企业官网建设流程全解析

简介：面向需要使用EViews完成自回归分布滞后模型分析的研究者与高年级学生，这份docx文档系统梳理了ARDL建模的完整执行流程。内容以截图与文字说明相结合，覆盖工作文件创建、数据录入、变量取对数、单位根检验、ARDL方程估计，以及长期趋势与Bounds协整检验的关键环节，帮助读者理解EViews 9及以上版本中ARDL工具的操作逻辑和结果查看方式。资源包仅1个docx文件，大小约446KB，轻量便于快速查阅；适合作为论文实证分析的配套参考资料，也适合刚接触ARDL模型的读者按步骤上手练习。该资源已有3504人学习下载，实用价值得到较多用户认可。

1. 用Eviews跑ARDL到底在解决什么，什么场景下你该打开Eviews

假设你手头有二十多个年度的宏观时间序列，想验证货币供应量、利率和经济增长之间是否存在长期均衡关系。你打开Eviews做完单位根检验，发现通胀序列是平稳的，GDP和M2却是一阶单整——传统协整方法到这里就被卡住了，因为Johansen和Engle-Granger都默认“所有变量同阶单整”。自回归分布滞后（ARDL）模型就是为这种场景设计的：允许I(0)与I(1)混用，小样本下的检验表现比Johansen更稳定，而且一次估计能同时输出长期关系与短期误差修正项。这篇笔记按Eviews自带ARDL向导为主干，完整带你走一遍从单位根体检、模型设定、边界检验到结果解读的流程，最后集中列出几个容易翻车的细节。

2. 动手前先立逻辑：ARDL的原理、适用条件与模型形式选择

2.1 ARDL在协整方法里的位置：小样本和混合阶数是它最大的卖点

协整检验主流有三条路线。Engle-Granger两步法只适合两个变量，而且要求两序列同阶单整，两步估计还会把第一步的残差误差带进第二步，小样本下偏误明显；Johansen极大似然法适合多变量系统，但样本量不足时特征根估计很不稳，同样默认所有变量都是I(1)。ARDL完全不同：它把回归方程写成“差分项 + 滞后水平项”的形式，通过边界检验判断滞后水平项作为一个整体是否显著。因为方程里同时混有平稳的差分项和非平稳的水平项，F统计量不服从标准F分布，所以临界值必须查专门用蒙特卡洛模拟生成的表——这套临界值来自2001年发表的边界检验原始文献，学术界习惯简写为PSS2001。

ARDL的实际价值有三点。第一，变量可以I(0)与I(1)混用，前提是不要出现I(2)。第二，它是单方程估计，不需要像Johansen那样估计整个系统，20到40个年度观测就能跑出可靠结果。第三，估计结果天然分成长期关系和误差修正两部分，你不用像EG两步法那样先取残差再回归一次，所有东西在Eviews的一次输出里都能找齐。这篇文章锁定的就是Eviews环境下最稳妥的这套落地路径。

2.2 先做三张“体检表”：单位根、样本量、季节性

ARDL的边界检验临界值表，模拟前提是变量的单整阶数最高为1。一旦样本里混进I(2)变量，F统计量会整体上移，用原表比对时极容易误判成“协整显著”——这是整个ARDL流程里最隐蔽的一个坑。所以在跑ARDL之前，必须给每个变量做单位根检验，而且要确认“水平值不平稳、一阶差分平稳”这个结论是真的。

在Eviews里，最直接的体检命令是ADF检验，先看水平值再看一阶差分：

' 水平值的ADF检验：带截距项，滞后阶数由软件自动选择 freeze(tab_adf_lv) gdp.uroot(adf, "intercept") ' 一阶差分的ADF检验：同样带截距项 freeze(tab_adf_d1) gdp.uroot(adf, "intercept", 0, 1)

