EViews如何进行自回归方程参数的最小二乘估计？

以此题为例讲解：以下是某地搜集到得新房屋的销售价格y和房屋的面积x的数据：
房屋面积115，110，80，135，105
销售价格：24.8 21.6 18.4 29.2 22
①求回归方程，并在散点图中加上回归直线；回归方程 ^y = 1.8166 + 0.1962x
计算过程：
从散点图（题目有给吧）看出x和y呈线性相关，题中给出的一组数据就是相关变量x、y的总体中的一个样本，我们根据这组数据算出回归方程的两个参数，便可以得到样本回归直线，即与散点图上各点最相配合的直线。
下面是运用最小二乘法估计一元线性方程^y = a + bx的参数a和b：
（a为样本回归直线y的截距，它是样本回归直线通过纵轴的点的y坐标；b为样本回归直线的斜率，它表示当x增加一个单位时y的平均增加数量，b又称回归系数）
首先列表求出解题需要的数据
n 1 2 3 4 5 ∑（求和）
房屋面积 x 115 110 80 135 105 545
销售价格 y 24.8 21.6 18.4 29.2 22 116
x^2（x的平方） 13225 12100 6400 18225 11025 60975
y^2（y的平方） 615.04 466.56 338.56 852.64 484 2756.8
xy 2852 2376 1472 3942 2310 12952
套公式计算参数a和b：
Lxy = ∑xy - 1/n*∑x∑y = 308
Lxx = ∑x^2 - 1/n*(∑x)^2 = 1570
Lyy = ∑y^2 - 1/n*(∑y)^2 = 65.6
x~（x的平均数） = ∑x/n = 109
y~ = ∑y/n = 23.2
b = Lxy/Lxx = 0.196178344
a = y~ - bx~ = 1.81656051
回归方程 ^y = a + bx
代入参数得：^y = 1.8166 + 0.1962x
直线就不画了
该题是最基本的一元线性回归分析题，套公式即可解答。至于公式是怎么推导出来的，请参见应用统计学教科书。。回归分析章节。。

　　建立序列，然后看序列的时序图看是否能够利用线性模型拟合回归模型，如果存在指数增长的趋势，就要对数据经行对数化处理，好让序列存在明显的线性趋势。
　　Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。另外Eviews也是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。

可以做的
建议你用stata去做
我经常帮别人做这类的数据分析的