简介：围绕EViews中ARDL模型的落地操作，这份文档面向计量经济学课程学习者、实证研究初学者以及需要完成时间序列建模的科研人员，重点解决自回归分布滞后模型在软件中的完整实现路径。内容以步骤化方式梳理创建工作文件、录入数据并取对数、开展单位根检验、打开估计方程并选择ARDL方法，以及通过系数诊断查看长期形式与Bounds检验等关键环节，并呼应滞后阶数选择、协整估计和长期趋势检验等核心需求。压缩包仅含1个docx文件，大小约446KB，篇幅精简，便于按流程对照操作。已有3507人学习，说明其在ARDL入门与实操场景中具有一定参考价值。读者可据此快速熟悉EViews 9及以上版本的ARDL工具链，减少在菜单路径、检验顺序和结果解读上的摸索成本，适合作为课堂实验、论文实证前的操作清单。

1. ARDL 的落地门槛：EViews 菜单背后真正要盯的三个数

ARDL 在 EViews 里不是点开菜单就能交差的模型。很多人第一次做自回归分布滞后，卡住的不是估计按钮，而是前面三件事：工作文件频率有没有对齐、变量是不是 I(2)、滞后阶数和趋势项怎么定。EViews 9 及以上版本把 ARDL、滞后阶数自动选择、协整边界检验和长期系数输出放进了同一个估计窗口，省掉了手工构造滞后项的麻烦，但它不会替你判断模型能不能用。

这份步骤文档适合手里已有时间序列、需要同时看短期动态和长期关系的从业者，也适合刚接触 ARDL、想把菜单路径和结果读法一次对齐的新手。下面按数据准备、单位根、估计与边界检验、避坑、验证五段拆开，每一步都落到 EViews 的具体菜单和参数上。

2. 建工作文件与数据准备：日期格式、命令建序列与取对数的三个细节

ARDL 的估计结果对样本区间非常敏感，工作文件一旦建错，后面所有检验都会跟着偏。项目正文里给的日期是2018/1/1到2019/12/30，这只是日度格式的一种写法，不能直接套到月度或季度数据上。实际动手时先确认手里的数据频率，再决定 Start date 和 End date 怎么写，最后才谈导入和取对数。

2.1 工作文件频率与起止日期：先定频率，再填日期

菜单路径是File — New — Workfile Create。在 Workfile Create 窗口里，Workfile structure type选Dated - regular frequency，Frequency按数据实际频率选。日期写法必须和频率匹配，混用格式是后面出现 NA 和样本错位的常见原因。

建工作文件时最容易犯的错，是看到项目正文里写2018/1/1，就把月度数据也填成这个格式。EViews 不会在每一步都弹窗提醒你频率不匹配，它可能先建出一个日度工作文件，等你导入月度数据时才出现大量 NA 或日期错位。我的习惯是先打开原始数据表，确认第一列到底是“年-月”“年-季度”还是“年-月-日”，再回到 Workfile Create 里选频率。如果原始数据是月度，Start date 就写2018M1，End date 写2019M12；如果是季度，就写2018Q1和2019Q4。日度数据才用2018/1/1这种写法。

提示：建完工作文件先看 Workfile 窗口顶部的频率和样本区间，不要急着导入数据。频率错了，后面取对数、单位根检验和 ARDL 滞后阶数都会被带偏。

2.2 命令行建序列与导入数据：data 和 genr 别混用

项目正文提到“在 Command 中敲入命令即可创建数据文件”，这一步在 EViews 里通常用data命令完成。比如要建被解释变量y和解释变量x1、x2，在 Command 窗口输入data y x1 x2，EViews 会创建这三个序列并打开类似表格的编辑窗口，直接把数据粘进去即可。另一种做法是用genr先建空序列，比如genr y = 0，但它只生成一个填满 0 的序列，不会自动打开编辑窗口，后面还要手动打开。两者用途不同，不要混着用。

如果数据已经在 Excel 里，我更常用File — Open — Foreign Data as Workfile，按向导指定工作表、日期列和变量列。导入完成后不要只看变量名对不对，还要双击每个序列看View — Descriptive Stats里的观测数和缺失值。ARDL 对样本连续性要求高，中间断掉几个观测，滞后项就会跟着缺，自动选阶也可能因此偏掉。