第一条命令生成水平值序列的ADF检验表，第二条命令里第二个参数“intercept”表示检验式带截距项，最后的“1”表示做一阶差分。如果水平值检验的p值大于0.05、而一阶差分检验p值小于0.05，说明该序列是一阶单整（I(1)）；如果水平值检验p值本身就小于0.05，那就属于平稳序列I(0)；如果两个检验都无法拒绝，再追加一次二阶差分检验，确认是否I(2)。注意，这里把“intercept”换成“trend”，适用于时序图有明显上升趋势的情况，否则优先用截距项，不要盲目加趋势项。

样本量方面，我一般遵循一个经验下限：年度数据至少25个观测，季度数据至少40个，月度数据至少60个。样本再小，边界检验的势会很低，就算F值落在显著区间里，结论也容易挨质疑。季节性方面，季度和月度数据要先处理季节成分，Eviews里可以用菜单里的X13方法做季节调整，把去掉季节波动的序列再放进ARDL，否则滞后阶数会被季节周期抬高，模型参数虚耗严重。

2.3 截距与趋势选项为什么直接决定临界值：五个Case的对应关系

在ARDL边界检验框架里，模型外层方程和内层协整方程是否包含常数项和趋势项，决定了F统计量到底该对照哪一套临界值。很多新手在Eviews输出表里找不到与自己设定对应的行，或者拿错临界值导致结论反转。这部分我把“确定性项”当成一个独立维度看，在Eviews的ARDL对话框里通常对应这几个选项：None、Unrestricted Constant、Restricted Constant、Unrestricted Constant and Trend等。

选择逻辑分三种常见情形。如果变量在单位根检验时都没有明显趋势，选择Unrestricted Constant是默认做法；如果原始数据带有共同时间趋势，比如GDP水平值长期上行，选择Unrestricted Constant and Trend更稳妥；只有当你已经明确知道协整方程内部应该含常数或趋势（比如验证购买力平价这类有理论约束的方程）时才使用Restricted形式。下表总结了对应关系：

选错Case的直接后果是临界值表格不匹配，F统计量虽然同一个，但判断结果可能从“显著”变“不显著”。我的习惯是先画时序图，根据序列走势决定选项，然后打开边界检验输出表，确认里面标注的Case和选择一致，再下最终结论。

3. EViews里跑通ARDL的完整操作：数据准备、对话框选项和命令行替代

3.1 数据准备：从Excel到Workfile的变量命名规范

数据导入这一步看着简单，但变量名出问题导致的报错非常隐蔽。Eviews中变量名不能有中文、不能有空格，尽量不要以数字开头；如果Excel表头里带了单位或说明文字，导入时Eviews会生成带非法字符的序列名，后面跑模型时会出现Type mismatch这类莫名其妙的报错。我通常先在Excel里把表头改成gdp、m2、cpi、rate这类简单名称，再去Eviews里建Workfile。

创建年度工作文件并导入数据的命令如下：

' 创建年度工作文件，样本期1995-2023，工作文件名为macro_research wfcreate(wf=macro_research, page=annual) 1995 2023 ' 从Excel导入四个序列，第一行是变量名，数据从第二行开始 read excel_imp(file="macro_research.xlsx", sheet="Sheet1", namesfirst) gdp m2 cpi rate

wfcreate用于生成工作文件，后半部分指定了样本期范围。read命令负责导入Excel数据，namesfirst表示把Excel第一行识别为序列名，后面跟的gdp、m2、cpi、rate就是导入后的序列名。如果Excel文件不在Eviews默认工作目录下，先执行cd命令切换到数据所在目录。导入完成后，双击每个序列目测一下数字和日期是否对位，尤其注意Excel里的年份列有时会变成文本格式，导致日期错位。

3.2 第一次跑ARDL：菜单向导的每个选项怎么填

从EViews第10版开始，ARDL已经有了完整的图形向导，不需要再手工构造差分项和滞后水平项方程。操作路径是：点击Quick → Estimate Equation，在弹窗的Method下拉框里选择ARDL，然后在Equation Specification区域设置变量。这里有几个参数直接决定结果质量。

