多年來，SAP系統積累了大量數據：臨時數據、低價值數據、很少需要的數據，以及僅因法律原因需要保留的數據。隨著業務的增加和社會新技術要求的更新換代，企業信息系統也需要不斷的更新升級。企業信息系統遷移的過程最重要的是數據遷移，那么要注意什么？

在生產環境中，做數據遷移需要考慮很多的可能性和場景，盡量排除可能發生的問題。 數據遷移需要考慮的問題包括：

1、數據庫遷移的停機時間，較長的停機時間是否能夠接受，是否不會影響業務中斷。在遷移過和中優化停機時間至關重要。

2、數據安全性，遷移過程如何保證數據安全

3、靈活性，企業是否可以靈活選擇哪部分數據遷移，系統使用年份較長，必會造成部分冗余數據。那么哪些數據遷移，哪些數據不遷移，哪些歷史數據可以選擇歸檔。選擇性數據遷移的方法才能滿足如上靈活性的要求。

4、時效性，遷移的時間，是需要幾個月，幾周還是，48小時甚至24小時內就遷移完成上線并將完整性表都可以遷移到新系統或者同時遷移到云端

5、數據歸檔，在基于云的平臺上歸檔數據和文檔可以節省高達90%的存儲成本。公司需要區分與其業務相關的數據和可以外包的數據。這樣可以創建存儲空間并降低成本。

6、充分測試，在生產中進行數據的大批量遷移時，充分的測試時必須的。以保證系統成功上線。

SNP 選擇性數據遷移方法，通過使用自動化軟件平臺，可以幫忙SAP客戶快速、安全、靈活、高效完成數據遷移工作。可將項目周期時間減少50%以上。

【學習記·第5期】24個為什么？玩轉eviews，包括常規統計量+單位根+協整+格蘭杰+VAR

中心推出【學習記】，大型連續學習欄目，分別與大家一起分享更多學習內容。一起玩轉軟件打怪獸升級吧！

Q1：計量經濟學是分析啥的？包含些什么內容？

計量經濟學的主要用途或目的主要有兩個方面：

1、理論檢驗。

2、預測應用。

研究對象：

計量經濟學的兩大研究對象：橫截面數據（Cross- Data）和時間序列數據（Time-series Data）。前者旨在歸納不同經濟行為者是否具有相似的行為關聯性，以模型參數估計結果顯現相關性；后者重點在分析同一經濟行為者不同時間的資料，以展現研究對象的動態行為。

新興計量經濟學研究開始切入同時具有橫截面及時間序列的資料，換言之，每個橫截面都同時具有時間序列的觀測值，這種資料稱為追蹤資料 (Panel data，或稱面板資料分析)。追蹤資料研究多個不同經濟體動態行為之差異，可以獲得較單純橫截面或時間序列分析更豐富的實證結論。

涉及到的相關學科：

計量經濟學是結合經濟理論與數理統計，并以實際經濟數據作定量分析的一門學科。計量經濟學以古典回歸分析方法為出發點。依據數據形態分為：橫截面數據回歸分析、時間序列分析、面板數據分析等。依據模型假設的強弱分為：參量計量經濟學、非參量計量經濟學、半參量計量經濟學等。常運用的軟件：EViews、Gretl、MATLAB 、Stata、R、SAS、SPSS等……

Q2：知道統計分析有這么多軟件，你以為選完軟件你就完事了？ TOO SIMPLE!，如何下載eviews軟件呢？

關注計量經濟學服務中心微信公眾號，回復關鍵詞eviews，免費下載eviews5.0,6.0,8.0等版本！

Q3：標準差和標準誤的區別在哪？

①概念不同；標準差是描述觀察值(個體值)之間的變異程度；標準誤是描述樣本均數的抽樣誤差；

②用途不同；標準差與均數結合估計參考值范圍,計算變異系數,計算標準誤等.標準誤用于估計參數的可信區間,進行假設檢驗等。

③它們與樣本含量的關系不同:當樣本含量 n 足夠大時,標準差趨向穩定；而標準誤隨n的增大而減小,甚至趨于0 。聯系:標準差,標準誤均為變異指標,當樣本含量不變時,標準誤與標準差成正比。