2.3 取对数：自然对数、命名和缺失值检查

项目正文的第三步是对输入数据取 log。EViews 里log(x)是自然对数，log10(x)是常用对数，ARDL 里通常用自然对数，变量名建议用lnx这种前缀，不要覆盖原序列。命令窗口输入genr lnx = log(x)，回车后工作文件里会多出一个lnx序列。取对数前先检查x是否大于 0，因为 0 和负数取对数会产生 NA，EViews 不会停下来问你，它直接给缺失值。

取对数后要做的第一件事，是对比x和lnx的样本区间。如果x开头有几个 0 或负值，lnx开头就会缺几个观测，ARDL 的有效样本会缩短。很多人后面发现“模型样本少了一年”，回头查才发现是取对数时丢的。另一个细节是命名：如果原序列叫x，取对数后叫lnx，后面在 ARDL 对话框里选变量时不要误选原序列。取对数后的系数解释是弹性，水平变量的系数解释是半弹性，写报告时不要混。

注意：取对数不是必选项。变量本来就是增长率、比率或已经做过价格平减时，强行取对数可能让系数解释变得别扭。先看变量定义，再决定要不要取。

3. 单位根检验：ADF/PP 的菜单路径与 ARDL 适用边界的判读

ARDL 允许变量是 I(0) 或 I(1)，但不允许 I(2)。这句话说起来简单，落到 EViews 里就是先对每个变量做单位根检验，再判断能不能进 ARDL。项目正文给的是View — Unit Root Test，这是 ADF 检验的入口。实际做的时候，趋势项、滞后阶数和差分次数三个选项都会影响结论，不能只点一次默认值就完事。

3.1 ADF 检验的菜单路径与滞后阶数设置

双击要检验的序列，比如x，在序列窗口点View — Unit Root Test。窗口里几个关键选项要逐项确认：Test type选Augmented Dickey-Fuller；Test for unit root in选Level还是1st difference，取决于你要检验水平值还是一阶差分；Include in test equation选Intercept、Trend and intercept或None；Lag length可以选Automatic based on SIC，也可以手动Fixed。自动选滞后阶数时，最大滞后不要给得太大，样本短的时候尤其要克制。

趋势项怎么选，是 ADF 里最容易被忽略的一步。变量围绕一个非零均值波动，通常选Intercept；变量有明显的时间趋势，选Trend and intercept；变量均值接近 0 且没有明显趋势，才考虑None。我一般先画View — Graph — Line看图形，再决定趋势项，而不是一上来就用默认设置。滞后阶数也一样，自动选择给的是统计准则下的结果，样本短时可能选得太少，残差还有自相关，这时候要手动加一阶再看。

提示：ADF 的输出里重点看检验统计量和 p 值，但不要只盯 p 值。样本短、趋势项选错、滞后不足，都会让 p 值失真。图形、残差诊断和差分后的结果要一起看。

3.2 结果判读：I(0)、I(1) 与 I(2) 的分界

ADF 的原假设是“存在单位根”。水平值检验不拒绝原假设，一阶差分后拒绝原假设，说明这个变量是 I(1)；水平值就拒绝原假设，说明是 I(0)；一阶差分后仍然不拒绝，就要继续做二阶差分，确认是不是 I(2)。ARDL 的边界检验前提是变量为 I(0) 或 I(1)，如果某个变量是 I(2)，直接把它放进 ARDL，F 统计量和临界值的解释都会出问题。

实际操作里，I(0) 和 I(1) 的边界不是每次都那么干净。有的变量水平值 p 值在 0.05 附近，差分后 p 值也不小，这时候不要硬判。我的做法是把 ADF、PP 和 KPSS 放在一起看，至少让结论不要只依赖一个检验。如果水平值和一阶差分的结果打架，先检查样本区间、异常点和趋势项，再决定要不要把这个变量放进模型。变量越多、样本越短，单位根检验的结论越容易摇摆，报告里要把检验形式、滞后阶数和趋势项写清楚。