因变量区域填入一个水平值序列，比如gdp；解释变量区域逐个列出m2、cpi、rate。下方的Lag settings里有一个Maximum regressor lags，控制每个解释变量的最大滞后阶数，建议先填2或3跑一个粗略结果，再按信息准则微调。旁边的Information criterion下拉框可选Akaike Info Criterion、Schwarz Criterion等，Eviews会在0到最大滞后之间自动搜索最优组合。再往下是Deterministic regressor，也就是上一章说的Case选择，新手先用Unrestricted Constant跑通，熟悉后再切手动模式理解方程结构。

设置完成后点击OK，Eviews会依次生成模型信息表、滞后阶数选择表、估计结果主表、以及边界检验输出表。这个输出包基本覆盖了论文里ARDL实证部分需要的全部素材。我一般会把滞后阶数选择表和边界检验表单独冻结保存，因为后续改参数重跑时这些表会被覆盖，而评审时往往需要原始输出截图。

3.3 用EViews命令把单位根检验和ARDL串成一条流水线

如果不想反复点菜单，EViews也支持把整个流程写成一段命令脚本。下面这个脚本可以在Eviews的命令窗口逐行执行，也可以在Program窗口保存后一次性运行：

' 切换到数据所在目录（改成你自己的路径） cd "D:\econometrics\ardl_case" ' 创建年度工作文件 wfcreate(wf=macro_research, page=annual) 1995 2023 ' 对gdp做ADF检验：水平值与一阶差分 freeze(tab_adf_lv) gdp.uroot(adf, "intercept") freeze(tab_adf_d1) gdp.uroot(adf, "intercept", 0, 1) ' 估计ARDL：gdp为因变量，解释变量为m2、cpi、rate，含不受限常数 equation eq_ardl.ardl gdp m2 cpi rate @ c

第一段命令确认gdp不是I(2)，实际工作中把gdp换成每个变量各执行一遍；equation这一行调用ardl方法，用gdp做因变量，m2、cpi、rate做解释变量，@ c表示模型包含不受限常数项。执行完这条命令后，eq_ardl对象就生成了。要查看边界检验结果，在eq_ardl结果窗口顶部的View菜单里选择ARDL Bounds Test即可。如果你需要限定最大滞后阶数，可以在equation命令里追加lagmax参数，例如：

' 限定解释变量最大滞后2期，按Schwarz准则自动选阶 equation eq_ardl_2.ardl(lagmax=2, ic=schwarz) gdp m2 cpi rate @ c

这里的lagmax告诉Eviews只搜索0到2期滞后，ic=schwarz指定用Schwarz信息准则定阶。注意Eviews各版本的参数拼写略有差异，执行前先看命令栏提示，避免因参数名不识别而报错。

3.4 滞后阶数和信息准则的经验法则

ARDL对滞后阶数的敏感度比一般VAR更高。最大滞后太小，模型会漏掉动态结构；太大，则在样本量有限时浪费自由度，甚至因为回归元过多导致边界检验F统计量虚低。我的经验法则是：年度数据最大滞后取2到4，季度数据取8左右，月度数据取12以内。如果数据有强季节性，就在数据准备阶段做季节调整，让滞后阶数回归到正常的短周期。

信息准则选择上，BIC在样本量30到50时表现更简洁，AIC在大样本下能捕捉更细的短期动态。如果你用AIC得到的最优滞后比BIC高出很多，优先采用BIC的结果，并做一次稳健性验证：把两种滞后结构都跑一遍，看边界检验结论是否一致。如果结论一致，直接在论文里报告BIC版本；如果不一致，多半是样本量不足或存在结构断点，需要回到单位根检验和图形观察找原因。

