與其他計量經(jīng)濟學軟件相比，Eviews并不需要大多數(shù)用戶去學習復雜的命令語言。它的內(nèi)置程序只需點擊鼠標，即可提供在實際經(jīng)濟計量和預測工作中最常用的工具。

基本統(tǒng)計分析

　　Eviews支持廣泛的基本統(tǒng)計分析方法，包括從簡單的描述性統(tǒng)計到參數(shù)和非參數(shù)假設檢驗的所有內(nèi)容。

EViews執(zhí)行廣泛的基本統(tǒng)計分析

　　通過基于一個或多個變量的分類，或通過面板或匯總數(shù)據(jù)中的橫截面或周期，可以快速輕松地計算整個樣本的基本描述性統(tǒng)計數(shù)據(jù)。可以對平均值、中位數(shù)和方差進行假設檢驗，包括針對特定值的檢驗、序列間相等性的檢驗，或者在通過其他變量進行分類時測試單個序列中的相等性（允許執(zhí)行單向方差分析）。協(xié)方差和因子分析的工具允許您檢查變量之間的關系。

檢查數(shù)據(jù)的分布

　　您可以使用直方圖、理論分布、核密度或累積分布、生存分析圖以及分位數(shù)圖來可視化數(shù)據(jù)的分布。QQ圖（分位數(shù)-分位數(shù)圖）可用于比較一對數(shù)列的分布，或單個數(shù)列的分布以及各種理論分布。

將回歸和曲線擬合（以及直方圖）添加到散點圖中

　　您甚至能夠執(zhí)行Kolmogorov-Smirnov, Liliefors, Cramer von Mises, 和 Anderson-Darling 檢驗來查看序列是否是正態(tài)分布的,或者是否是來自其它的分布，如指數(shù)、極值、logistic、卡方、韋布爾（Weibull）伽馬（gamma）分布。

　　Eviews還使用普通回歸、變換回歸、核回歸和最近鄰回歸來生成帶有曲線擬合的散點圖。

氣泡圖為您的繪圖添加了第三個維度

　　氣泡圖允許您使用第三個系列來確定散點圖中點的大小。

時間序列統(tǒng)計和工具

　　使用從簡單的自相關圖到頻率濾波器，再到Q統(tǒng)計到單位根檢驗等工具，來探索數(shù)據(jù)的時間序列屬性。

探索數(shù)據(jù)的時間序列屬性

　　Eviews提供自相關和部分自相關函數(shù)、Q統(tǒng)計和互相關函數(shù)，以及單位根檢驗（用于單時間序列的ADF、Phillips-Perron,  KPSS, DFGLS, ERS,或 Ng-Perron，以及用于面板數(shù)據(jù)的Levin-Lin-Chu、Breitung、Im-Pesaran-Shin、fisher或Hadri，以及斷點單位根檢驗和季節(jié)單位根檢驗）、協(xié)整檢驗（帶有MacKinnon-Haug-Michelis關鍵值和p值），Pedroni、Kao或的Fisher的面板數(shù)據(jù)）、因果關系和獨立性檢驗。

EViews為X12和Tramo / Seats提供易于使用的界面

　　Eviews還為美國人口普查局的X-13季節(jié)性調(diào)整計劃和美國勞工統(tǒng)計局的每周MoveReg數(shù)據(jù)提供易于使用的前端支持程序。STL分解法為任何頻率數(shù)據(jù)提供季節(jié)性調(diào)整，Eviews還支持使用加法型和乘法型的差分法進行簡單的季節(jié)性調(diào)整。

使用過濾器計算時間序列數(shù)據(jù)的趨勢和周期

　　Eviews使用使用Hodrick-Prescott Baxter-King，Christiano-Fitzgerald固定長度Christiano-Fitzgerald不對稱全樣本帶通(brand-pass)(頻率)濾波器來計算時間序列數(shù)據(jù)的趨勢和周期。

面板數(shù)據(jù)和匯總數(shù)據(jù)的統(tǒng)計與工具

日期或未注明日期，平衡或非平衡... EViews了解您的面板數(shù)據(jù)結構

　　Eviews具有多種工具，旨在方便使用面板或匯總/時間序列-橫截面數(shù)據(jù)。定義面板數(shù)據(jù)結構時，幾乎不限制橫截面或組的數(shù)量，也不限制組中周期或觀察的數(shù)量。日期或未注明日期、平衡或不平衡、常規(guī)或不規(guī)則的頻率面板數(shù)據(jù)集均在Eviews框架內(nèi)被自然處理。