还有一类情况是变量本身有结构突变。比如某一年政策调整后均值明显跳了一截，ADF 会把这种突变误判成单位根。图形上能看到明显的断点，就不要假装没看见。常见做法是加虚拟变量、缩短样本区间做稳健性，或者用递归残差看参数稳定性。直接删掉断点附近的样本不是好习惯，除非你能说清楚删除理由。

3.3 结构突变、异常点与样本区间

单位根检验之前，先看每个变量的时间序列图。EViews 里双击序列，View — Graph — Line就能画。异常点、断点、缺失值在图形上比在检验表里更容易发现。如果某个观测明显偏离历史区间，先回原始数据核对，确认不是录入错误。录入错误改掉之后，再谈检验；如果是真实突变，就在模型里加虚拟变量或做分样本稳健性。

样本区间也要统一。ARDL 里所有变量最好从同一个起点开始，取对数、差分、滞后之后样本会自然缩短，但不要每个变量用不同区间。我的习惯是先确定一个公共样本区间，把所有变量都截到这个区间里，再跑单位根和 ARDL。这样后面比较不同滞后阶数时，样本是一致的，AIC/SIC 才有可比性。样本区间不统一，自动选阶很容易选出一个“看起来最好”但没法复现的模型。

4. ARDL 估计与边界检验：Method 选 ARDL 后的滞后阶数、趋势项与 Long Run 读法

数据准备和单位根做完，才轮到 ARDL 估计。项目正文给的操作是：选中要检验的数据，右键Open — Estimation equation，Method选ARDL。这一步在 EViews 9 及以上版本里才有，版本低的时候 Method 下拉里找不到 ARDL，只能手工用ls加滞后项近似，但 Bounds 检验不会自动出来。进入估计窗口后，真正要填的是被解释变量、解释变量、滞后结构和趋势项，填完之后先看阶数和系数符号，再看 Long Run Form and Bound Test。

4.1 变量录入与滞后阶数：自动选择之前先设上限

在 Estimation Equation 窗口里，Method选ARDL，Dependent variable填y，Regressors填x1 x2这类解释变量。EViews 的 ARDL 对话框会要求指定滞后结构，可以自动选择，也可以手动填。自动选择一般要设一个最大滞后，再选准则，常见的是 AIC 或 SIC。最大滞后不要一上来就给很大，样本只有几十个观测时，最大滞后给到 8 或 12 会让模型数量爆炸，自动选择很容易过拟合。

我的习惯是先按数据频率给一个上限：季度数据从 4 开始，月度数据从 6 或 12 开始，日度数据不要轻易上大滞后，除非样本特别长。然后让 EViews 按 SIC 选一遍，再按 AIC 选一遍，比较两个结果。SIC 偏向简约，AIC 偏向拟合，样本短的时候两者给出的阶数可能差很多。最终不要只看准则值，还要看残差有没有自相关、系数符号是否稳定、模型是否收敛。自动选择给出ARDL(2,1)这种结果时，把它记下来，后面写报告要写清楚每个变量的滞后阶数。

注意：自动选择不是模型选择的终点。EViews 会在后台比较很多候选模型，样本短、变量多的时候，准则值最小的模型不一定最稳。选完之后手动减一阶、加一阶各跑一次，看长期系数和 ECM 项有没有明显变化。

4.2 模型形式：None、Constant、Trend 的取舍

ARDL 估计窗口里还有趋势项设置，常见选项包括无截距无趋势、含截距、含截距和趋势。这个选择会直接影响 Bounds 检验的临界值，不能随便默认。变量围绕非零均值波动、没有明显时间趋势，通常选含截距；变量有明显确定性趋势，才考虑含截距和趋势；只有在均值接近 0 且理论上没有截距时，才考虑无截距无趋势。趋势项加得太多，会把长期信息吸收掉，长期系数变得不显著；趋势项加得太少，残差又会有趋势。

趋势项的选择要和单位根检验时的趋势项设定保持逻辑一致。ADF 里选了含截距和趋势，ARDL 里却选无趋势，结论打架时要回头检查。不是说两者必须完全一样，而是你要能说清楚为什么这里加、那里不加。报告里把趋势设定写清楚，比只写“ARDL 模型”更有复现价值。

