又大又硬又爽又粗又快的视频免费|男人扒开添女人下免费视频|欧美日韩视频免费播放|美女扒开屁股让男人桶视频免费

EViews 13—預測分析計量軟件

軟件試用 獲取報價

軟件簡介

EViews是“Econometrics Views”的縮寫，直譯為計量經濟學觀察，通常稱為計量經濟學軟件包。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。使用 EViews，您可以快速高效地管理數據，執行計量經濟和統計分析、生成預測或模型模擬，并生成高質量的圖表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化用戶界面和復雜的分析引擎，將現代軟件技術的精華與您一直想要的功能融為一體。結果是一個最先進的程序，它在一個靈活、易于使用的界面中提供了前所未有的功能。
接下來讓我們了解為什么 EViews 是基于 Windows 的計量經濟學軟件的全球領導者以及是那些要求最好的人的最佳選擇。

>>【軟件更新】EViews 13正式發布！點擊查看EViews 13新功能<<

軟件功能介紹

---

一、直觀、易于使用的界面

EViews 通過結合現代窗口和基于對象的技術為計量經濟學軟件設定了標準。結果是功能強大的軟件具有直觀、易于使用的用戶界面：

二、強大的分析工具

EViews 通過結合現代窗口和基于對象的技術為計量經濟學軟件設定了標準。結果是功能強大的軟件具有直觀、易于使用的用戶界面：

三、復雜的數據管理

功能強大的分析工具只有在您可以輕松地使用數據時才有用。Eviews提供了任何計量經濟學軟件中可用的數據管理工具。從其廣泛的數學，統計，日期，字符串和時間序列運算符和功能的庫，再到對數字，字符和日期數據的全面支持，Eviews提供了您從現代統計軟件中獲得的數據處理功能：

四、演示質量輸出

EViews 支持多種基本圖形類型，包括折線圖、條形圖、填充區域圖、餅圖、散點圖、混合折線條圖、高低圖、散點圖和箱線圖?？梢詫⑷我鈹盗康膱D表組合在一個圖表中進行演示。

EViews 13 支持廣泛的圖形類型和功能。

各種選項使您可以控制線型、符號、顏色、框架和邊框特征、標題、陰影和縮放，包括對數縮放和雙比??例圖。圖例是自動創建的。您可以通過添加任何可縮放 Windows 字體的標簽來進一步自定義您的圖表。
自定義圖形就像在屏幕上修改或移動圖形元素一樣簡單。從縱橫比到線條和符號特征，再到軸縮放和標簽，一切都觸手可及。想要更改圖例或文本標簽的字體或其他特征？只需單擊圖形的一個元素，您的選擇就會顯示在一個易于理解的對話框中。您甚至可以使用自定義圖表模板一次修改所有圖表設置。
您可以使用復制粘貼或將圖形寫入 Windows 圖元文件或 PostScript、位圖、PNG、GIF 或 JPEG 文件，快速將自定義圖形合并到其他應用程序中。

以各種形式導出圖表。

您還可以顯示包含地理地圖的 ShapeFile，并將地圖的區域與 EViews 中的數據聯系起來，從而允許基于該數據對地圖進行著色標記。

顯示地理地圖。

廣泛的表格定制工具允許您生成演示質量表格以包含在其他程序中。易于使用的交互式界面使您可以控制單元格字體、大小和顏色、單元格背景顏色和邊框、合并和注釋。

EViews 提供了一套廣泛的表格定制工具。

完成后，您可以將自定義表格復制并粘貼到另一個應用程序或將其保存為 RTF、HTML、PDF 或文本文件。

---

五、傳統命令行和編程

指向和點擊很棒，但如果您覺得輸入命令更舒服怎么辦？如果您需要編程能力怎么辦？除了其最先進的窗口界面外，EViews 還包括一種強大的命令語言，可以通過菜單訪問可用的功能。

所有 EViews 功能都可以通過命令行使用。

EViews 在 BASIC 編程語言之后松散地建模，但具有面向對象的擴展和矩陣處理功能，允許您輸入單個命令以立即或批量執行。您的程序可以使用循環和條件分支，以及子例程、宏和字符串列表處理。
EViews 支持完整的調試，帶有斷點、觀察窗口和調用堆棧。