執(zhí)行面板單元根和協(xié)整測試

　　數(shù)據(jù)結構工具有助于將數(shù)據(jù)從堆疊（面板）格式轉換為未堆疊（匯總）格式，然后再轉換回來。智能鏈接、自動序列和數(shù)據(jù)提取工具允許您輕松地對數(shù)據(jù)進行切片、匹配合并、頻率轉換以及匯總。

　　對基本縱向數(shù)據(jù)分析的支持范圍從方便的按組和按周期統(tǒng)計、檢驗和繪圖到復雜的面板單位根（Levin-Lin-Chu、Breitung、Im-Pesaran-Shin或fisher）和協(xié)整診斷（Pedroni（2004）、Pedroni（1999）和Kao或Fisher類型檢驗）。

以各種方式可視化您的面板數(shù)據(jù)

　　用于顯示面板數(shù)據(jù)圖的專用工具允許您查看堆疊、單獨或匯總的數(shù)據(jù)顯示。在單個圖形框架或單個框架中顯示每個圖形的折線圖?；蛘唢@示跨橫截面收集的面板數(shù)據(jù)的匯總統(tǒng)計數(shù)據(jù)，包括均值（或中位數(shù)）和標準偏差（或分位數(shù)）。

單方程估計

　　Eviews允許您從一整套基本的單方程估計中進行選擇，包括：普通和非線性最小二乘法（多元回歸）、加權最小二乘法、兩階段最小二乘法（工具變量）、分位數(shù)回歸（包括最小絕對偏差估計）和逐步線性回歸。所有這些技術都可以使用權重估計。規(guī)范可以包括在任意數(shù)量的自變量上的多項式滯后結構.

EViews提供全系列的單方程估算器

　　對于時間序列分析，Eviews估計ARMA和ARMAX模型以及各種RCH規(guī)范。結可以使用狀態(tài)空間對象來估計結構時間序列模型。

　　除了這些基本估計量之外，Eviews還支持各種高級模型的估計和診斷。

　　廣義矩估計（GMM）

GMM估計提供各種加權矩陣和協(xié)方差選項。

　　Eviews支持橫截面和時間序列數(shù)據(jù)（單方程和多方程）的GMM估計。權重選項包括橫截面數(shù)據(jù)的White協(xié)方差矩陣和時間序列數(shù)據(jù)的各種HAC協(xié)方差矩陣。HAC選項包括prewhitening、各種核函數(shù)，以及固定、Andrews或Newey-West帶寬選擇方法。您可以使用迭代過程或連續(xù)更新過程來估計GMM方程。此外，還可以對GMM方程進行后估計診斷，包括弱儀器統(tǒng)計。

　　ARCH模型

易于使用的對話框使您可以輕松指定ARCH模型

　　如果序列的方差隨時間而波動，Eviews可以使用各種自回歸條件異方差（ARCH）模型來估計方差的路徑。Eviews處理GARCH(p,q)、EGARCH(p,q)、TARCH(p,q)、PARCH(p,q)和組件GARCH規(guī)范，并提供遵循正態(tài)分布、學生T或廣義誤差分布的誤差的極大似然估計。ARCH模型均值估計可以包括ARCH和ARMA條件,所有的均值和方差估計允許外生變量.

　　有限應變量

EViews估計ML和QML計數(shù)模型

　　Eviews還支持對一系列有限性相關變量模型的估計。二元、有序、截尾和截斷模型都可以基于正態(tài)、logistic和極值誤差來估計似然函數(shù)。計數(shù)模型可以使用泊松分布、負二項式分布和準最大似然（QML）規(guī)范。Heckman選擇模型提供兩步法估計或MLE估計。Eviews可以選擇報告廣義線性模型或QML標準錯誤。

　　其他的估計方法

　　Eviews還提供了穩(wěn)健最小二乘法、彈性網(wǎng)、嶺回歸、lasso、函數(shù)系數(shù)、逐步回歸、MIDAS（混合頻率）以及閾值模型的估計。