4.3 估计结果先看哪几个数：ARDL 阶数、系数符号、R² 与 DW

估计结果出来之后，先看输出顶部的 ARDL 阶数，比如ARDL(1,2)，它告诉你被解释变量和解释变量各取了几阶滞后。然后看短期系数符号和显著性，再看 R²、调整 R²、AIC/SIC 和 DW。R² 高不代表有协整关系，时间序列回归的 R² 很容易被趋势和滞后项抬高。DW 只看一阶自相关，ARDL 里滞后项多了，DW 的解释力有限，残差诊断还要单独做。

系数符号要和理论预期对一遍。短期系数为负、长期系数为正这种情况并不少见，关键是能不能解释。如果长期系数符号和理论相反，先不要急着下结论，检查变量定义、取对数方式、趋势项和样本区间。有时候是变量单位不一致，有时候是遗漏了重要控制变量，还有时候是滞后阶数不够。系数符号异常是模型在提醒你，不是 EViews 算错了。

4.4 边界检验与长期系数：Long Run Form and Bound Test 的读法

项目正文给的最后一步是View — Coefficient Diagnostics — Long Run Form and Bound Test。点开之后重点看两张表：Long Run Coefficients 和 Bounds Test。Bounds Test 的 F 统计量用来检验“变量之间不存在长期关系”的原假设，输出里会给出 I(0) 和 I(1) 两套临界值。F 大于 I(1) 临界值，拒绝原假设，说明存在长期关系；F 小于 I(0) 临界值，不能拒绝原假设；F 落在两者之间，结论不确定，不能强行说有协整。

Long Run Coefficients 表给出长期系数，解释方式和普通回归类似，但要注意变量是对数还是水平。ECM 项通常写成CointEq(-1)，它应该是负的且显著，绝对值小于 1。ECM 项为正，说明误差修正方向不对，模型设定或变量变换可能有问题。F 统计量显著但 ECM 项不显著，也要谨慎，不要只看一个指标就写结论。边界检验的临界值受样本量、变量个数和趋势设定影响，报告里要把这些信息写全。

提示：先看 ECM 项的符号和显著性，再看 Bounds Test 的 F 值。ECM 项为正的时候，F 值再漂亮也不要直接解释成长期关系。

5. 避坑与排查：EViews 跑 ARDL 最容易翻车的五个现场

ARDL 的菜单不难，难的是每一步都有隐性前提。下面五个现场是我见过最多的翻车点，每个都按“现象、原因、解决”拆开。你不需要全部踩一遍，但跑模型之前最好对着看一遍，能省掉不少回头重跑的时间。

5.1 现象：工作文件频率填错，导入后全是 NA

现象是数据导入后序列开头或中间出现大量 NA，图形断成几截，ARDL 估计样本比预期短很多。原因通常不是数据本身坏了，而是 Workfile 的频率和日期格式不匹配。比如原始数据是月度，工作文件却建成了日度，EViews 按日度去对齐2018M1这种日期，自然对不上。另一种情况是 Start date 和 End date 写反，或者季度格式写成了2018Q1以外的形式。

解决方法是回到File — New — Workfile Create，先确认Frequency，再按频率写日期。月度用2018M1，季度用2018Q1，日度才用2018/1/1。建完之后看 Workfile 窗口顶部的样本区间，再导入数据。导入后双击序列看View — Descriptive Stats，确认观测数和缺失值。已经建错的工作文件不要硬改，直接重建一个更省时间。血泪经验是：频率错一次，后面单位根、滞后阶数和 Bounds 检验全部要重跑，越早发现越省事。

5.2 现象：取对数后样本少了一截

现象是lnx的观测数比x少，ARDL 的有效样本跟着缩短，自动选阶结果和预期不一样。原因是x里有 0、负数或缺失值，log(x)对这些值返回 NA。EViews 不会弹窗提醒，它直接在序列里留空。另一种原因是取对数之前样本区间就没对齐，x本身开头就有缺失。

