آموزش نرم افزار ایویوز (EViews) از تعریف متغیر تا تحلیل مدلهای اقتصادی
فهرست مطالب مقاله
- نرمافزار ایویوز چیست و چه کاربردی دارد؟
- نحوه ساخت Workfile و ورود دادهها
- آزمون مانایی (ایستایی) و ریشه واحد
- تخمین مدل رگرسیون و آزمونهای تشخیصی
- مقایسه روشهای تخمین متداول
- تحلیل دادههای تابلویی (Panel Data)
- نکات کلیدی و اشتباهات متداول
- عیبیابی سریع و رفع خطاهای EViews
نرمافزار ایویوز (EViews) تخصصیترین ابزار برای تحلیل سریهای زمانی، دادههای پانل و پیشبینیهای اقتصادی است. در این آموزش عملی، گامبهگام نحوه ورود دادهها، بررسی مانایی، ساخت مدل رگرسیون، آزمونهای تشخیصی خودهمبستگی و ناهمسانی واریانس و رفع خطاهای رایج نرمافزار را میآموزید.
نرمافزار ایویوز قدرتمندترین ابزار برای تحلیلهای اقتصادسنجی و پردازش دادههای سری زمانی است که در پروژههای مالی و پژوهشهای دانشگاهی کاربرد حیاتی دارد. با یادگیری اصول کار با EViews، میتوانید مدلهای پیچیده اقتصادی را در کوتاهترین زمان ممکن تخمین بزنید، پایایی متغیرها را سنجیده و صحت فرضیات پژوهش خود را از طریق آزمونهای تشخیصی دقیق ارزیابی کنید.
نرمافزار ایویوز چیست و چه کاربردی دارد؟

پاسخ کوتاه: ایویوز (Econometric Views) نرمافزاری تخصصی برای تحلیل آماری، دادههای سری زمانی، دادههای مقطعی و دادههای تابلویی (Panel Data) است. این نرمافزار عمدتاً برای پیشبینی وضعیت بازارهای مالی، تحلیل روابط علت و معلولی بین متغیرهای کلان اقتصادی و تخمین مدلهای رگرسیونی به کار میرود.
برخلاف ابزارهایی که برای آموزش مدلسازی معادله ساختاری با Smart-PLS استفاده میشوند، ایویوز تمرکز اصلی خود را بر ساختارهای زمانی و دادههای عددی پیوسته قرار داده است. قابلیت محیط گرافیگی ایویوز و امکان فرمولنویسی دستی، آن را به انتخاب اول پژوهشگران اقتصاد تبدیل کرده است.
این نرم افازر فرآیند رسم نمودارهای ساختاری، محاسبه ماتریس همبستگی، و انجام آزمونهای پیچیده خودهمبستگی را بسیار ساده ساخته و رابط کاربری گرافیگی آن مانع از سردرگمی کاربر در میان کدهای سنگین ریاضی میشود.
نحوه ساخت Workfile و ورود دادهها

اولین قدم برای اجرای تحلیلها در ایویوز، ایجاد یک فایل کاری یا همان Workfile است. اگر ساختار فایل اولیه بهدرستی تعریف نشود، تمام آزمونهای بعدی با خطا مواجه خواهند شد.
- نرمافزار را باز کرده و از منوی File گزینهی New و سپس Workfile را انتخاب کنید.
- در پنجره باز شده، نوع دادهها را در بخش Workfile structure type تعیین کنید:
- Dated – regular frequency: برای دادههای سری زمانی با فواصل منظم (روزانه، ماهانه، سالانه).
- Unstructured / Undated: برای دادههای مقطعی بدون بعد زمان.
- Balanced Panel: برای دادههای تابلویی (ترکیب مقطع و زمان).
- فرکانس دادهها (مثلاً Annual یا Monthly) و تاریخ شروع و پایان را وارد کنید و روی OK کلیک کنید.
- برای وارد کردن دادهها، سادهترین راه کپی کردن دادهها از اکسل و زدن دستور
quick -> empty group (edits series)در ایویوز است.