Q4：幾種相關系數的含義？

簡單相關系數：又叫相關系數或線性相關系數。它一般用字母r 表示。它是用來度量定量變量間的線性相關關系。

復相關系數:又叫多重相關系數，復相關是指因變量與多個自變量之間的相關關系。例如，某種商品的需求量與其價格水平、職工收入水平等現象之間呈現復相關關系。

偏相關系數：又叫部分相關系數，部分相關系數反映校正其它變量后某一變量與另一變量的相關關系，校正的意思可以理解為假定其它變量都取值為均數。偏相關系數的假設檢驗等同于偏回歸系數的t檢驗。 復相關系數的假設檢驗等同于回歸方程的方差分析。

可決系數是相關系數的平方。意義：可決系數越大，自變量對因變量的解釋程度越高，自變量引起的變動占總變動的百分比高。觀察點在回歸直線附近越密集。

Q5：如何最快速的輸入數據？

直接導入啊，eviews支持多種格式的數據導入，或者您copy唄！

Q6：面板數據，面板數據的輸入又怎么做呢？

首先要明確是做平衡面板數據分析還是非平衡面板數據分析，先介紹前者：

1.準備平衡面板數據集（如xls.txt文件）

2.file/new/建立工作文件

3.選擇/undated填上時間序列數據的個數（）

4.選object//pool 輸入橫截面個體的ID

5.導入數據集

導入數據后即可按照你的需要做各種面板數據分析

關于非平衡面板數據

首先將數據在excel表中按企業排序，第一列為企業標識fcode，第二列為時間

1 1990

1 1991

1 1992

2 1990

2 1991

……

然后在eviews中分別通過object//series 建立fcode 和year 兩個序列，將上述已排序的數據導入。下一步，雙擊菜單欄下方的range,在出現的對話框中左邊選擇 type為dated panel, 在ID series后輸入fcode, 在后輸入year, 右邊的對話框中保持上半部分不變，下半部分去掉所有的勾，然后點ok. 這樣會自動生成dateid序列，建立面板數據。其他變量的數據按一般方法輸入即可。

說的這么復雜，其實您若是想學，直接留言，免費相關專項面板數據學習的課件，就在路上了。

Q7：簡單的描述性統計操作，有方法么？

單擊某一序列，如"x",雙擊彈出該序列，在數據界面-view-graph可以進行作圖操作，比如線圖或者散點圖。你說圖畫完了怎么保存呢？右鍵- disk…選擇保存路徑即可，當然截屏也是ok的。（右鍵中還有很多可以對圖形做調整的，無論是調整橫軸還是添加文本，都需要先凍結作圖窗口（freeze)才可操作。

那如何獲得諸如均值這類的統計量呢？同樣點擊你需要知道的序列-view-s&test，即可得到均值，標準差，峰度等信息。

至于plot，scat等命令，請自行閱讀中心推送的文章【高能推薦】放大招總結的eviews命令，ls+scat+plot+genr你造嗎】

Q8：為什么要取對數，如何取對數？

平時在一些數據處理中，經常會把原始數據取對數后進一步處理。之所以這樣做是基于對數函數在其定義域內是單調增函數，取對數后不會改變數據的相對關系，取對數作用主要有：

縮小數據的絕對數值，方便計算。例如，每個數據項的值都很大，許多這樣的值進行計算可能對超過常用數據類型的取值范圍，這時取對數，就把數值縮小了，例如TF-IDF計算時，由于在大規模語料庫中，很多詞的頻率是非常大的數字。取對數后，可以將乘法計算轉換稱加法計算。

某些情況下，在數據的整個值域中的在不同區間的差異帶來的影響不同。也就是說，對數值小的部分差異的敏感程度比數值大的部分的差異敏感程度更高。這取對數之后不會改變數據的性質和相關關系，但壓縮了變量的尺度，數據更加平穩，也消弱了模型的共線性、異方差性等。

