Pequeno 

Manual para Software Eviews para Econometria II 

Observações: 

O presente manual foi elaborado exclusivamente para efeitos pedagógicos e está organizado 
em função dos conteúdos programáticos da disciplina de Econometria II leccionada pelo autor. 

Erros e omissões são da responsabilidade do autor. Agradece‐se que não haja citação sem 
prévio consentimento. 

Este manual não dispensa a consulta do Manual do Utilizador de Eviews sempre que tal seja 
necessário. 

António José Morgado 

Março de 2008 

   

 
1 
Conteúdos 
 

1.  Criação de Workfiles e Importação de dados a partir de Excel .......................................... 3 
a.  Criação de Workfiles ......................................................................................................... 3 
b.  Importação de dados a partir do EXCEL ........................................................................... 5 
c.  Manipulação de variáveis ................................................................................................. 8 
2.  Estimação de modelos .......................................................................................................... 9 
a.  Testes de Diagnóstico/análise de resíduos .................................................................... 11 
b.  Inferência Robusta .......................................................................................................... 13 
3.  Análise de sucessões cronológicas ..................................................................................... 14 
a.  Gráficos ........................................................................................................................... 14 
b.  Estacionariedade (testes ADF) ....................................................................................... 16 
c.  Correlogramas ................................................................................................................ 16 
d.  Limpeza de Sazonalidade ............................................................................................... 17 
4.  Estimação de modelos ARMA ............................................................................................ 18 
5.  Previsão ............................................................................................................................... 20 
6.  Estimação de modelos LOGIT e PROBIT ............................................................................. 23 
7.  Elementos básicos de programação na janela interactiva ................................................ 25 
a.  Funções Matemáticas Genéricas ................................................................................... 25 
b.  Funções Estatísticas ........................................................................................................ 26 
c.  GENR ............................................................................................................................... 26 
d.  SCALAR ............................................................................................................................ 26 
 

   

 
2 
 1. Criação de Workfiles e Importação de dados a partir de Excel 
 
a. Criação de Workfiles 
 
A criação de workfiles é feita em função do ambiente amostral em que se vai 
trabalhar: amostra seccional, dados em sucessão cronológica ou dados em painel. O 
Workfile é criado seguindo o menu: 
 

 
 
Devendo depois escolher‐se o tipo de amostra, bem como a dimensão da amostra que 
vai ser importada. 
 
Para dados “datados”, i.e., em sucessão cronológica: 
 

Tipo amostra  Frequência de 
(sucessão cronológica)  observação

Datas de início e 
fim da amostra

 
 
Tabela de frequências de observação possíveis e formato de data de início e fim de 
amostra correspondente: 
 
Tipo de Frequência  Frequency  Date (exemplo) 
Anual  Annual  1992 
Semestral  Semi‐Annual  1992S1 
Trimestral  Quarterly  1992Q1 
Mensal  Monthly  1992M1 
Semanal  Weekly  01/01/1992 ou 1992W1 
Diária  Daily  (Mês/dia/ano) 01/01/1992 

 
3 
 Para dados não datados (amostra seccional), bastará indicar o numero de observações 
que o Workfile vai ter 
 

 
 
A utilização de Dados em Painel não é coberta no curso de Econometria II, pelo que 
remetemos o leitor para o Manual do Utilizador do Eviews nesse campo. 
 
Após ser gerado o workfile, surge um espaço de trabalho com as características 
definidas, um vector pronto a guardar os coeficientes de uma regressão (C), bem como 
um vector para guardar os resíduos dessa mesma regressão (RESID). Estes objectos são 
actualizados a cada regressão efectuada.  
 

 
4 
 O workfile que surge na figura anterior foi criado para receber um conjunto de 12 
observações anuais recolhidas entre 1995 e 2006. 
 
b. Importação de dados a partir do EXCEL 
 
Uma vez criado o workfile com a dimensão apropriada, há que importar os dados. Para 
isso, recorre‐se ao Menu “PROC” e procede‐se à importação: 
 

 
 
Na janela que surgir é necessário indicar a localização do ficheiro a importar. Esse 
ficheiro está organizado com os dados em coluna e a primeira linha contém os nomes 
das variáveis como cabeçalho. 
 