در این بخش نشان خواهیم داد که چگونه متغیرها را وارد میکنید و بعداً دکمه را زدید باید حواستان باشد که هنگام جمعآوری دادهها حتماً به انواع روش های نمونه گیری توجه داشته باشید تا نمونههای آماری دقیق و بدون تورش وارد نرمافزار شوند.
آزمون مانایی (ایستایی) و ریشه واحد

پاسخ کوتاه: آزمون مانایی (Unit Root Test) برای سنجش ثبات میانگین و واریانس سریهای زمانی در طول زمان انجام میشود. استفاده از متغیرهای غیرمانا منجر به رگرسیون کاذب (Spurious Regression) خواهد شد. آزمون دیکی فولر تعمیمیافته (ADF) رایجترین روش برای بررسی ایستایی در EViews است.
مراحل اجرای آزمون دیکی-فولر تعمیم یافته در EViews:
- روی متغیر مورد نظر دو بار کلیک کنید تا پنجره دادهها باز شود.
- از دکمه View گزینه Unit Root Tests… را انتخاب کنید.
- نوع آزمون را روی Augmented Dickey-Fuller قرار دهید.
- آزمون را ابتدا در سطح (Level) انجام دهید؛ اگر Prob کمتر از 0.05 بود، متغیر مانا است (I0).
- اگر Prob بیشتر از 0.05 بود، آزمون را روی تفاضل مرتبه اول (1st Difference) تکرار کنید تا متغیر مانا شود (I1).
تخمین مدل رگرسیون و آزمونهای تشخیصی

پاسخ کوتاه: برای تخمین مدل رگرسیون حداقل مربعات معمولی (OLS)، دستور ls y c x1 x2 را در کادر Command تایپ کرده و Enter را بزنید. سپس برای اطمینان از اعتبار مدل، باید آزمونهای تشخیصی مانند ناهمسانی واریانس، خودهمبستگی پسماندها و نرمال بودن را اجرا کنید.
پس از تخمین مدل OLS، نباید بلافاصله ضرایب را تفسیر نمود. ابتدا صحت فرضهای کلاسیک باید بررسی شود:
آزمونهای تشخیصی ضروری در پنجره Equation:
- آزمون ناهمسانی واریانس (Heteroskedasticity): مسیر
View -> Residual Diagnostics -> Heteroskedasticity Tests(مانند آزمون White یا Breusch-Pagan). احتمال باید بیشتر از 0.05 باشد. - آزمون خودهمبستگی (Serial Correlation): مسیر
View -> Residual Diagnostics -> Serial Correlation LM Test. فرضیه H0 مبنی بر عدم خودهمبستگی نباید رد شود. - آزمون نرمال بودن پسماندها: مسیر
View -> Residual Diagnostics -> Histogram - Normality Test. آزمون جارک-برا (Jarque-Bera) باید مقدار Prob بیشتر از 0.05 داشته باشد.
شناخت دقیق محدودیت های تحقیق مانع از تفسیر اشتباه نتایج رگرسیون میشود و به پژوهشگر کمک میکند دلیل نقض برخی فرضهای OLS را در گزارش نهایی خود تبیین کند.
جدول مقایسه روشهای تخمین بر اساس نوع دادهها
| روش تخمین در EViews | شرایط استفاده و نوع دادهها |
|---|---|
| حداقل مربعات معمولی (OLS) | دادههای مانا در سطح (I0) با برقراری تمام فرضهای کلاسیک. |
| مدل ARDL (وقفه توزیعی) | ترکیبی از متغیرهای I0 و I1 (هیچ متغیری نباید I2 باشد). |
| مدل خودرگرسیون برداری (VAR) | سریهای زمانی کاملاً مانا که متغیر درونزا و برونزا مشخص نیست. |
| دادههای تابلویی (Panel Data) | ترکیب شرکتها/کشورها در طول زمان (آزمون لیمر و هاسمن). |
| مدلهای خانواده GARCH | تحلیل نوسانات شدید و واریانس ناهمسان شرطی در دادههای مالی. |
تحلیل دادههای تابلویی (Panel Data) در ایویوز
دادههای پانل به دادههایی گفته می شود که ابعاد مقطعی (مثل ۵۰ شرکت) را در طول دوره زمانی مشخص (مثل ۱۰ سال) بررسی میکنند. برای تخمین مدل پانل در EViews، ابتدا باید مشخص شود که چه مدلی مناسبتر است.