為命令的批處理創建程序文件。

矩陣原語，從簡單的乘法和求逆，到更高級的 Kronecker 積、特征向量解和奇異值分解過程，為您提供解決復雜數學問題所需的工具。
EViews 編程語言還允許您運行 R、Python 或 Matlab? 代碼，無縫連接到這些環境，訪問它們的語言和數據。

運行 R、Python 或 Matlab? 代碼。

EViews 程序甚至可以從 Jupyter 運行

---

EViews 功能列表

一、基本數據處理
二、時間序列數據處理
三、統計數據
四、估計
五、方程組
六、測試和評估
七、預測和模擬
八、圖表、表格和地圖
九、命令和編程
十、外部接口和加載項

---

一、基本數據處理

? 數字、字母數字（字符串）和日期系列；價值標簽。
? 廣泛的運算符庫和統計、數學、日期和字符串函數。
? 用于表達式處理和使用運算符和函數轉換現有數據的強大語言。
? 樣本和樣本對象有助于處理數據子集。
? 支持復雜的數據結構，包括定期日期數據、不定期日期數據、帶有觀察標識符的橫截面數據、日期和未注明日期的面板數據。
? 多頁工作文件。
? EViews 本地、基于磁盤的數據庫提供強大的查詢功能并與 EViews 工作文件集成。
? 在 EView 和各種電子表格、統計和數據庫格式之間轉換數據，包括（但不限于）：Microsoft Access? 和 Excel? 文件（包括 .XSLX 和 .XLSM）、Gauss
? 數據集文件、R 數據文件、SAS? 傳輸文件、SPSS 本機和可移植文件、Stata
? 文件、Tableau?、原始格式的 ASCII 文本或二進制文件、HTML 或 ODBC 數據庫
? 和查詢（僅在企業版中提供 ODBC 支持）。
? OLE 支持將 EViews 輸出（包括表格和圖形）鏈接到其他包，包括 Microsoft Excel?、Word? 和 Powerpoint?。
? OLEDB 支持使用 OLEDB 感知客戶端或自定義程序讀取 EViews 工作文件和數據庫。
? 支持 FRED?（美聯儲經濟數據）、DBNomics、世界銀行、世界衛生組織、經合組織、聯合國 SDMX、IMF SDMX、NOAA、美國人口普查、美國 BEA、美國 BLS、ECB SDMX、EuroStat 數據庫等等！ .
? 企業版支持 Haver Analytics? DLX?、FAME、EcoWin、Bloomberg?、EIA?、CEIC??、Datastream?、Trading Economics? 和 Moody's Economy.com 數據庫
? EViews Microsoft Excel? 插件允許您從 Excel 中的 EViews 工作文件和數據庫鏈接或導入數據。
? 拖放支持讀取數據；只需將文件拖放到 EViews 中，即可將外部數據和元數據自動轉換和鏈接為 EViews 工作文件格式。
? 用于根據現有系列中的值和日期創建新工作文件頁面的強大工具。
? 匹配合并、連接、追加、子集、調整大小、排序和重塑（堆疊和取消堆疊）工作文件。
? 在不同頻率的頁面之間復制或鏈接數據時易于使用的自動頻率轉換。
? 頻率轉換和匹配合并支持在底層數據發生變化時動態更新。
? 自動更新公式系列，每當基礎數據更改時自動重新計算。
? 易于使用的頻率轉換：只需在不同頻率的頁面之間復制或鏈接數據。
? 用于模擬的重采樣和隨機數生成工具。使用三個不同的隨機數生成器為 18 個不同的分布函數生成隨機數。
? 支持云盤訪問，讓您可以直接打開并保存文件到 Dropbox、OneDrive、Google Drive 和 Box 帳戶。

