简介：这份文档聚焦EViews中ARDL（自回归分布滞后模型）的完整实现流程，面向需要做时间序列协整分析与长期关系检验的经济学、金融学实证学习者，也适合已掌握基础回归、希望补齐ARDL操作链路的初中级用户。内容从新建Workfile、在Command中录入数据、对变量取对数，到单位根检验、估计方程中Method选择ARDL，再到Coefficient Diagnostics中的Long Run Form and Bound Test，基本覆盖了从数据准备到边界协整检验的关键环节。资源包仅含1个docx文件，大小约446KB，体量轻便，适合按步骤对照EViews界面操作，也便于打印或二次整理笔记。目前已有3508人学习，说明其在ARDL入门与实操查漏中具有一定参考价值。读者可据此理解滞后阶数选择、协整估计与长期趋势Bounds检验的衔接方式，减少在软件菜单和检验顺序上的试错。

1. 先别急着点 ARDL：这份 EViews 步骤清单省下的是排错时间

把 EViews 实现 ARDL 的步骤拆成可照抄的清单，真正省下的是排错时间。ARDL 不是把变量拖进窗口点一下 Estimate 就结束：工作文件频率、取对数后的符号、单位根检验的趋势项、滞后阶数的信息准则，任何一处错位，后面的长期形式和 Bounds 检验都会变成黑匣子。这份步骤文档适合刚接触自回归分布滞后模型、需要按菜单路径复现结果的人，也适合已经跑过回归但总在协整判读上翻车的从业者。它不替你选模型，而是把 EViews 里从建工作文件到 View—Coefficient Diagnostics—Long Run Form and Bound Test 的路径固定下来，让每一步都有检查点。先按第 2 章把数据骨架搭对，再谈滞后阶数，顺序反了，后面全是回头路。

2. 建工作文件与录入数据：从日期格式到命令窗口的完整落地

2.1 工作文件频率与起止日期怎么定

EViews 里的 ARDL 估计，第一步不是选模型，而是把工作文件的时间骨架搭对。路径是 File—New—Workfile Create，弹出窗口里要填 Workfile structure type、Frequency、Start date、End date。项目正文给了一个具体区间：2018/1/1 到 2019/12/30。这个写法看起来像日度数据，但并不意味着所有 ARDL 练习都要照抄日度频率。常见做法是先看原始数据的真实频率：年度数据选 Annual，季度数据选 Quarterly，月度数据选 Monthly，日度数据才选 Daily-5 或 Daily-7。频率选错，后面所有滞后阶数都会失去经济含义。

日度频率在 EViews 里还要区分工作日和自然日。Daily-5 通常按每周五个工作日排，Daily-7 按自然日排。若原始数据只覆盖两年，日度样本大约五百个观测，做 ARDL 时滞后阶数一旦设大，自由度很快被吃掉，残差诊断也会变得不稳定。我的习惯是：如果数据本身是月度或季度，就不要为了“看起来样本多”硬改成日度；ARDL 的滞后项是 economically meaningful 的滞后，不是越多越好。工作文件建完后，先确认窗口左上角的样本区间与起止日期一致，再开始录数据。

工作文件命名和 Page 命名也值得顺手规范。常见做法是把 Page 命名为data或baseline，后面做差分、取对数时另开 Page，避免把原始数据和变换后的序列混在一起。EViews 的 Page 相当于一个独立工作表，原始数据留一份，变换后的序列留一份，排错时能快速回到起点。这个动作不花时间，但能避免“到底哪一列被改过”的后悔药问题。

2.2 Command 窗口建序列与数据导入的两种路径

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 里通常有两种落地方式。第一种是菜单式：Object—New Object—Series，给序列命名，再打开 Spreadsheet 粘贴数据。第二种是命令窗口：输入data x y会打开一个 Group 数据窗口，可以直接把 Excel 里的两列数据粘进去；输入series x可以创建一个空序列，再手动录入。两种方式没有高低之分，差别在于批量建序列时命令窗口更快，单列检查时菜单更直观。

我一般会先在命令窗口敲data x y，把需要进入 ARDL 的变量一次性拉出来。变量名不要用中文、空格和特殊符号，常见命名是x、y、lx、ly、d_lx。如果原始数据里已经有日期列，粘贴时要注意不要把日期列当成普通数值列粘进序列窗口；EViews 的日期由工作文件结构管理，不需要在每一行再放一列日期。粘贴完成后，用show x打开序列窗口，看两件事：序列名是否对、样本区间内有没有灰色 NA。

