机过程8.4 时间序列模型的分类8.4.1 自回归模型AR(p)8.4.2 移动平均模型MA(q)8.4.3 自回归移动平均模型ARMA(p，g)8.4.4 自回归单整移动平均模型8.5 协整和误差修正模型8.5.1 协整8.5.2 误差修正模型8.6 本章小结8.7 习题第9章 条件异方差模型9.1 自回归条件异方差(ARCH)模型9.1.1 ARCH模型9.1.2 ARCH模型的检验9.1.3 ARCH模型的建立9.2 广义自回归条件异方差(GARCH)模型9.2.1 GARCH模型9.2.2 GARCH模型的建立9.3 ARCH模型的其他扩展形式9.3.1 ARCH—M模型9.3.2 TARCH模型9.3.3 EGARCH模型9.4 本章小结9.5 习题第10章 离散因变量和受限因变量模型10.1 二元选择模型10.1.1 二元选择模型的形式10.1.2 二元选择模型的建立10.1.3 二元选择模型的分析10.2 排序选择模型10.2.1 排序选择模型的类型10.2.2 排序选择模型的建立10.2.3 排序选择模型的分析10.3 受限因变量模型10.3.1 审查回归模型10.3.2 审查回归模型的建立10.3.3 截断回归模型10.4 计数模型10.4.1 泊松模型10.4.2 负二项式模型10.4.3 拟极大似然估计10.4.4 计数模型的建立10.5 本章小结10.6 习题第11章 VAR模型和VEC模型11.1 向量自回归(VAR.)模型11.1.1 向量自回归理论11.1.2 结构VAR模型(SVAR)11.1.3 VAR模型的建立11.1.4 VAR模型的检验11.2 脉冲响应函数11.3 方差分解11.4 J01aansen协整检验模型11.4.1 Johansen协整理论11.4.2 Johansen协整检验11.5 向量误差修正(VEC)模型11.5.1 VEC模型理论11.5.2 VEC模型估计11.6 本章小结11.7 习题第12章 面板数据模型12.1 面板数据模型原理12.2 P00l对象的基本操作12.2.1 Pool对象的建立12.2.2 Pool对象数据的输入12.2.3 Pool对象数据的分析12.3 Pool对象模型估计12.4 本章小结12.5 习题第13章 状态空间模型13.1 状态空间模型基本理论13.2 卡尔滤波13.3 状态空间模型的建立13.4 状态空间模型的估计13.5 状态空间模型的视图和过程13.5.1 状态空间模型的视图13.5.2 状态空间模型的过程13.6 本章小结13.7 习题第14章 联立方程模型14.1 联立方程模型概述14.1.1 联立方程模型14.1.2 联立方程模型的基本概念14.2 联立方程模型的识别14.2.1 结构式方程识别条件14.2.2 简化式方程识别条件14.3 联立方程模型的估计方法14.3.1 三阶段最小二乘估计法(3SLS)14.3.2 完全信息极大似然估计法14.4 联立方程系统的建立14.5 联立方程模型的模拟14.6 联立方程模型的求解14.7 本章小结14.8 习题第15章 EViews程序设计15.1 Eviews命令基础15.1.1 工作文件命令15.1.2 对象命令15.1.3 模型基础命令15.2 程序变量15.2.1 控制变量15.2.2 字符串变量15.2.3 置换变量15.2.4 程序中的形式参数15.3 EViews控制程序语句15.3.1 Ⅲ条件语句15.3.2 FOR循环语句15.3.3 WHILE循环语句15.4 子程序15.5 本章小结15.6 习题参考文南