Sobre ele é necessário saber: 
 
• Célula onde começam os dados 
• Número de colunas a importar 
• Nome da folha de cálculo de Excel 
 
Na figura que se segue, temos uma folha de cálculo onde os dados começam na célula 
A2, que se chama “exemplo” e que tem 3 colunas com dados: 
 

 
5 
  
 
 
 
 
Este ficheiro, ao ser importado para Eviews, necessitaria da seguinte parametrização 
na janela de importação: 

 
6 
  
 
 
Basta indicar o número de colunas a importar, uma vez que as variáveis já tinham 
cabeçalho no Excel, que é utilizado como nome da variável em Eviews. Esses 
cabeçalhos não podem conter espaços nem caracteres acentuados ou cedilhados. 
 
Eis o resultado do procedimento de importação: 
 

 
7 
c. Manipulação de variáveis 

Uma vez criado o workfile, podem ser efectuadas transformações sobre as variáveis. Por 
exemplo, é necessário criar o logaritmo natural da variável y e somá‐la à variável x1 ao 
quadrado. Essa nova variável vai chamar‐se w. Basta fazer o seguinte: 

E depois especificar a equação de criação da nova série a partir das que já fazem parte do 
workfile criado: 

 
8 
 2. Estimação de modelos 
 
Os exemplos dados neste capítulo são feitos tendo por base o ficheiro “TRAFFIC2”, 
da base de dados do livro de Jeffrey Wooldridge “Introductory Econometrics”. 
 
Independentemente da estrutura de dados, o procedimento de estimação é: 
 

 
 
Na janela que surge, deve especificar‐se a equação a estimar. Neste exemplo preciso, 
vai ser estimado o modelo log  por 
mínimos quadrados. 
 
A primeira variável a ser colocada é a variável dependente, seguida dos nomes dos 
regressores separados por espaços. O código “c” designa que o modelo é estimado 
com uma ordenada na origem não nula. Como se vê no exemplo, as variáveis podem 
ser transformadas por funções durante a estimação. Neste caso, a variável 
dependente está logaritmizada (logaritmo natural). Também é possível ter variáveis 
exponenciadas ou sob transformações algébricas. Se incluído, o código @trend 
permite especificar uma tendência linear como regressor. Transformações 
matemáticas de @trend permitem tendências não lineares. 
 
Sobre as funções que podem ser usadas, consultar “Help‐quick help reference – 
function reference” no excelente help do software. Mais à frente neste manual, é feita 
referência a uma lista seleccionada de funções. 

 
9 
  
 
O resultado do procedimento de estimação é o que se segue: 
 

É sempre 
conveniente 
dar um nome à 
equação 
clicando em 
“name” para 
que a equação 
seja listada no 
workfile 

 
 
São gerados (actualizados) dois objectos: o vector de coeficientes (C) e o vector de 
resíduos: RESID, presentes desde a criação do Workfile. A partir do momento em que 

 
10 
 uma regressão é feita, o coeficiente da linha i passa a ter o nome “interno” em Eviews 
C(i). Estes objectos dizem sempre respeito à última equação estimada. 
 
a. Testes de Diagnóstico/análise de resíduos 

O menu “View” da janela de equação é particularmente vantajoso para efectuar um conjunto 
de diagnósticos à regressão, que serão apropriados ou não consoante o contexto de análise. A 
título de exemplo, mostramos os testes à heteroscedasticidade:1;2 

Com o mesmo menu é possível analisar também padrões de autocorrelação dos resíduos 
(“correlogram”). 