گامهای انتخاب مدل پانل:
- آزمون چاو / F لیمر: برای تصمیمگیری بین روش ترکیبی (Pooled) و اثرات ثابت (Fixed Effects). از مسیر
View -> Fixed/Random Effects Testing -> Redundant Fixed Effectsاستفاده کنید. اگر Prob کمتر از 0.05 باشد، روش اثرات ثابت پذیرفته میشود. - آزمون هاسمن (Hausman Test): برای انتخاب بین اثرات ثابت (Fixed Effects) و اثرات تصادفی (Random Effects). مسیر
View -> Fixed/Random Effects Testing -> Correlated Random Effects - Hausman Testرا اجرا کردید و نتیجه را میبینید. اگر Prob کمتر از 0.05 باشد، اثرات ثابت و در غیر این صورت اثرات تصادفی انتخاب میشود.
طراحی دقیق و آمادهسازی نمودارها و خروجیهای استاندارد برای ارائه، همانند نیازی است که دانشجویان برای پکیج آمادگی جلسه دفاع احساس میکنند تا بتوانند از نتایج پردازششدهی خود در برابر داوران دفاع کنند.
نکات کلیدی و اشتباهات متداول در تحلیلهای EViews
بسیاری از کاربران تازه کار ایویوز به دلیل نادیده گرفتن برخی جزییات فنی دچار خطاهای فاحش میشوند. در ادامه به ۳ نکته کلیدی اشاره میکنیم:
- اشتباه در لگاریتمگیری: لگاریتم گرفتن از متغیرهایی که مقادیر صفر یا منفی دارند موجب خطا میشود. برای متغیرهای نرخ رشد یا درصدی نباید دوباره لگاریتم بگیرید.
- تفسیر نادرست ضریب تعیین (R-squared): در دادههای تفاضلگیری شده (مانند تفاضل مرتبه اول)، R2 معمولاً بسیار پایین میآید (مثلاً 0.20) که کاملاً طبیعی است و نشاندهنده ضعف مدل نیست.
-
سوالات متداول
نرمافزار ایویوز بیشتر برای چه نوع دادههایی کاربرد دارد؟
ایویوز عمدتاً برای تحلیل دادههای سری زمانی، دادههای مقطعی و دادههای تابلویی (Panel Data) در پژوهشهای اقتصادی و مالی استفاده میشود.
چرا انجام آزمون مانایی (Unit Root Test) در EViews ضروری است؟
زیرا استفاده از متغیرهای غیرمانا باعث ایجاد رگرسیون کاذب و نتایج غیرقابلاعتماد میشود. آزمون مانایی پایداری میانگین و واریانس دادهها را بررسی میکند.
دستور اجرای رگرسیون OLS در کادر Command ایویوز چیست؟
برای اجرای رگرسیون حداقل مربعات معمولی، کافی است عبارت ls y c x1 x2 را در کادر Command تایپ کرده و دکمه Enter را کلیک کنید.
در صورتی که متغیر در سطح مانا نباشد چه باید کرد؟
در صورت غیرمانا بودن متغیر در سطح (Level)، باید آزمون را روی تفاضل مرتبه اول (1st Difference) تکرار کنید تا متغیر مانا گردد.
مهمترین آزمونهای تشخیصی پس از تخمین مدل OLS کدامند؟
آزمون ناهمسانی واریانس، آزمون خودهمبستگی پسماندها (LM Test) و آزمون نرمال بودن جارک-برا از مهمترین آزمونهای تشخیصی هستند.