解决办法是先打开x，用View — Descriptive Stats看最小值和缺失值个数，确认有没有小于等于 0 的观测。如果有，先回原始数据核对，确认是录入错误还是变量定义如此。确实不能取对数的变量，考虑用增长率、差分或log(x + 常数)，但后者的解释要写清楚。取完对数后，把x和lnx的样本区间并排看一遍，确认 ARDL 用的是公共样本。不要等到模型跑完才发现样本少了一年，那时候滞后阶数和准则值都已经跟着变了。

5.3 现象：自动滞后选择给出不收敛或系数爆炸

现象是 ARDL 自动选择跑完之后，模型警告矩阵奇异、系数大得离谱，或者某个滞后项系数显著得不正常。原因通常是最大滞后给得太大、样本太短、变量之间高度共线，或者趋势项和滞后项重复吸收信息。EViews 会在后台比较大量候选模型，样本不够的时候，高阶模型很容易过拟合。

解决办法是先把最大滞后降下来，按数据频率给一个保守上限，再手动比较 AIC 和 SIC 的结果。变量之间共线严重时，考虑删掉冗余变量或换变量形式。趋势项不是越多越好，含截距和趋势的模型跑出来系数异常，就退回含截距再试。自动选择给出结果后，手动减一阶、加一阶各跑一次，看长期系数和 ECM 项是否稳定。如果一阶变化就让结论翻转，说明模型本身不稳，不要硬写结论。

5.4 现象：Bounds 检验 F 值卡在 I(0) 和 I(1) 之间

现象是 Bounds Test 的 F 统计量落在 I(0) 和 I(1) 临界值之间，既不能拒绝“无长期关系”，也不能明确说有。原因可能是样本短、变量多、滞后阶数不足、趋势设定不合适，或者变量本身是 I(0) 和 I(1) 混合但边界太接近。这种情况在样本量不大时很常见，不是 EViews 出错。

解决办法是不要强行下结论，先把模型设定重新过一遍：换滞后阶数、换趋势项、换样本区间，看 F 值是否稳定。如果怎么换都卡在中间，报告里就写“边界检验结果不确定”，不要写成“存在长期关系”。可以再用 ECM 项的显著性和符号做辅助判断，但不要用 ECM 项替代 Bounds 检验。样本允许的话，补数据比反复调菜单更有效。

5.5 现象：长期系数符号与理论相反

现象是 Long Run Coefficients 里某个变量的长期系数符号和理论预期相反，短期系数却正常。原因可能是遗漏变量、趋势项吸收过多、变量取对数方式不一致、样本区间包含结构突变，或者滞后阶数不够。还有一种情况是变量定义本身和理论不一致，比如价格指数和通胀率混用。

解决办法是先检查变量定义和单位，再检查趋势项和样本区间。把模型里的变量逐个增减，看长期系数怎么变。如果符号只在某个样本区间翻转，做递归系数或分样本估计，定位断点。不要为了符号好看去删样本或改滞后阶数，那样得到的模型没法复现。长期系数符号异常是模型在提示设定问题，先解决设定，再谈解释。

6. 进阶与验证：把 ARDL 结果落成可复现表格并做稳健性检查

ARDL 跑出一版结果不难，难的是让别人按你的路径复现。我的做法是固定一张结果表，把样本区间、频率、变量变换、ADF 结论、ARDL 阶数、趋势设定、AIC/SIC、Bounds F 值、长期系数、ECM 项和诊断 p 值全部写进去。表格不追求好看，追求下次换一台机器还能对上。

稳健性检查我一般按固定顺序走：先换最大滞后，再换趋势项，再换样本区间，最后看递归系数和 CUSUM。每换一次只动一个设置，不要同时改三个，否则出了问题不知道是哪一步引起的。自动选阶给出结果后，手动减一阶、加一阶各跑一次，看长期系数和 ECM 项有没有实质变化。变化大就说明模型不稳，报告里要写清楚，不要只报最好看的那一版。

从那以后我每次跑 ARDL 都先把频率、样本区间和滞后上限写在一张纸上，再点 Method；需要照着菜单走一遍的话，下载页里那份步骤文档就是按这个顺序记的，文件名是Eviews实现ARDL的步骤.docx。希望帮到你。

本文还有配套的精品资源，点击获取