一、回归方程函数形式的选择   
1、常识性误区
         
在很多人心里根本没有回归方程函数形式选择这一考虑。但是很明显，不是所有的经济关系都是简单线性的。

2、可选的函数形式
      
线性函数：Y=β1+β2*X
线性对数函数：Y=β1+β2*lnX
倒数函数：Y=β1+β2*(1/X)
多项式函数：Y=β1+β2*X+β3*X^2
交互作用函数：Y=β1+β2*X+β3*Y+β4*X*Y
对数线性函数：lnY=β1+β2*X
对数倒数函数：lnY=β1+β2*(1/X)
对数多项式函数：Y=β1+β2*X+β3*X^2
双对数函数：lnY=β1+β2*lnX
对数曲线函数：ln[Y/(1-Y)]=β1+β2*X
       这些函数回归系数的意义可以通过求导得知。
3、选择标准
   
第一，看散点图，根据散点图的形态进行选择；第二，经济实质，这个根据回归系数的含义；第三，数据特征，有的是绝对数据有的是相对数据。
   
但是，以上这些判断非常依赖经验，经验不足的话可以进行试错，对于样本选择所有的函数形式进行回归，再根据回归统计量的优劣确定最佳的函数形式。

二、Eviews回归方程的设定
        
Eviews回归方程的设定主要有两种方式：列表法和公式法。运用最普遍的是列表法，但是列表法只能做估计参数为线性组合的回归，而公式法则没有这种限制，也可以在公式中添加系数约束条件，所以公式法的适用性更高。
        
当回归方程的系数是非线性的，如柯布-道格拉斯函数，则需要对系数提供初始值。这个可以打开系数序列（以β作为文件标识）直接对系数进行赋值。
        
可以预先定义系数向量，在公示中可以使用定义的系数向量。定义的路径：Objects-----New Objects----Matrix-Vector-Coef---Coefficient Vector。系数向量设定时列一般设为1，行则设定等于样本容量。