EViews 7은 단일 방정식 회귀 측정에 대한 표준오차를 계산하기 위한 옵션들의 확장된 선택권을 제공합니다.

표준오차에 대한 자유도(degrees-of-freedom) 조정 기능을 끌 수 있는 옵션이 있습니다.

더욱 중요한 건, HAC 공분산 옵션의 확장된 범위는 독립형 공분산 계산법을 위한 것을 반영한다는 사실입니다. 비모수 커넬법(Newey-West 1987, Andrews 1991), 매개변수 VARHAC법 (Den Haan and Levin 1997), 그리고 사전백색화된 커넬법 (Andrews and Monahan 1992)을 사용한 대칭 또는 단측 장기 공분산을 계산할 수 있습니다. 게다가, EViews은 VARHAC과 사전백색화 측정을 위한 시차 선택방법을 바탕으로 한 정보 기준과 커넬 추정량을 위한 Andrews (1991) 과 Newey-West (1994)의 자동 대역폭 선택 방법을 지원합니다.
새로운 옵션들은 방정식 대화 상자의 옵션 페이지의 계수 공분산 행렬 콤보 박스에서 HAC을 선택하고 HAC 옵션 버튼을 누르면 표시됩니다.

• 새로운 척도 계수들 보기는 표준화된 계수 측정과 탄성을 평균으로서 계수 측정을 보여줍니다. 표준화된 계수들은 회귀변수의 표준편차로 나눈 독립변수들의 표준 편차를 곱함으로써 표준화된 계수들의 포인트 측정입니다. 평균의 탄성은 회귀변수를 방법으로 나눈 독립변수의 방법으로 측정된 계수의 포인트 측정입니다.
• 신뢰구간 보기는 방정식에서 각 계수들의 신뢰구간 표를 보여줍니다. 신뢰구간 대화상자는 신뢰수준의 크기를 입력할 수 있도록 해줍니다. 이것은 십진법의 공간 구분된 목록에 입력할 수 있거나 신뢰구간을 포함하고 있는 workfile에서 스칼라나 벡터의 이름으로 입력할 수 있습니다. 또한 어떻게 신뢰구간을 표현하고 싶은지 선택할 수 있습니다. 각 신뢰수준의 최저값과 최고값이 바로 양 옆에 있는 곳에 쌍으로 기본값이 나타날 수 있습니다.
• EViews 7은 현재 "분산 확대 인자"를 보여줍니다. 분산 확대 인자(VIFs)는 방정식에서 회귀변수 사이의 공선형성 수준을 측정하는 방법입니다. VIFs는 회귀변수의 계수 측정의 변수값이 다른 회귀변수의 공선형성 때문에 얼마나 상승하였는지를 보여줍니다.
• 방정식의 새로운 변이계수 분해 보기는 변이계수 행렬의 고유벡터 분해에 대한 정보를 제공합니다. 이 분해는 회귀변수 사이에 잠재적 공선형성 문제를 진단하는 데 돕는 유용한 도구입니다. 분해 계산은 Belsley, Kuh 과 Welsch (2004)에 의해 주어진 것을 따릅니다.
• "영향 통계"는 영향 관측이나 특이점을 발견하는 방법입니다. 그것은 단일의 측정이 회귀 결과를 만들거나 관측이 방정식의 표본에서 다른 관측으로부터 어떻게 다른지의 차이점 측정입니다. EViews는 6개의 다른 영향 통계 모음을 제공합니다; RStudent, DRResid, DFFITS, CovRatio, HatMatrix 그리고 DFBETAS.
• "지렛대 그림’는 단변수 회귀에서 단순 잔차그림의 동등한 다변수입니다. 영향 통계와 같이, 지렛대 그림도 영향 관측이나 특이점을 확인하는 방법으로 쓰일 수 있고 또한 그래프를 이용하여 회귀모델의 기초가 되는 가설에서의 잠재적 문제점을 진단하는 방법으로도 쓰일 수 있습니다.
• ARMA 방정식의 ARMA 주파수 스펙트럼 보기는 전형적인 시간 도메인보다는 주파수 도메인에서 측정된 ARMA 항의 스펙트럼을 보여줍니다. 시간 도메인에서 ARMA 항 보기를 통해 자료의 자동 상호관련된 기능들을 볼 수 있고, 주파수 도메인을 통해서는 복잡한 주기의 지표들을 볼 수 있습니다.

• 방정식의 "도구 정리" 보기는 GMM에 의해 측정된 패널이 없는 방정식에 이용 가능합니다. 이 정리는 명기된 도구의 수와 도구 설명서, 그리고 측정에 쓰인 도구 리스트를 보여줍니다.
• C-검정법 또는 아인체봄, 한센과 싱글톤 (EHS) 검정법으로도 잘 알려진 도구 직교성 검정법은 도구의 부분집합의 직교성 조건을 평가합니다. 이 검정법은 TSLS나 GMM으로 측정된 non-panel 방정식에도 이용 가능합니다.
• Durbin-Wu-Hausman 검정법으로 잘 알려진 회귀변수 내재성 검정법은 회귀변수 방정식의 부분 또는 전체 내재성 검정법입니다. 이 검정법은 TSLS나 GMM으로 측정된 패널이 없는 방정식에 이용 가능합니다. 만약 모델에서 도구에 의해 설명된다면 회귀변수는 내생적입니다. 반면에 외생변수는 도구에 의해 설명되어 지지 않는 것들입니다. EViews의 TSLS와 GMM 측정에서, 외생변수는 회귀변수와 도구 모두를 포함함으로써 명기되는 반면, 내생변수는 오직 회귀변수 목록에 의해서만 명기되는 것들입니다.