命令窗口还有一个好处：操作留痕。你敲过的genr、smpl会留在命令历史里，后面复现时不用回忆“当时到底点了哪个菜单”。对于需要交给同事复核的 ARDL 结果，我通常会把关键命令和菜单路径一起记在结果表旁边，尤其是取对数、差分和样本筛选这三步。EViews 不是黑匣子，但你不记录，它就会变成黑匣子。

2.3 数据频率对齐与缺失值检查

数据录进去之后，不要立刻点单位根检验。先做频率对齐和缺失值检查。频率对齐的意思是：工作文件的频率必须与序列的经济含义一致。月度数据里出现“2018M01”和“2018/1/1”混用，或者季度数据被当成月度数据粘贴，EViews 不会总是报错，但估计样本会被悄悄截断。常见现象是：明明录了两年数据，ARDL 结果里的样本数却少了一截，原因往往就是日期频率或 NA 导致的样本损失。

缺失值检查可以打开序列的 Spreadsheet 视图，看灰色 NA 标记；也可以用样本窗口临时排除异常区间。对 ARDL 来说，缺失值不只是“少一个点”，它会让滞后项和差分项一起丢样本。若某个变量在 2018 年前几个月缺失，ARDL 的自动滞后选择可能直接把整个前期样本砍掉，最后你看到的滞后阶数是“在残缺样本上选出来的”。我的做法是先把每个变量的 NA 数量、最大值、最小值、均值看一遍，再决定是插值、缩样本还是换变量。

完成这三步之后，再进入取对数和单位根检验。数据骨架没搭对，后面 ARDL 的滞后阶数、长期系数和 Bounds 检验都会跟着歪。这个顺序看起来慢，实际是最快的路径。

3. 取对数与单位根检验：ARDL 前置检查的参数与判读

3.1 取对数的适用边界与 EViews 写法

项目正文第三步是“对输入的数据进行取 log 操作”。在 EViews 里，常见写法是genr lx=log(x)，生成一个新序列lx。取对数之前要先确认 x 全部为正数。若 x 中有零或负值，log(x)会生成 NA，EViews 不一定立刻弹窗提醒，但后续 ARDL 的样本会悄悄缩短。对 rate、比例、差额这类可能为负的变量，不要机械取对数；常见处理是加一个常数、改用增长率，或者保留水平值进入模型。

取对数后的解释也要提前想清楚。双对数模型里系数接近弹性，半对数模型里系数要乘以 100 才能按百分比解释。ARDL 的长期系数形式会把这些解释放大，所以变量到底取不取对数，最好在估计前定好，不要等 Bounds 检验做完再回头改。我的习惯是：水平变量先画时序图，若波动幅度随均值扩大，取对数更合理；若变量本身是利率、失业率这类已经按百分比度量的序列，保留水平值往往更自然。

取对数后建议把lx、ly与原序列放在同一个 Group 里对比一下。若lx的时序图出现断点或异常尖峰，多半是原始数据有零值、负值或单位错误。这个检查不替代单位根检验，但能提前排掉一批低级错误。取对数不是 ARDL 的必经仪式，它只是让模型更贴近数据生成过程的一种选择。

3.2 ADF 检验的滞后阶数、趋势项与外生变量

单位根检验的路径是：打开需要检验的序列，比如 x，点 View—Unit Root Test。窗口里要选三件事：Test for unit root in 选 Level 还是 1st difference；Include in test equation 选 None、Intercept 还是 Trend and intercept；Lag length 选 Automatic selection 还是手动指定。项目正文只写了“打开需要检验的数据如 x，View—Unit Root Test”，实际点进去之后，这三项才是决定结论的地方。

趋势项的选择不能凭感觉。序列围绕零上下波动，选 None；序列有明显非零均值，选 Intercept；序列有明显时间趋势，选 Trend and intercept。常见翻车是：明明有趋势的序列只选了 Intercept，ADF 检验拒绝不了单位根，于是误判为 I(1)；或者明明没有趋势却勾了 Trend and intercept，检验功效下降。滞后阶数也一样，Automatic selection 常配合 SIC 或 AIC，样本短时 SIC 更保守，样本长时 AIC 可能选出更长滞后。我的做法是先用 Automatic selection 加 SIC 跑一遍，再把最大滞后设为一个合理上限复核，看看结论是否稳定。