---

二、時間序列數據處理

? 對處理日期和時間序列數據（定期和不定期）的集成支持。
? 支持常見的常規頻率數據（年度、半年度、季度、每月、雙月、兩周、十天、每周、每天 - 每周 5 天、每天 - 每周 7 天）。
? 支持高頻（日內）數據，允許小時、分鐘和秒的頻率。此外，還有一些不太常見的常規頻率，包括多年、雙月、兩周、十天和每周任意天數范圍的每日。
? 專門的時間序列函數和運算符：滯后、差異、對數差異、移動平均線等。
? 變頻：各種由高到低、由低到高的方式。
? 指數平滑：單、雙、Holt-Winters 和 ETS 平滑。
? 用于美白回歸的內置工具。
? Hodrick-Prescott 過濾。
? 帶通（頻率）濾波：Baxter-King、Christiano-Fitzgerald 固定長度和全樣本非對稱濾波器。
? 季節性調整：Census X-13、STL Decomposition、MoveReg、X-12-ARIMA、Tramo/Seats、每日調整、移動平均。
? 用于填補系列中缺失值的插值：線性、對數線性、Catmull-Rom 樣條、基數樣條。
? 小波：變換、方差分解、異常值檢測和閾值處理。

---

三、統計數據

基本
? 基礎數據匯總；按組匯總。
? 平等檢驗：t 檢驗、ANOVA（平衡和不平衡，有或沒有異方差。）、Wilcoxon、Mann-Whitney、中值卡方、Kruskal-Wallis、van der Waerden、F 檢驗、Siegel-Tukey、Bartlett ， Levene，布朗-福賽斯。
? 單向制表；具有關聯度量（Phi 系數、Cramer's V、列聯系數）和獨立性測試（Pearson 卡方、似然比 G^2）的交叉制表。
? 協方差和相關分析，包括 Pearson、Spearman 排序、Kendall 的 tau-a 和 tau-b 以及部分分析。
? 主成分分析，包括碎石圖、雙圖和載荷圖，以及加權成分得分計算。
? 因子分析允許計算關聯度量（包括協方差和相關性）、唯一性估計、因子載荷估計和因子得分，以及使用 30 多種不同的正交和傾斜方法之一執行估計診斷和因子旋轉。
? 正態、指數、極值、Logistic、卡方、Weibull 或 Gamma 分布的經驗分布函數 (EDF) 檢驗（Kolmogorov-Smirnov、Lilliefors、Cramer-von Mises、Anderson-Darling、Watson）。
? 直方圖、頻率多邊形、邊緣頻率多邊形、平均移位直方圖、CDF-幸存者分位數、分位數-分位數、核密度、擬合理論分布、箱線圖。
? 帶有參數和非參數回歸線（LOWESS，局部多項式）、核回歸（Nadaraya-Watson，局部線性，局部多項式）或置信橢圓的散點圖。?

時間序列
? 自相關、偏自相關、互相關、Q 統計量。
? 格蘭杰因果關系檢驗，包括面板格蘭杰因果關系。
? 單位根檢驗：增強的 Dickey-Fuller、GLS 轉換的 Dickey-Fuller、Phillips-Perron、KPSS、Eliot-Richardson-Stock Point Optimal、Ng-Perron，以及帶斷點的單位根檢驗和季節性單位根檢驗。
? 協整檢驗：Johansen、Engle-Granger、Phillips-Ouliaris、Park 添加變量和 Hansen 穩定性。
? 獨立性測試：Brock、Dechert、Scheinkman 和 LeBaron
? 方差比檢驗：Lo 和 MacKinlay、Kim wild bootstrap、Wright 等級、等級分數和符號檢驗。Wald 和多重比較方差比檢驗（Richardson 和 Smith、Chow 和 Denning）。
? 長期方差和協方差計算：使用非參數內核 (Newey-West 1987, Andrews 1991)、參數 VARHAC (Den Haan 和 Levin 1997) 和預白內核 (Andrews 和 Monahan 1992) 的對稱或單邊長期協方差方法。此外，EViews 支持 Andrews (1991) 和 Newey-West (1994) 用于內核估計器的自動帶寬選擇方法，以及用于 VARHAC 和預白化估計的基于信息標準的滯后長度選擇方法。?