Outras opções em “view” na janela da equação: 

“Estimation Output”: mostra o output de estimação 

“Actual, Fitted, Residual”: mostra uma tabela ou gráfico dos valores da variável dependente, os 
seus valores ajustados pela regressão e os resíduos 

“Covariance Matrix”: matriz de variâncias e covariâncias dos coeficientes 
                                                            
1
 Sendo o objectivo deste manual apenas guiar o aluno na utilização de Eviews, em si mesmo, não serão 
apresentadas interpretações de outputs, salvo se alguma interpretação for útil para compreender a 
forma como o software é utilizado. Sobre a interpretação de testes à heteroscedasticidade, deve o leitor 
consultar o manual de Jeffrey Wooldridge, “Introductory Econometrics” cap. 8. 
 
2
 Na versão 6.0, o menu é ligeiramente diferente. A escolha do teste faz‐se na janela que surge indo ao 
mesmo menu. 

 
11 
“Coefficent Tests”: permite efectuar ensaios de hipóteses sobre os coeficientes, usando o 
nome C(i) correspondente aos coeficientes que se pretendem incluir num teste. Por exemplo, 
se quisermos testar se a soma dos coeficientes de “beltlaw” e “unem” é nula, devemos 
proceder da seguinte forma: 

Escolher a opção de teste de restrições a coeficientes: 

Escrever a hipótese em teste: 

Como se vê no exemplo, 
podem efectuar‐se testes 
conjuntos, separando as 
hipóteses nulas por vírgulas 

Pressionar “OK” para que o teste se efectue. 

Surge, depois o output do teste que se analisa de forma standard. 

 
12 
b. Inferência Robusta 
 
Na presença de Heteroscedasticidade e/ou Autocorrelação, a estimação “default” por mínimos 
quadrados gera valores errados para a matriz de variâncias e covariâncias dos coeficientes.  
 
Para evitar isso, há que estimar as variâncias e covariâncias robustas de White quando existe 
heteroscedasticidade pura, e as variâncias e covariâncias robustas de Newey‐West em 
contexto de dados em sucessão cronológica, quando existe evidência para a presença de 
autocorrelação (de qualquer ordem) e/ou heteroscedasticidade condicional.3 
 
Para se fazer essa estimação, há que escolher as opções adequadas durante a especificação da 
regressão: 
 
 

                                                            
3
 Consultar os caps 8 e 12 de Wooldridge, “Introductory Econometrics” sobre técnicas de inferência 
robusta. 

 
13 
  
 
Na mesma janela de opções, é possível fazer a estimação recorrendo a mínimos 
quadrados generalizados, dado um ponderador, em contexto de heteroscedasticidade 
pura. Para tal, basta indicar em “weight” o nome da variável que serve de ponderador 
e que deve estar já criada no workfile.4 
 
3. Análise de sucessões cronológicas 
a. Gráficos 

A forma mais intuitiva de olhar para uma sucessão cronológica e perceber o seu andamento é 
ver o seu gráfico de linhas. Como dizia um estatístico famoso “if you don’t eyeball your series, 
you are as good as a blind mouse and you can’t even see your way amidst the mob!” 

Sem querer cair em exageros, efectivamente olhar para o gráfico de linhas de uma série dá 
uma boa percepção do seu andamento, podendo frequentemente detectar‐se à vista 
desarmada a presença de tendências e/ou ciclos de sazonalidade. 

O gráfico que se segue diz respeito à variável totacc do ficheiro da base de dados de 
Wooldridge em uso neste manual. 

                                                            
4
 Sobre a técnica de estimação por GLS, ver capitulo 8 de Jeffrey Wooldridge “Introductory 
Econometrics” 

 
14 
  

O gráfico foi obtido, simplesmente “abrindo” a série, clicando sobre ela duas vezes e 
seleccionando o menu view/graph:5 

                                                            
5
 Na versão 6.0, o menu é ligeiramente diferente. A escolha do gráfico de linhas faz‐se na janela que 
surge indo ao mesmo menu “view/graph”. 