　　面板和匯總時間序列—橫截面

EViews提供一系列面板數(shù)據(jù)估算法和選項

　　Eviews提供各種面板數(shù)據(jù)的估計方法。除了一般的線性和非線性最小二乘法外，方程估計方法還包括2SLS / IV和廣義2SLS / IV，以及GMM，它們可用于估算復雜的動態(tài)面板數(shù)據(jù)參數(shù)（包括Anderson-Hsiao和Arellano-Bond類型） 估算法）。

　　大多數(shù)方法允許同時考慮時間和橫截面的固定以及隨機效果的設定。對于隨機效應模型，分量方差的二次無偏估計包括Swamy-Arora、Wallace-Hussain和Wansbeek-Kapteyn。

一個（可選）向?qū)б龑瓿蓜討B(tài)面板數(shù)據(jù)模型的規(guī)范。

　　還支持AR設定（轉換后定義的任何效果）、加權最小二乘法和似不相關的回歸法。在集中數(shù)據(jù)中，特定變量（包括AR項）的系數(shù)能被約束為相同的，或者允許在橫截面上不同。

系統(tǒng)估計

使用系統(tǒng)對象指定和估計方程組

　　Eviews還提供了分析方程組的強大工具。您可以使用Eviews來通過OLS、兩階段最小二乘法、似無關回歸法、三階段最小二乘法、GMM和FIML法來進行線性和非線性方程組估計。系統(tǒng)可以包含交叉方程式約束和任意順序的自回歸誤差。

　　向量自回歸模型/糾錯模型

估計VAR或VEC模型并輕松生成脈沖響應圖

　　通過Eviews可以輕松地估計向量自回歸模型、貝葉斯VAR模型、混合頻率VAR模型、馬爾可夫開關VAR模型和矢量誤差修正模型。估計后，您可以查看VAR或VEC的脈沖響應函數(shù)和方差分解。VAR脈沖響應函數(shù)和分解具有通過分析或蒙特卡羅方法（分析不適用于分解）計算的標準誤差，并可以用多種圖形和表格方式顯示。

　　您可以對協(xié)整關系或調(diào)整系數(shù)上強制進行線性約束檢驗。Eviews的VAR模型還允許您通過施加短期（Sims 1986）或長期（Blanchard和Quah 1989）約束或或兩者都施加來評估結構化因子分解(VARs)。過度識別限制可以使用由EViews生成的LR統(tǒng)計量來檢驗.

　　VARs支持各種視圖，允許您檢查估計參數(shù)的結構。只需點擊幾下鼠標，您就可以顯示特征AR多項式的反根，執(zhí)行Granger因果關系和聯(lián)合滯后排除檢驗，評估各種滯后長度標準，查看相關圖和自相關圖，或執(zhí)行各種基于多變量殘差的診斷。

　　多變量ARCH

使用多變量ARCH對系統(tǒng)協(xié)方差和相關性建模

　　多變量ARCH可用于建模多個時間序列的時變方差和協(xié)方差。許多流行的ARCH模型，如常數(shù)條件相關模型（CCC）、對角VECH模型和對角BEKK模型等都將被提供。均值和方差方程中允許有外生變量；非線性和AR項可以包含在均值方程中。假設誤差分布為多元正態(tài)或?qū)W生t。此外，Bollerslev-Wooldridge也提供強大的標準誤差。估計模型后，用戶就可以很容易地以表格或圖形格式生成樣本內(nèi)方差、協(xié)方差或相關系數(shù)。

　　狀態(tài)空間模型

使用卡爾曼濾波器估算狀態(tài)空間模型并顯示濾波結果

　　狀態(tài)空間對象允許使用卡爾曼濾波算法（Kalman Filter）估計各種單方程和多方程的動態(tài)時間序列模型。除此之外，還可以使用狀態(tài)空間對象來估計隨機和時變的系數(shù)模型以及ARMA模型的規(guī)范。

　　先進的過程和視圖使您能夠通過強大的過濾工具和平滑工具，以便您可以提前一步去瀏覽（或生成）過濾或平滑的信號、狀態(tài)或錯誤。Eviews的內(nèi)置預測程序還為使用n步提前或平滑預測值的樣本內(nèi)和樣本外預測提供了易于使用的工具。

用戶指定的最大似然值

使用似然對象定義您自己的估算器

　　對于自定義分析，Eviews易于使用的似然對象允許估計用戶指定的最大似然值模型。您只需提供簡單的Eviews標準表達式來描述樣本中每個觀測的對數(shù)似然貢獻值，并設置系數(shù)起始值，Eviews將完成剩余的工作。