Panel 和 Pool
? 按組和按周期統計和測試。
? 單位根檢驗：Levin-Lin-Chu、Breitung、Im-Pesaran-Shin、Fisher、Hadri、PANIC、CIPS。
? 協整檢驗：Pedroni、Kao、Maddala 和 Wu。
? 面板內的系列協方差和主成分。
? Dumitrescu-Hurlin (2012) 面板因果關系檢驗。
? 橫截面相關性測試。

---

四、估計

回歸
? 線性和非線性普通最小二乘法（多元回歸）。
? 在任意數量的自變量上使用 PDL 進行線性回歸。
? 穩健的回歸。
? 非線性估計的解析導數。
? 加權最小二乘。
? White 和其他異方差一致，以及 Newey-West 穩健標準誤。HAC 標準誤差可以使用非參數核、參數 VARHAC 和預白化核方法計算，并允許用于核估計器的 Andrews 和 Newey-West 自動帶寬選擇方法，以及用于 VARHAC 和預白化估計的基于信息標準的滯后長度選擇方法。
? 聚集標準誤。
? 線性分位數回歸和最小絕對偏差 (LAD)，包括 Huber 的三明治和自舉協方差計算。
? 包括 TAR 和 SETAR 的閾值回歸，以及包括 STAR 的平滑閾值回歸。
? ARDL 估計，包括協整的邊界檢驗方法。
? 彈性網、嶺回歸和 LASSO 估計。
? 函數系數估計。

變量選擇和機器學習
? 具有七種不同選擇程序的逐步回歸。
? LASSO 變量選擇。
? 彈性網、嶺回歸和 LASSO 估計。
? 自動搜索/GETS 變量選擇。
? 自動 ARIMA 規范

ARMA 和 ARMAX
? 具有自回歸移動平均、季節性自回歸和季節性移動平均誤差的線性模型。
? 具有 AR 和 SAR 規范的非線性模型。
? 使用 Box 和 Jenkins 的回溯方法、條件最小二乘法、ML 或 GLS 進行估計。
? 分數集成的 ARFIMA 模型。

工具變量和 GMM
? 線性和非線性兩階段最小二乘/工具變量 (2SLS/IV) 和廣義矩量法 (GMM) 估計。
? 具有 AR 和 SAR 誤差的線性和非線性 2SLS/IV 估計。
? 有限信息最大似然 (LIML) 和 K 類估計。
? 廣泛的 GMM 加權矩陣規范（白色、HAC、用戶提供），可控制權重矩陣迭代。
? GMM 估計選項包括持續更新估計 (CUE)，以及許多新的標準誤差選項，包括 Windmeijer 標準誤差。
? IV/GMM 特定診斷包括儀器正交測試、回歸量內生性測試、弱儀器測試和 GMM 特定斷點測試。

ARCH/GARCH
? GARCH(p,q)、EGARCH、TARCH、分量 GARCH、功率 ARCH、集成 GARCH。
? 線性或非線性平均方程可以包括 ARCH 和 ARMA 項；均值和方差方程都允許外生變量。
? 正態分布、學生 t 分布和廣義誤差分布。
? Bollerslev-Woodridge 穩健標準誤。
? 條件方差和均值以及永久分量的樣本內和樣本外預測。
? 分數集成的 FIGARCH 和 FIEGARCH 估計量。
? 新聞影響曲線。
? 穩定性測試和符號偏差測試。

有限因變量模型
? 二進制 Logit、Probit 和 Gompit（極值）。
? 有序 Logit、Probit 和 Gompit（極值）。
? 具有正態、邏輯和極值誤差（Tobit 等）的刪失和截斷模型。
? 計數具有泊松、負二項式和準最大似然 (QML) 規范的模型。
? 赫克曼選擇模型。
? Huber/White 穩健標準誤。
? 計數模型支持廣義線性模型或 QML 標準誤差。
? 用于二元模型的 Hosmer-Lemeshow 和 Andrews 擬合優度測試。
? 輕松將結果（包括廣義殘差和梯度）保存到新的 EViews 對象以供進一步分析。
? 通用 GLM 估計引擎可用于估計其中幾個模型，并可選擇包含穩健協方差。