4. 读懂Eviews的ARDL输出：边界检验、长期系数与误差修正项

4.1 边界检验的四步判读法

Eviews的输出中，最关键的表格通常叫ARDL Bounds Test。它给出一个F统计量，以及两组临界值：I(0) Bound和I(1) Bound。I(0)表示所有变量都平稳时的临界值，I(1)表示所有变量都一阶单整时的临界值。判读就四步：

1. 找到F统计量的具体数值；
2. 确定你使用的显著性水平，常用5%；
3. 若F大于I(1)临界值，拒绝“不存在水平关系”的原假设，说明变量间存在长期协整关系；
4. 若F小于I(0)临界值，不能拒绝原假设，视为没有长期关系；如果F落在两者之间，属于灰色区间，无法下结论，需要调整模型设定后用新的F值再判。

这里要强调一点：边界检验的原假设是“不存在水平关系”，拒绝它才说明变量之间存在长期均衡。很多人把结论反过来念，这是写论文时最容易犯的表述错误。

4.2 长期系数和误差修正项到底怎么看

在Eviews的ARDL输出区中，估计主表之后会有一个长期方程表，通常标注为Levels Equation或Cointegrating Equation。上面列出每个水平变量的长期系数，系数含义是解释变量变动1%时因变量长期均衡水平的边际变化。紧接着的误差修正项通常标记为CointEq(-1)，它来源于估计方程里滞后水平项的组合，系数代表偏离均衡后一个时期内被修正的比例。

误差修正项的系数为负且p值显著，是通过检验的正常表现。绝对值越大，说明向长期均衡回归的速度越快。如果系数为正，或绝对值大于1，模型设定基本可以判定有问题。短期动态系数则藏在主表里的差分项上，反映解释变量当期变化对因变量变化的即期影响，解释时不要和长期系数混在一起。

4.3 Case设定与实际输出的对照：别查错临界值栏

Eviews边界检验输出表里会把当前Case明确标出来，比如Case 2: Unrestricted Constant，这必须和你之前在对话框里选的确定性项保持一致。如果不一致，说明可能被某个默认选项覆盖了，这时回到ARDL对话框重新跑一遍，不要在多个选项之间互相覆盖。

下面给一个典型的输出判读速查示例，数字为模拟值，仅用于说明读法：

5. ARDL避坑手册：五个常见问题与排查路径

5.1 现象：水平值和一阶差分都不平稳，变量疑似I(2)

现象：跑ADF检验，水平值不平稳，一阶差分还是不平稳，只有二阶差分才平稳。

原因：序列里含有非常强的趋势，或者本身是价格指数这类方差随时间膨胀的变量，也可能存在结构突变点导致ADF检验势下降。

解决：先对变量做对数变换再重新检验，增长率或对数序列通常能降到I(1)；如果仍无法解决，ARDL方法不再适用。这时可以考虑把该变量替换成差分形式放进模型，并明确说明损失了长期水平信息；或者改用专门处理I(2)变量的协整框架。

5.2 现象：Method列表里找不到ARDL选项

现象：Quick → Estimate Equation，Method下拉框里死活找不到ARDL。

原因：最常见的是Eviews版本太老，9及更早版本没有图形化ARDL向导；也有个别安装因为授权限制没有加载对应组件。

解决：优先升级到新版本；如果不能升级，就手动构造ARDL：把每个变量的水平值滞后一期和差分项都写进方程，做一次OLS回归，然后对全部水平滞后项做联合显著性F检验，再对照PSS2001的临界值表判断。需要注意手动构造时差分滞后阶数要自己补全，最容易漏项。

5.3 现象：F统计量落在临界区间中间，结论悬在半空

现象：F值不高不低，正好卡在I(0)和I(1)临界值之间，进入灰色区间，协整结论没法下。

原因：样本量不足是最常见的原因，其次是滞后阶数过长消耗了太多自由度，还有可能是确定性项选错导致临界值表格不匹配。

解决：先把最大滞后从4缩到2或1，看F值是否移动；再把信息准则从AIC换成BIC，减少参数数量；最后检查Case设置。如果调整后仍在灰色区间，稳妥的做法是当作没有协整关系处理，或者用Johansen方法交叉验证一下结论。