 
15 
 b. Estacionariedade (testes ADF) 

No mesmo menu “view” na janela da série, podem efectuar‐se testes de raiz unitária: 

E escolher as opções em função do teste que se quer realizar: 

Escolher 
Teste sobre 
teste ADF 
a variável 
(level) ou 
alguma 
diferença  Numero de 
desfasamentos da 
variável dependente 
(para evitar 
autocorrelação nos 
erros) escolhido 
automaticamente 
Especificação a  pelo critério SIC 
usar 
 

c. Correlogramas 

Os correlogramas de uma variável são facilmente obtidos escolhendo, no mesmo menu “view” 
da série, a opção “correlogram” e na janela que se segue identificar se o correlograma é para 
fazer à variável ou a alguma das suas diferenças: 

 
16 
       

d. Limpeza de Sazonalidade 

Frequentemente, a modelização Box‐Jenkins faz‐se sobre séries “estacionarizadas”6 e limpas 
de sazonalidade.7 Uma forma de limpar a sazonalidade pode ser através da aplicação de filtros 
já programados e que estão disponíveis no menu “procs”, de procedimentos de uma série: 

   

                                                            
6
 Estacionarizadas, isto é, foi retirada a tendência ou feitas diferenças até obter uma série estacionária 
(vd caps 10, 11 e 18 Wooldridge “Introductory Econometrics”) 
 
7
 Limpas de sazonalidade, isto é, séries às quais foi subtraída a componente sazonal ou foram feitas 
diferenças sazonais 

 
17 
 4. Estimação de modelos ARMA 
 
A estimação deste tipo de modelos faz‐se como no procedimento explicado na secção 
2. No entanto a especificação do modelo tem algumas particularidades. 
 
Se a série a modelizar (por exemplo totacc) precisa de ser diferenciada, basta usar a 
função D() para fazer uma diferença. Os códigos AR(), MA(), SAR(), SMA() são 
responsáveis pela introdução de componentes autoregressivas, médias móveis e 
componentes sazonais multiplicativas. Se forem incluídas variáveis explicativas, a 
estrutura ARIMA será aplicada ao erro. Se apenas se introduzir uma variável 
dependente, o Eviews assumirá a estrutura ARIMA fornecida como sendo o processo a 
estimar para a variável dependente. Exemplos: 
 
A especificação 

 
 
 
 
Estima o modelo  1 1 1 1  
 
 
 
 
 
 
 
 
 

 
18 
  
 
Por seu lado, a especificação: 

 
Estima o modelo Δ  com a seguinte estrutura de erro: 
1 1 1 1  
 

   

 
19 
 5. Previsão 
Supondo que foi estimado o modelo  
1 1 1 1 , cujo resultado é: 

 
 
Pode fazer‐se previsão dentro do espaço amostral existente no workfile usando o 
menu “forecast” disponível na janela da equação. 

Identificação da série 
a prever (nível ou 
diferença) 

Nome da variável onde as 
previsões serão armazenadas 

Fornecer nome, caso se 
pretenda guardar as 
estimativas do desvio‐
padrão do erro de 
previsão (para construir 
intervalos de confiança 
para a previsão) 
 
 
Dimensão amostral a prever (ponto de início e ponto de 
fim; neste caso do ponto 1 ao ponto 108) 
 
20 
 Se se pretender prever para “fora da amostra”, ou seja, a amostra tem 108 
observações e pretende‐se prever para a 109, há que executar os seguintes passos: 
 
i) Aumentar a dimensão do workfile de forma a que sejam acomodados os novos 
pontos a prever. O menu está acessível com a janela do workfile activa. 

 
 

Alterar para a 
dimensão 
pretendida 

 
 

 
21 
 ii) Efectuar a previsão para o ponto de interesse (o numero 109): 

Prevê apenas 
para o ponto 
de interesse 

   

 
22 
 6. Estimação de modelos LOGIT e PROBIT 
 
Para esta secção vai ser usado o workfile “MROZ” da base de dados do livro de Jeffrey 
Wooldridge “Introductory Econometrics”. O modelo estima a probabilidade de 
participar no mercado de trabalho com base na escolaridade e na idade. Inlf é uma 
variável dummy que é igual 1 caso o indivíduo participe no mercado de trabalho e é 
igual a zero caso contrário. 
 