面板數據/合并時間序列、橫截面數據
? 具有附加橫截面和周期固定或隨機效應的線性和非線性估計。
? 隨機效應模型中分量方差的二次無偏估計量 (QUE) 的選擇：Swamy-Arora、Wallace-Hussain、Wansbeek-Kapteyn。
? 2SLS/IV 估計具有橫截面和周期固定或隨機效應。
? 在變換后的規范上使用非線性最小二乘法估計 AR 誤差
? 廣義最小二乘法、廣義 2SLS/IV 估計、允許橫截面或周期異方差和相關規范的 GMM 估計。
? 使用一階差分或正交偏差與特定時期的預定工具（Arellano-Bond）進行線性動態面板數據估計。
? 面板序列相關測試（Arellano-Bond）。
? 穩健標準誤差計算包括七種類型的穩健白色和面板校正標準誤差 (PCSE)。
? 系數限制、遺漏和冗余變量的檢驗，相關隨機效應的 Hausman 檢驗。
? 面板單位根檢驗：Levin-Lin-Chu、Breitung、Im-Pesaran-Shin、使用 ADF 和 PP 檢驗的 Fisher 型檢驗（Maddala-Wu、Choi）、Hadri。
? 面板協整估計：完全修正的 OLS (FMOLS, Pedroni 2000) 或動態普通最小二乘法 (DOLS, Kao and Chaing 2000, Mark and Sul 2003)。
? 合并平均組 (PMG) 估計。
? 差中差估計。

廣義線性模型
? 正態、泊松、二項式、負二項式、伽瑪、逆高斯、指數 Mena、冪均值、二項式平方系列。
? 身份、對數、對數補碼、logit、概率、對數對數、互補對數對數、倒數、冪、冪比值比、Box-Cox、Box-Cox 比值比鏈接函數。
? 先驗方差和頻率加權。
? 固定、Pearson Chi-Sq、偏差和用戶指定的色散規范。支持 QML 估計和測試。
? Quadratic Hill Climbing、Newton-Raphson、IRLS - Fisher Scoring 和 BHHH 估計算法。
? 使用預期或觀察到的 Hessian 或梯度的外積計算的普通系數協方差。使用 GLM、HAC 或 Huber/White 方法進行穩健的協方差估計。

單方程協整回歸
? 支持三種完全有效的估計方法，完全修改的 OLS（Phillips 和 Hansen 1992）、典型協整回歸（Park 1992）和動態 OLS（Saikkonen 1992、Stock 和 Watson 1993
? Engle 和 Granger (1987) 以及 Phillips 和 Ouliaris (1990) 基于殘差的檢驗、Hansen (1992b) 的不穩定性檢驗和 Park (1992) 的添加變量檢驗。
? 方程中的趨勢和確定性回歸變量的靈活規范以及協整回歸變量規范。
? FMOLS 和 CCR 長期方差的全特征估計。
? DOLS 滯后和超前以及長期方差白化回歸的自動或固定滯后選擇。
? 重新縮放的 OLS 和 DOLS 的穩健標準誤差計算。

用戶指定的最大似然
? 使用標準 EViews 系列表達式來描述對數似然貢獻。
? 多項式和條件 logit、Box-Cox 變換模型、不平衡切換模型、具有異方差誤差的概率模型、嵌套 logit、Heckman 樣本選擇和 Weibull 風險模型的示例。

---

五、方程組

基本
? 線性和非線性估計。
? 最小二乘、2SLS、方程加權估計、看似無關的回歸和三階段最小二乘。
? 具有白色和 HAC 加權矩陣的 GMM。
? 使用非線性最小二乘法對變換后的規范進行 AR 估計。
? 全信息最大似然（FIML）。