在經濟學中，常取自然對數再做回歸，這時回歸方程為 lnY=a lnX+b ，兩邊同時對X求導，1/Y*(DY/DX)=a*1/X,b=(DY/DX)*(X/Y)=(DY*X)/(DX*Y)=(DY/Y)/(DX/X) 這正好是彈性的定義。

告訴你如何取對數

quick\ series\

輸入新變量，比如 r=log( )，r就是取完對數后的序列

如何取對數，請自行閱讀中心推送的文章

Q9:如何做相關分析？

在Eviews中計算兩個序列的的協方差、相關系數和交叉相關系數分別選用、、cross 命令（如果版本中沒有選項，可以先選擇 ，然后再點）。需要注意的是Eviews在計算協方差和方差時，自由不是樣本個數N而不是N-1。

其實，，在多重共線性分析里面可能您需要，請自行回復關鍵詞：學習記，閱讀相關教學案例。

Q10：多元回歸分析怎么做?

通過quick- 可以到達方程估計的界面，在空白處輸入方程中所包含的變量，此處輸入的是因變量Y，自變量X和常數項C（一般情況下都會加上常數項）。在method中選擇LS（最小二乘法），一般點擊確定即可（也可以在OPTIONS中對一些細節做選擇）。如果要做樣本外預測，首先要擴充樣本：工作表中PROC/下面將DATA range進行了擴充，然后在窗口中點擊。

Q11：逐步回歸，分位數回歸呢？

逐步回歸：Quick- 中先選擇Method：STEPLS

分位數回歸：在估計方程時，估計方法的下拉菜單里，不選LS估計，選QREG(LAD)就可以。

Q12：模型需要做哪些檢驗？

要考慮經濟意義（符號是否正確，系數大小是否合理）

模型前期要根據其特點做相關關系檢驗、平穩、協整檢驗、因果檢驗等

建完模型之后要對擬合度，系數顯著性檢驗方程顯著性和共線性檢驗，如有共線性，需要通過刪選變量或逐步回歸或主成分分法等進行修正

還要對殘差做自相關和異方差的檢驗

Q13：:怎么檢驗異方差？一不小心有了異方差怎么修正？

對方程進行回歸后，在顯示方程的那個界面中，點view，然后點 Tests 然后點White 即可。可以考慮用用resid^-1作為加權，type選擇【.】,weight series輸入【1/abs(resid)】。

Q14：自相關，殘差有自相關又怎么辦？

首先在EVIEWS中建立一個工作文件，然后建立一個序列對象如序列X，然后打開序列X，在VIEW菜單中有個選項.....，選擇該選項后會得到另一個對話框，該對話框的左邊是選擇檢驗序列本身還是一階差分、二階差分后的結果（你自己選擇）。右邊指定滯后期，EVIEWS會根據你序列數據的多少設定一個數值，你可以使用默認值，再點擊OK即可得到檢驗結果，關鍵是看檢驗概率，如果檢驗概率小于顯著性水平就說明有自相關，反之亦然。

自相關消除可以采用廣義差分法，建議先取對數，然后再進行一階自相關的檢驗，最后再建立廣義差分模型，消除自相關。

Q15：何為平穩性檢驗？

說到平穩，其實有兩種平穩——寬平穩、嚴平穩。嚴平穩相較于寬平穩來說，條件更多更嚴格，而我們時常運用的時間序列，大多寬平穩就夠了~~

什么是嚴平穩：是在固定時間和位置的概率分布與所有時間和位置的概率分布相同的隨機過程。這樣，數學期望和方差這些參數也不隨時間和位置變化。（比如白噪聲）

什么是寬平穩：寬平穩是使用序列的特征統計量來定義的一種平穩性。它認為序列的統計性質主要由它的低階矩決定，所以只要保證序列低階矩平穩（二階），就能保證序列的主要性質近似穩定。

