基础统计
       基础描述性统计可以方便的计算整个样本,该样本是基于一个或多个变量的分类,或通过在面板或pooled数据中的横截面或周期.可执行均值,中位数和方差的假设检验,包括对特定值的检验,序列间相等性的检验,或是在单个序列中的相等性检验,这时的序列是通过其它变量进行分类的(允许您执行单因子方差分析(ANOVA)).
       您能够图形化的查看您数据的分布,通过使用直方图,或累计分布,残留值和分位数图.QQ图(分位数-分位数图)能够用来比较成对序列的分布,或者是单个序列对应多种理论分布时的分布.您甚至能够执行Kolmogorov-Smirnov, Liliefors, Cramer von Mises, 和 Anderson-Darling 检验来查看您序列是否是正态分布的,或者是否是来自其它的分布,比如指数,极值,logistic,卡方,韦布尔(Weibull),或伽马(gamma)分布.您可以自己提供分布的参数,或让EViews为您估计出参数.EViews同样可以计算核心密度估计,和产生带有基于普通(ordinary),转换,核心,和最近邻居(nearest neighbor)回归的拟合曲线的散点图.
       用来探索您数据的时间序列的工具,EViews提供单元根检验(用于单个序列的ADF, Phillips-Perron, KPSS, DFGLS, ERS 和 Ng-Perron,及用于面板数据(panel data)的Levin-Lin-Chu, Breitung, Im-Pesaran-Shin, Fisher, 和 Hadri),协整检验(带有MacKinnon-Haug-Michelis关键值和p值),因果关系检验,自相关和部分自相关函数,Q统计,和互相关函数.
       EViews提供随机数生成器(Knuth, L'Ecuyer 或 Mersenne-Twister),密度函数和累计函数,共可产生18种不同的分布.可以用来生成新的序列,或用于计算数量(scalar)和矩阵表达式.
季节性调整
        EViews提供容易使用的适用U.S人口调查局的X11和X12-ARIMA季节性调整分析的前端支持程序,类似Tramo/Seats软件通常在欧洲使用.使用加法和倍乘差异方法的简单的季节性调整也在EViews中被支持.
滤波器
       EViews使用Hodrick-Prescott滤波器来从时间序列数据中计算趋势.EViews 5新增应用axter-King, Christiano-Fitzgerald固定长度和Christiano-Fitzgerald不对称全样本带通(brand-pass)(频率)滤波器到您数据的能力.
估计
       EViews包括用于对时间序列和横截面数据分析的大范围的单和多方程式估计技术.基本的估计包括普通最小二乘法(OLS)(多元回归).两阶段最小二乘法,和非线性最小二乘法.所有的这些技术都可以使用权重估计.规范可以包括在任意数量的自变量上的多项式滞后结构.
       除了这些基本的估计,EViews支持对多种高级模型的估计和诊断.
       EViews高级的微积分引擎计算和显示用于多数非线性回归规格的分析衍生结果.
ARCH模型
       如果您序列的方差随时间波动,EViews能够通过使用自相关异方差(ARCH)模型来估计波动的路径.EViews处理GARCH(p,q), EGARCH(p,q), TARCH(p,q), PARCH(p,q), 和成分GARCH规格,和提供用于带有正态,学生t或广义误差分布的误差的极大似然估计.ARCH模型均值估计可以包括ARCH和ARMA条件,所有的均值和方差估计允许外生变量.
广义矩估计(GMM)方法
       EViews支持GMM估计,用于横截面和时间序列数据(单个或多个方程式).权重选项包括White协方差矩阵,用于横截面数据,和多种HAC协方差矩阵,用于时间序列数据.HAC选项包含prewhitening,二次或Bartlett kernels,和修正的,Andrews,或Newey-West带宽(bandwith)选择方法.
受限的因变量
       当您的因变量仅有有限的数值集或被截尾的或删减的,EViews可以在评估过程中考虑到这种情况.二元的,排序的,截尾的和删减的模型通过基于正态,logistic和极值误的似然函数来估计.计数模型可以使用泊松分布,负二项分布,和准最大似然(quasi-maximum likelihood (QML) )设置.EViews可选择报告广义线性模型或QML标准误差.
系统估计
        EViews支持通过OLS,二阶段最小二乘法,似无关回归,三阶段最小二乘法,GMM和完全信息极大似然(FIML)来进行线性和非线性的方程式系统的评估.系统可以包含交叉方程式约束和任意顺序的自回归误差.
向量自回归/纠错模型
        向量自回归和向量纠错模型能够通过EViews方便的被评估.一旦估计后,您就可以检查VAR或VEC的脉冲响应函数和变异分解.VAR脉冲响应函数和分解特征标准误差通过分析计算或通过蒙特卡罗(Monte Carlo)方法(分析不适用于分解),可能会以多种样式的图形和表格来显示结果.您可以在协整和/或调整系数上强制进行线性约束检验.EViews的VARs同样允许您通过强加短期(Sims 1986)和长期(Blanchard和Quah 1989)约束来评估结构化因子分解(VARs).过度确认(over-identifying)约束可以使用由EViews生成的LR统计量来检验.