VAR/VEC
? 通過施加短期或長期限制，或兩者兼而有之，估計 VAR 中的結構分解。
? 貝葉斯 VAR，具有預測和脈沖響應的貝葉斯采樣。
? 混合頻率 VAR。
? 馬爾可夫開關 VAR。
? 貝葉斯時變系數 VAR。
? 各種表格和圖形格式的脈沖響應函數，標準誤差通過分析或蒙特卡羅方法計算。
? 從 Cholesky 分解、一單位或一標準差殘差（忽略相關性）、廣義脈沖、結構分解或用戶指定的向量/矩陣形式計算的脈沖響應沖擊。
? 標準 VAR 模型的歷史分解。
? 對 VEC 模型中的協整關系和/或調整系數施加和測試線性限制。
? 從估計的 VEC 模型中查看或生成協整關系。
? 廣泛的診斷包括：格蘭杰因果檢驗、聯合滯后排除檢驗、滯后長度標準評估、相關圖、自相關、正態性和異方差檢驗、協整檢驗、其他多變量診斷。

多元 ARCH
? 條件常數相關 (p,q)、對角 VECH (p,q)、對角 BEKK (p,q)，具有不對稱項。
? 對角 VECH 系數矩陣的廣泛參數化選擇。
? 均值和方差方程中允許的外生變量；平均方程中允許的非線性和 AR 項。
? Bollerslev-Woodridge 穩健標準誤。
? 正態或學生 t 多元誤差分布
? 分析或（快速或慢速）數值導數的選擇。（分析導數不適用于某些復雜模型。）
? 從估計的 ARCH 模型生成各種表格和圖形格式的協方差、方差或相關性。

狀態空間
? 用于估計用戶指定的單方程和多方程結構模型的卡爾曼濾波器算法。
? 狀態方程中的外生變量和完全參數化的方差規范。
? 生成前一步、過濾或平滑的信號、狀態和錯誤。
? 示例包括時變參數、多元 ARMA 和擬似然隨機波動率模型。

---

六、測試和評估

? 實際的、擬合的、殘差圖。
? 線性和非線性系數限制的 Wald 檢驗；置信橢圓顯示了估計參數的任意兩個函數的聯合置信區域。
? 其他系數診斷：標準化系數和系數彈性、置信區間、方差膨脹因子、系數方差分解。
? 遺漏和冗余變量 LR 檢驗、殘差和平方殘差相關圖和 Q 統計量、殘差序列相關和 ARCH LM 檢驗。
? White、Breusch-Pagan、Godfrey、Harvey 和 Glejser 異方差檢驗。
? 穩定性診斷：Chow 斷點和預測測試、Quandt-Andrews 未知斷點測試、Bai-Perron 斷點測試、Ramsey RESET 測試、OLS 遞歸估計、影響統計、杠桿圖。
? ARMA 方程診斷：AR 和/或 MA 特征多項式的逆根的圖形或表格，將理論（估計的）自相關模式與結構殘差的實際相關模式進行比較，顯示對創新沖擊的 ARMA 脈沖響應和ARMA 頻譜。
? 輕松將結果（系數、系數協方差矩陣、殘差、梯度等）保存到 EViews 對象以供進一步分析。
? 另請參閱Estimation and Systems of Equations了解其他專業測試程序。

---

七、預測和模擬

? 根據估計的方程對象進行樣本內或樣本外的靜態或動態預測，并計算預測的標準誤差。
? 預測圖和樣本內預測評估：RMSE、MAE、MAPE、泰爾不等式系數和比例
? 用于多方程預測和多變量模擬的最先進的模型構建工具。
? 模型方程可以以文本形式輸入，也可以作為重新估計時自動更新的鏈接。
? 顯示方程的依賴結構或內生和外生變量。
? 用于非隨機和隨機模擬的 Gauss-Seidel、Broyden 和 Newton 模型求解器。非隨機前向解決方案解決模型一致的期望。隨機模擬可以使用自舉殘差。
? 解決控制問題，使內生變量達到用戶指定的目標。
? 復雜的方程歸一化、添加因子和覆蓋支持。
? 管理和比較涉及各種假設的多個解決方案方案。
? 內置模型視圖和程序以圖形或表格形式顯示模擬結果。