兩者關系：

一般關系：嚴平穩條件比寬平穩條件苛刻，通常情況下，嚴平穩（低階矩存在）能推出寬平穩成立，而寬平穩序列不能反推嚴平穩成立。

特例：不存在低階矩的嚴平穩序列不滿足寬平穩條件，例如服從柯西分布的嚴平穩序列就不是寬平穩序列。當序列服從多元正態分布時，寬平穩可以推出嚴平穩。

Q16：如何進行平穩性檢驗：

檢查序列平穩性的標準方法是單位根檢驗。有6種單位根檢驗方法：ADF檢驗、DFGLS檢驗、PP檢驗、KPSS檢驗、ERS檢驗和NP檢驗，本節將介紹DF檢驗、ADF檢驗。

ADF檢驗和PP檢驗方法出現的比較早，在實際應用中較為常見，但是，由于這2種方法均需要對被檢驗序列作可能包含常數項和趨勢變量項的假設，因此，應用起來帶有一定的不便；其它幾種方法克服了前2種方法帶來的不便，在剔除原序列趨勢的基礎上，構造統計量檢驗序列是否存在單位根，應用起來較為方便。ADF檢驗是在Dickey-Fuller檢驗(DF檢驗)基礎上發展而來的。因為DF檢驗只有當序列為AR(1)時才有效。如果序列存在高階滯后相關，這就違背了擾動項是獨立同分布的假設。在這種情況下，可以使用增廣的DF檢驗方法（ Dickey-Fuller test ）來檢驗含有高階序列相關的序列的單位根。

檢驗步驟（一般進行ADF檢驗要分3步）：

1） 對原始時間序列進行檢驗，此時第二項選level，第三項選None.如果沒通過檢驗，說明原始時間序列不平穩；

2 ）對原始時間序列進行一階差分后再檢驗，即第二項選1st ，第三項選,若仍然未通過檢驗，則需要進行二次差分變換；

3 ）二次差分序列的檢驗，即第二項選擇2nd ，第四項選擇Trend and .一般到此時間序列就平穩了！

在進行ADF檢驗時，必須注意以下兩個實際問題：

（1）必須為回歸定義合理的滯后階數，通常采用AIC準則來確定給定時間序列模型的滯后階數。在實際應用中，還需要兼顧其他的因素，如系統的穩定性、模型的擬合優度等。

（2）可以選擇常數和線性時間趨勢，選擇哪種形式很重要，因為檢驗顯著性水平的 t 統計量在原假設下的漸近分布依賴于關于這些項的定義。

Q17：如果序列平穩了，那怎么看定階??？

AR模型：自相關系數拖尾，偏自相關系數截尾；

MA模型：自相關系數截尾，偏自相關函數拖尾；

ARMA模型：自相關函數和偏自相關函數均拖尾。

P Q主要看從第幾期開始快速收斂。

Q18:什么是協整分析？

整檢驗，說明變量之間存在著長期穩定的均衡關系，其方程回歸殘差是平穩的。因此可以在此基礎上直接對原方程進行回歸，此時的回歸結果是較精確的。

Q19：做協整的條件是什么？Eviews里怎么做？

協整的要求或前提是同階單整，但也有如下的寬限說法：如果變量個數多于兩個，即解釋變量個數多于一個，被解釋變量的單整階數不能高于任何一個解釋變量的單整階數。另當解釋變量的單整階數高于被解釋變量的單整階數時，則必須至少有兩個解釋變量的單整階數高于被解釋變量的單整階數。如果只含有兩個解釋變量，則兩個變量的單整階數應該相同。

就是說，單整階數不同的兩個或以上的非平穩序列如果一起進行協整檢驗，必然有某些低階單整的，即波動相對高階序列的波動甚微弱（有可能波動幅度也不同）的序列，對協整結果的影響不大，因此包不包含的重要性不大。而相對處于最高階序列，由于其波動較大，對回歸殘差的平穩性帶來極大的影響，所以如果協整是包含有某些高階單整序列的話（但如果所有變量都是階數相同的高階，此時也被稱作同階單整，這樣的話另當別論），一定不能將其納入協整檢驗。

選定你需要檢驗的series as group ,然后view/...