O procedimento para estimação do modelo é aquele explicado na secção 2, no 
entanto muda‐se o método de estimação para “Binário”. 
 

 
 

Escolher o 
método PROBIT 
ou LOGIT 

 
23 
  
A leitura do output de estimação segue como é habitual. O modelo estimado tem o 
seguinte aspecto: 

 
 
Sobre a utilização destes modelos, recomenda‐se a leitura do cap 17 de Wooldridge. 

   

 
24 
 7. Elementos básicos de programação na janela interactiva 
 
A janela interactiva do Eviews existe na parte superior do écran e serve para fornecer 
um comando e, ao pressionar a tecla “enter” obter uma resposta imediata. 
 

 
 
Nessa janela podem ser fornecidos comandos para alterar a dimensão amostral, criar 
novas variáveis (séries de dados ou escalares), efectuar cálculos diversos, etc. 
 
A sintaxe da linguagem de programação Eviews obedece à seguinte norma: 
 
Nome_do_comando(espaço)nome_da_variável_nova=fórmula 
 
Nesta secção indicam‐se apenas dois comandos (fundamentais): GENR e SCALAR. 
Existe uma multiplicidade deles para os mais variados fins que podem ser consultados 
em Help‐quick help reference – basic command reference. 
 
a. Funções Matemáticas Genéricas 
 
Podem ser usadas para criar novas variáveis no âmbito do comando GENR ou SCALAR, ou 
mesmo na especificação de equações a estimar. 
 
Função  Código 
Multiplicação  * 
Adição  +  ‐ 
Divisão  / 
Potenciação  ^ 
Logaritmo natural  Log() 
Raiz quadrada  Sqr() 
Exponencial   Exp() 
Soma  @sum() 
Média simples  @mean()
 

 
25 
b. Funções Estatísticas 

As funções estatísticas começam sempre pelo símbolo @ (como aliás qualquer função em 
Eviews). A letra que se segue define o que a função vai fazer. Há quatro possibilidades: 

Código  Função 
@C  Calcula probabilidade acumulada até um percentil dado 
@D  Calcula a densidade de probabilidade num percentil dado 
@Q  Calcula um percentil, dada uma probabilidade acumulada até esse percentil 
@R  Gera números aleatórios 
 

Exemplos8 

@rnorm – calcula números aleatórios de uma normal standard 
@qnorm(0.975) – devolve o valor 1.96 
@cnorm(1.96) – devolve o valor 0.975 
 
@qtdist(0.975,97) – devolve o quantil associado à probabilidade 97.5% numa distribuição t‐
student com 97 graus de liberdade 
 
@qfdist(0.975,3,125) – devolve o quantil associado à probabilidade 97.5% numa 
distribuição F‐Snedcor com 3 graus de liberdade no numerador e 125 no denominador 
 
@qchisq(0.975,2) – devolve o quantil associado à probabilidade 97.5% numa distribuição 
qui‐quadrado com 2 graus de liberdade 
 
 
c. GENR 
 
Este comando gera séries de dados a partir de uma equação. Por exemplo, se for necessário 
criar a série dos resíduos ao quadrado para efectuar um teste à heteroscedasticidade não 
incluído nos testes existentes nos menus, basta usar o comando  
 
genr res2=resid^2 
 
d. SCALAR 
 
Este comando cria escalares a partir de uma equação. Por exemplo, pretende‐se definir um 
valor crítico da distribuição t‐student com 24 graus de liberdade para efectuar um ensaio 
de hipóteses bilateral a 5%. Basta usar o comando 
 
scalar tc=@qtdist(0.975,24) 

                                                            
8
 Pode ser obtida uma lista completa das funções disponíveis em Help‐quick help reference – basic 
command reference – statistical functions 

 
26