---

八、圖表、表格和地圖

? 線、點圖、面積、條形圖、峰值、季節性、餅圖、xy 線、散點圖、氣泡圖、箱線圖、誤差線、高-低-開-關和面積帶。
? 功能強大、易于使用的分類和匯總圖。
? 自動更新圖表，隨著基礎數據的變化而更新。
? 將光標懸停在圖表中的某個點上時會顯示觀察信息和值。
? 直方圖、平均移位直方圖、頻率多邊形、邊緣頻率多邊形、箱線圖、核密度、擬合理論分布、箱線圖、CDF、幸存者、分位數、分位數-分位數。
? 具有任意組合參數和非參數內核（Nadaraya-Watson、局部線性、局部多項式）和最近鄰 (LOWESS) 回歸線或置信橢圓的散點圖。
? 交互式點擊或基于命令的自定義。
? 圖形背景、框架、圖例、軸、縮放、線條、符號、文本、陰影、褪色的廣泛定制，具有改進的圖形模板功能。
? 表格自定義，可控制單元格字體、大小和顏色、單元格背景顏色和邊框、合并和注釋。
? 將圖表復制并粘貼到其他 Windows 應用程序中，或將圖表保存為 Windows 常規或增強的元文件、封裝的 PostScript 文件、位圖、GIF、PNG 或 JPG。
? 將表格復制并粘貼到另一個應用程序或保存到 RTF、HTML、LaTeX、PDF 或文本文件。
? 在一個假脫機對象中一起管理圖形和表格，讓您在一個對象中顯示多個結果和分析。
? 打開地理地圖 ShapeFiles 并將區域與 EViews 工作文件中的數據聯系起來，允許通過數據對這些區域進行著色和標記。
? 圖形和地圖的動畫，無論是在 EViews 中，還是通過導出為 .GIF 和 .MP4 媒體文件。

---

九、命令和編程

? 面向對象的命令語言提供對菜單項的訪問。
? 批量執行程序文件中的命令。
? 循環和條件分支、子程序和宏處理。
? 使用斷點、調用堆棧和監視窗口進行調試。
? 用于字符串處理的字符串和字符串向量對象。廣泛的字符串和字符串列表函數庫。
? 廣泛的矩陣支持：矩陣運算、乘法、求逆、Kronecker 積、特征值解和奇異值分解。
? 與 Juypter 筆記本集成。

---

十、外部接口和加載項

? EViews COM 自動化服務器支持使外部程序或腳本可以啟動或控制 EViews、傳輸數據和執行 EViews 命令。
? EViews 提供與 MATLAB?、R 和 Python 的集成，因此 EViews 可用于啟動或控制這些應用程序、傳輸數據或執行命令。
? EViews Microsoft Excel? 插件提供了一個簡單的界面，用于從 Microsoft Excel?（2000 和更高版本）中獲取和鏈接到存儲在 EViews 工作文件和數據庫中的系列和矩陣對象。
? EViews 插件基礎設施使用標準 EViews 命令、菜單和對象界面提供對用戶定義程序的無縫訪問。
? 從 EViews 網站下載并安裝預定義的插件。

系統要求

? CPU: Pentium或更高
? 操作系統:
Windows 11 (64bit)
Windows 10 (64bit)
Windows 8.1 (64bit)
Windows 8 (64bit)
Windows Server 2012 (64bit)*
Windows Server 2008 (64bit)*
.Net 4.0 is required for connectivity to certain external databases and installation of the EViews-Excel add-in.
? 內存: 512 MB
? 磁盤空間:
400 MB of available hard disk space for the EViews executable, supporting files, full documentation, and example files。

相關軟件

• Stata—數據統計分析軟件包
• Minitab—統計和數據分析軟件包
• Minitab Engage—數據分析、統計和過程改進工具
• MATLAB—商業數學軟件
• MATLAB Campus-Wide License—商業數學軟件全校版
• IBM SPSS Statistics Premium—預測分析軟件
• IBM SPSS Modeler—數據挖掘軟件
• SAS—數據分析與決策支持軟件
• e!Sankey—物質流分析可視化軟件
• Mathematica—高級數學及符號運算軟件