ADF 的原假设是“存在单位根”。若 ADF 统计量小于临界值，或 p 值小于显著性水平，就拒绝原假设，认为序列没有单位根。注意这里的“拒绝”只针对该检验设定，不保证模型设定正确。序列有结构突变、异常值或趋势误设时，ADF 的结论可能反复。ARDL 允许 I(0) 和 I(1) 混合，但不允许 I(2)，所以水平检验和一阶差分检验要配套做，不能只看一张表。

3.3 单位根结果怎么读：I(0)/I(1) 混合时的处理

ARDL 的一个便利之处，是允许解释变量和被解释变量处于 I(0) 或 I(1)，只要没有 I(2)。这并不意味着单位根检验可以跳过。相反，正因为允许混合，才更要确认每个变量的单整阶数。常见做法是列一张变量检验记录表：变量名、水平检验的检验式、滞后阶数、p 值、结论；一阶差分同样记录一遍。若水平序列拒绝单位根，记为 I(0)；若水平不拒绝、一阶差分拒绝，记为 I(1)；若一阶差分仍不拒绝，就要警惕 I(2) 或结构突变。

混合阶数进入 ARDL 时，解释上要留神。I(1) 变量的长期系数反映长期关系，I(0) 变量则更像短期约束。若所有变量都是 I(0)，ARDL 仍然可以估计，但 Bounds 检验的协整解释会弱一些；若所有变量都是 I(1)，且 Bounds 检验拒绝无协整，长期形式才有意义。若某个变量是 I(2)，不要硬套 ARDL，先做差分或换模型。这个判断不需要复杂计算，但需要把检验设定记录下来，否则后面复核时根本不知道当时的结论是在哪种趋势项和滞后阶数下得到的。

单位根检验做完后，把结论写进结果记录，不要只留在脑子里。ARDL 的滞后阶数选择、长期形式和 Bounds 检验都依赖这一步的结论。检验记录越清楚，后面排错越省时间。

4. 估计 ARDL：Estimation Equation 里的方法选择与滞后阶数

4.1 从右键 Open 到 Method 选 ARDL 的路径

数据准备好之后，选中要进入模型的变量，右键 Open—Estimation equation，或者点菜单 Quick—Estimate Equation。在弹出的 Equation Estimation 窗口里，Method 下拉框选择 ARDL。这时窗口会变成 ARDL 专用设定：Dependent variable 填被解释变量，Regressors 填解释变量，下面有 ARDL lag specification 区域。项目正文写的是“选中要检验的数据，右键—Open—Estimation equation，Method 选择 ARDL”，路径没问题，真正需要盯的是变量顺序和滞后设定。

被解释变量只能放一个，解释变量可以放多个。变量名要和工作文件里的序列名完全一致，取过对数的序列就填lx、ly，不要填原序列名。若模型里要加常数项或趋势项，在设定区域里选清楚；不要默认全勾，也不要全部不勾。常见做法是：先按经济含义确定核心解释变量，再把控制变量逐个加进去，每加一个就看系数符号和显著性是否稳定。ARDL 的滞后结构已经够复杂，变量堆太多会让自动选择变得不稳定。

设定完成后先不要急着点 OK。把窗口里的变量列表和样本区间再扫一遍，确认没有把差分序列和水平序列混填。ARDL 的右端变量既可以是水平值，也可以是差分值，但一旦混用，长期系数的解释会变得很绕。我的习惯是：基线模型只用水平值或对数水平值，差分序列留到稳健性检查时再用。

4.2 滞后阶数自动选择与信息准则

ARDL 设定里最容易被忽视的是滞后阶数。EViews 提供 Automatic selection，可以按 AIC、SIC、HQ 等信息准则自动选滞后阶数，也可以手动指定每个变量的最大滞后。项目正文提到“EViews 内置了滞后阶数的选择”，这部分确实省事，但不能把它当成免检按钮。自动选择的结果依赖最大滞后上限、样本区间和缺失值处理，上限设得太小，选出来的阶数没有意义；上限设得太大，样本被吃掉，信息准则也会失真。