Q20：何為格蘭杰因果檢驗？

介紹一下因果檢驗的含義：這里的因果關系是從統計角度而言的，即是通過概率或者分布函數的角度體現出來的：在所有其它事件的發生情況固定不變的條件下，如果一個事件X的發生與不發生對于另一個事件Y的發生的概率（如果通過事件定義了隨機變量那么也可以說分布函數）有影響，并且這兩個事件在時間上又有先后順序（A前B后），那么我們便可以說X是Y的原因?？紤]最簡單的形式，Granger檢驗是運用F-統計量來檢驗X的滯后值是否顯著影響Y（在統計的意義下，且已經綜合考慮了Y的滯后值；如果影響不顯著，那么稱X不是Y的“Granger原因”（）；如果影響顯著，那么稱X是Y的“Granger原因”。同樣，這也可以用于檢驗Y是X的“原因”，檢驗Y的滯后值是否影響X（已經考慮了X的滯后對X自身的影響）。

Q22：如何做格蘭杰因果檢驗？

先做單位根檢驗，如果平穩可直接做格蘭杰，如果不平穩，做差分后在將兩序列做單位根，如果同階單整，做最小二成估計，將殘差存為新序列再做單位根，如果平穩可將差分后序列做格蘭杰。如果不平穩則不可做格蘭杰。如果不同階單整，則將其中一個再做差分，新序列就成同階單整。格蘭杰檢驗的滯后需要用VAR檢驗計算，根據AIC或SC選擇合適的滯后階。

在菜單欄里的quick-group - test然后會出現series list

在此輸入你要檢驗的變量后點擊ok進入lag 畫面,選擇適當的滯后長度,點擊ok則有結果了。 p值小于0.05就是有因果關系。

Q23：只有對平穩序列才能建立VAR模型嗎?

只有平穩才能建VAR模型，但有特例，就是涉及到一些變量是如增長率，由于種種原因，如數據太少，或其他原因，ADF檢驗沒通過，但也可以算作平穩，視情況而定。

差分后的變量建立的模型，其經濟含義只能是差分后的，比如GDP你就只能說是GDP增長或增長率與其他變量的關系。

非要建立原始變量（GDP）的VAR模型的話，應該建立誤差修正的向量自回歸模型，要求協整。

Q24：怎么做VAR？

第一步：不問序列如何均可建立初步的VAR模型（建立過程中數據可能前平穩序列，也可能是部分平穩，還可能是沒協整關系的同階不平穩序列，也可能是不同階的不平穩序列，滯后階數任意指定。所有序列一般視為內生向量)，

第二步：在建立的初步VAR后進行

1 滯后階數檢驗，以確定最終模型的滯后階數

2 在滯后階數確定后進行因果關系檢驗，以確定哪些序列為外生變量

至此重新構建VAR模型（此時滯后階數已定，內外生變量已定），再進行AR根圖表分析，

如單位根均小于1，VAR構建完成可進行脈沖及方差分解

如單位根有大于1的，考慮對原始序進行降階處理（一階單整序列處理方法：差分或取對數，二階單整序列：理論上可以差分與取對數同時進行，但由于序列失去了經濟含義，應放棄此處理，可考慮序列的趨勢分解，如分解后仍然不能滿足要求，可以罷工，不建立任何模型，休息或是打砸了電腦），處理過后對新的序列（包括最初的哪些平穩序列）不斷重復第一步與第二步，直至滿足穩定性為止

第三步，建立最終的VAR后，可考慮SVAR模型。如果變量不僅存在滯后影響，還存在同期影響關系，則建立VAR模型不太合適，這種情況下需要進行結構分析。

上述問題，更詳細的教學，將后期學習記慢慢推出!

計量經濟學服務中心

學術問題，一對一專家解決

打造中國最大的人文社科+經管類學術交流學習平臺！論文指導、軟件操作、學術技能、數據分析等，一起見證學術力量！

見證學術力量

讓知識更有價值