5.4 现象：误差修正项系数为正，或者绝对值大于1

现象：CointEq(-1)系数是正的，或者虽然为负但绝对值达到1.5、1.8这种水平。

原因：这是典型的模型设定危险信号。可能混入了I(2)变量、遗漏了某个关键水平项、或者样本期内存在断点导致长期关系不稳定。

解决：先回看边界检验是否真的通过，如果F值本身就在临界边缘，这时的ECM系数不可靠；然后检查模型里是否每个非平稳变量都带上了滞后水平项；最后做CUSUM稳定性检验。绝对值大于1通常意味着脉冲响应是发散的，即使F值显著，也不能认为存在收敛的长期均衡关系。

5.5 现象：滞后阶一变，协整结论就翻车

现象：最大滞后设2时协整显著，设4时忽然不显著，整个结论跟着滞后阶数摇摆。

原因：样本量太小导致自由度紧张，或者序列存在结构突变，使边界检验在断点附近很不稳定。

解决：在论文里同时报告两个滞后阶数下的结果，说明结论对滞后设定的稳健性；再跑CUSUM和CUSUM平方检验定位不稳定区间；如果确实存在断点，加入虚拟变量或拆分子样本重新估计。

6. 把ARDL做成可复用流程：模板化脚本、稳定性检验与残差诊断

6.1 把ARDL流程固化成模板程序

如果你经常要处理不同数据集的ARDL分析，把前面零散的命令整理成一个模板程序是最值得花的时间。我现在的做法是在Eviews的Program窗口里保存一个总控脚本，每次换数据只改文件路径、序列名和样本区间：

' 通用ARDL流程模板：改这三行就可以复用于新数据 cd "D:\econometrics\ardl_case" wfcreate(wf=research_template, page=annual) 1995 2023 import excel_imp(file="newdata.xlsx", namesfirst) ' 对所有变量做ADF水平值与一阶差分检验 gdp.uroot(adf, "intercept") m2.uroot(adf, "intercept") cpi.uroot(adf, "intercept") rate.uroot(adf, "intercept") ' 估计ARDL equation eq_tpl.ardl gdp m2 cpi rate @ c

这个模板把最容易忘记的单位根体检环节固定在流程最前面，避免拿I(2)变量去硬跑ARDL。等到模型跑通后，再做稳定性与残差诊断。

6.2 稳定性与残差诊断：别让协整结果变成“黑匣子”

边界检验通过只是第一步，论文里通常还需要证明模型参数在样本期内是稳定的。Eviews里最常用的两个工具是CUSUM和CUSUM平方图：在eq_tpl结果窗口点View → Stability Diagnostics → Recursive Estimates，把CUSUM和CUSUMSQ图分别冻结出来。如果曲线一直落在5%临界线构成的包络带内，说明参数结构稳定；一旦曲线跑出带外，你就要怀疑断点或非线性关系了。

残差诊断同样不能跳过。在结果窗口的View → Residual Diagnostics里做三件事：Serial Correlation LM Test看自相关，Heteroskedasticity Tests看异方差，Normality Test看正态性。ARDL对小样本残差自相关比较敏感，如果LM检验在滞后1到4阶下p值小于0.05，优先增加差分滞后阶数或调整函数形式，而不是直接换工具。

我自己的经验是：每次跑ARDL，先把单位根表、边界检验表、CUSUM图三样东西冻结存档，再开始调参数和写解释。这套流程帮我挡掉过好几次“你的结论换个滞后就不显著”的质疑，也让我回看旧项目时能快速找回当初的设定。希望这篇笔记能帮你把Eviews里的ARDL从“能跑通”推进到“跑得稳”，少走一些我当年走过的弯路。

本文还有配套的精品资源，点击获取