常见经验是：年度数据最大滞后设 1～2，季度数据设 4～8，月度数据设 12～24，日度数据要非常谨慎。这个范围不是硬规则，而是提醒你先想清楚经济周期和样本量。样本只有三十个观测，却把最大滞后设到 12，自动选择很可能在几个勉强可估的模型里挑一个，结果看起来显著，残差诊断却过不了。AIC 偏向较复杂模型，SIC 偏向简洁模型，HQ 介于两者之间；样本短时我一般优先看 SIC，再用 AIC 复核结论是否一致。

自动选择跑完后，不要只看“选了哪个阶数”。把不同信息准则下的结果对比一下：若 AIC 选 4 阶、SIC 选 1 阶，说明滞后结构对准则敏感，这时应该回到数据频率和样本量上找原因，而不是随便挑一个看起来显著的。滞后阶数不是玄学，但它确实需要经济逻辑和统计诊断一起支撑。

4.3 系数诊断与长期关系形式的打开方式

ARDL 估计完成后，点 View—Coefficient Diagnostics—Long Run Form and Bound Test，就能看到长期形式和 Bounds 检验。长期形式表里通常包含变量名、系数、标准误、t 统计量和 p 值；Bounds 检验表里包含 F 统计量和临界值上下界。项目正文把这一步列为最后一步，实际使用中，它更像“结果核对”的起点，而不是终点。

长期系数的符号要和理论预期对上。若短期系数为正、长期系数为负，先别急着解释，回查变量是否取了对数、差分是否放错位置、滞后阶数是否选得过大。Bounds 检验的 F 统计量要和临界值表比：F 大于 I(1) 上界，倾向于拒绝“无协整”的原假设；F 小于 I(0) 下界，不能拒绝；落在上下界之间，结论不确定。这个判读规则要结合样本量和检验设定，不能只看 p 值。

估计完成后还要做残差诊断。常见路径是 View—Residual Diagnostics，里面可以看 Serial Correlation LM Test、Heteroskedasticity Test 和 Normality Test。ARDL 的滞后项会吸收一部分自相关，但残差仍有自相关时，滞后阶数可能不够，或者变量遗漏了。残差诊断不过关，长期系数再显著也要打折扣。

5. 避坑与排查：ARDL 在 EViews 里最容易翻车的五个点

5.1 日期频率错位导致样本区间被截断

现象：工作文件里明明录了 2018 年到 2019 年的数据，ARDL 结果里的样本数却少了一截，或者滞后项一加上去就提示样本不足。原因通常是工作文件频率与数据真实频率不一致，比如月度数据被建成了日度工作文件，或者季度数据的起止日期写成了月度格式。EViews 不会每次都弹窗阻止，它只会按工作文件结构去对齐序列，对不上的位置就留 NA。

解决：回到 Workfile Create 窗口，确认 Frequency 和 Start/End date。月度数据用2018M01 2019M12，季度数据用2018Q1 2019Q4，日度数据再按2018/1/1 2019/12/30的格式填。若已经录了很多数据，不要在原工作文件里硬改频率，重建一个工作文件，把序列复制过去更稳。复制后打开 Spreadsheet，逐列检查 NA 位置，确认样本损失不是由日期错位造成的。

5.2 取对数后负值或零值生成 NA

现象：执行genr lx=log(x)后，lx序列出现一段灰色 NA，ARDL 样本突然缩短。原因是 x 中存在零值或负值。EViews 的log()对非正数返回 NA，不会自动替换。若 x 是差额、增长率或利润率，出现负值很常见，机械取对数就会踩坑。

解决：先看 x 的描述统计和最小值。若只有少量零值，可以考虑log(x+1)，但常数选择要在论文或报告里说明；若负值较多，保留水平值或改用增长率更合适。取对数不是 ARDL 的强制步骤，变量变换要服务于经济解释。生成lx后立刻用show lx看时序图，出现断点就回查原始数据。

5.3 只做水平单位根检验就下结论

现象：水平 ADF 检验 p 值小于 0.05，就认定变量平稳，直接放进 ARDL；或者只做水平检验，不做一阶差分，后面 Bounds 检验结论反复。原因是 ADF 对趋势项、滞后阶数和样本区间都敏感，单次检验的拒绝不等于变量在所有设定下都平稳。ARDL 还要求排除 I(2)，只做水平检验无法确认这一点。

解决：水平序列和一阶差分序列都做一遍，记录检验式、滞后阶数和结论。若水平拒绝、一阶差分也拒绝，要警惕过度差分；若水平不拒绝、一阶差分拒绝，按 I(1) 记录；若一阶差分仍不拒绝，先查结构突变或换样本。把每个变量的检验记录写进表里，后面选滞后阶数和解释长期系数时直接对照。

5.4 自动滞后选择结果不一致

现象：同一组变量，换一个信息准则或改一下最大滞后上限，ARDL 选出的滞后阶数就变了，长期系数符号也跟着变。原因是自动选择在样本量有限时对准则敏感，最大滞后设得太大或太小都会影响结果。AIC 倾向复杂模型，SIC 倾向简洁模型，两者不一致时并不奇怪。

解决：先按数据频率设一个合理的最大滞后上限，再用 AIC、SIC、HQ 各跑一遍，比较结论是否稳定。若不同准则选出的阶数差异很大，不要挑一个显著的写进结果，先检查样本量、异常值和变量变换。常见做法是选一个主设定，再做两三个稳健性设定，把长期系数和 Bounds 检验结果放在一起看。自动选择是辅助，不是裁判。

5.5 Bounds 检验读错表或忽略协整前提

现象：Bounds 检验 F 统计量落在 I(0) 和 I(1) 临界值之间，却直接写成“存在长期协整关系”；或者 F 统计量小于下界，仍然继续解释长期系数。原因是只看了 F 值大小，没有对照临界值上下界，也没有检查变量单整阶数。ARDL 的 Bounds 检验有前提：变量不能是 I(2)，滞后阶数和趋势设定要合理。

解决：打开 Long Run Form and Bound Test 后，先看 F 统计量，再对照 I(0) 和 I(1) 临界值。F 大于上界，倾向于拒绝无协整；F 小于下界，不能拒绝；落在中间，结论不确定，需要换样本、改滞后阶数或做稳健性检查。长期系数只有在协整关系成立时才适合做长期解释。若 Bounds 结论不确定，不要硬写“显著”，把不确定性如实记录，比事后返工更省时间。

6. 把 Bounds 检验做成可复现记录：一份结果核对清单与交付习惯

6.1 长期形式与 Bounds Test 的字段核对

ARDL 跑完后，我一般不会立刻写结论，而是先做一张结果核对表。长期形式看三列：变量名、系数、p 值；Bounds 检验看三列：F 统计量、I(0) 下界、I(1) 上界。把这三组信息放在同一页，能快速发现“系数显著但协整不成立”或者“协整成立但长期系数符号反了”的矛盾。若样本区间、变量变换、滞后阶数没有记录，过两天再回看就只剩一张孤零零的回归表。

6.2 结果表与结论的对照写法

写结论时，我会把“统计结论”和“经济解释”分开。统计结论只写：单位根检验结果、ARDL 选定阶数、Bounds 检验 F 值落在哪个区间、残差诊断是否通过。经济解释再写：长期系数方向是否符合理论、短期调整项是否合理、哪些变量在长期和短期的作用不同。这样写的好处是，即使后面换样本或改滞后阶数，统计结论和经济解释不会搅在一起。

还有一个具体技巧：把 Bounds 检验的 F 值和临界值单独存一张小表，不要只截回归输出图。回归输出图里的字体、列宽和样本信息在复制粘贴时容易丢失，单独整理成表后，复核的人能一眼看到 F 值是在上界之上、下界之下还是中间。若 F 值落在中间区间，结论就写“不确定”，不要为了好看写成“存在协整”。这种如实记录的习惯，比任何花哨的稳健性检验都更能减少返工。

6.3 我每次交付前都会走一遍的固定动作

从那以后我每次跑 ARDL，都强制自己走一遍固定动作：先看工作文件频率和样本区间，再看每个变量的 NA 和取对数后的符号，接着把水平与一阶差分的单位根检验记录成表，最后才打开 Estimation equation 选 ARDL。估计完成后，先核对长期形式与 Bounds 检验的字段，再跑残差诊断，确认没有自相关和异方差问题，才把结果写进交付表。这套动作不复杂，但能把大部分翻车点挡在结果表之前。

这份 EViews 实现 ARDL 的步骤清单，适合放在手边按顺序点一遍：第 2 章搭数据骨架，第 3 章做变量变换和单位根检验，第 4 章估计并打开长期形式，第 5 章对照避坑记录排查。需要对照操作时直接取用，先把工作文件和单位根检验跑通，再谈滞后阶数和 Bounds 检验，顺序对了，后面的结果才站得住。希望帮到你。

本文还有配套的精品资源，点击获取