EViews在數(shù)據(jù)分析中的應用

第1篇  EViews數(shù)據(jù)分析基礎
第1章  EViews概述 2
1.1  EViews基礎 2
1.1.1  EViews的版本和安裝 2
1.1.2  EViews的啟動與退出 3
1.1.3  EViews的主窗口 4
1.2  工作文件 6
1.2.1  新工作文件的建立 6
1.2.2  讀取外部數(shù)據(jù) 7
1.2.3  工作文件窗口 9
1.3  對象 10
1.3.1  對象的建立 11
1.3.2  對象窗口 11
1.3.3  生成新序列 13
1.4  上機練習 14
第2章  EViews基本數(shù)據(jù)分析（單序列） 16
2.1  數(shù)據(jù)的展示 16
2.1.1  電子表格 17
2.1.2  繪圖 17
2.2  基本統(tǒng)計量分析和檢驗 18
2.2.1  描述性統(tǒng)計量和檢驗 18
2.2.2  單因素統(tǒng)計表 31
2.2.3  重復值分析 32
2.3  時間序列分析 34
2.3.1  相關圖 34
2.3.2  長期方差 35
2.3.3  單位根檢驗 36
2.3.4  斷點單位根檢驗 38
2.3.5  季節(jié)單位根檢驗 40
2.3.6  方差比率檢驗 42
2.3.7  BDS獨立性檢驗 45
2.3.8  預測效果評估 45
2.3.9  小波分析 48
2.4  標簽 48
2.5  上機練習 49
第3章  EViews基本數(shù)據(jù)分析（序列組） 51
3.1  數(shù)據(jù)展示和基本操作 51
3.1.1  建立組 51
3.1.2  序列組數(shù)據(jù)比較 53
3.1.3  建立帶日期的數(shù)據(jù)表格 53
3.1.4  序列組繪圖 55
3.2  基本統(tǒng)計量分析和檢驗 55
3.2.1  基本描述性統(tǒng)計量和檢驗 55
3.2.2  多因素統(tǒng)計表分析 56
3.2.3  重復值分析 59
3.2.4  協(xié)方差和相關性分析 59
3.2.5  齊性檢驗 61
3.2.6  主成分分析 61
3.3  時間序列分析 64
3.3.1  相關圖 65
3.3.2  交叉相關關系 65
3.3.3  長期方差 66
3.3.4  單位根檢驗 66
3.3.5  協(xié)整檢驗 67
3.3.6  格蘭杰因果檢驗 68
3.4  標簽 69
3.5  上機練習 69
第4章  EViews數(shù)據(jù)圖形化分析 70
4.1  基本繪圖功能 70
4.1.1  快速繪圖 70
4.1.2  圖形的個性化設置 71
4.1.3  圖形對象 73
4.2  分類圖 75
4.3  動態(tài)圖 78
4.4  上機練習 80
第2篇  EViews經典線性回歸模型
第5章  經典的回歸模型 84
5.1  經典線性回歸模型 84
5.1.1  經典線性回歸模型的假設 84
5.1.2  最小二乘估計 85
5.1.3  建立回歸模型的步驟 85
5.2  經典線性回歸模型的擬合 85
5.2.1  一元線性回歸模型的估計 86
5.2.2  多元線性回歸模型的擬合 97
5.2.3  非線性回歸模型的擬合 98
5.3  含虛擬變量的回歸模型 105
5.3.1  虛擬變量的含義 105
5.3.2  虛擬變量的擬合 105
5.4  上機練習 107
第6章  違背經典線性回歸模型假設的修正 109
6.1  多重共線性 109
6.1.1  多重共線性的含義和影響 109
6.1.2  多重共線性的解決方法 110
6.1.3  逐步回歸法 110
6.2  異方差 114
6.2.1  異方差的含義和影響 114
6.2.2  EViews異方差的修正 115
6.2.3  加權最小二乘法 115
6.3  自相關 121
6.3.1  自相關的原理 121
6.3.2  自相關的檢驗和修正 122
6.3.3  廣義最小二乘法 123
6.4  擾動項相關 128
6.4.1  擾動項原理 128
6.4.2  二階段最小二乘法 128
6.4.3  LIML與GMM方法 130
6.5  上機練習 131
第3篇  EViews時間序列模型
第7章  時間序列模型與預測 136
7.1  平穩(wěn)性和純隨機性 136
7.1.1  平穩(wěn)性 136
7.1.2  純隨機性 136
7.2  平穩(wěn)性檢驗和純隨機性檢驗 137
7.2.1  單位根檢驗 138
7.2.2  純隨機性檢驗 139
7.3  AR與MA模型 140
7.3.1  AR模型 140
7.3.2  經典線性回歸模型與AR模型 147
7.3.3  MA模型 148
7.4  ARMA模型 151
7.4.1  ARMA模型的擬合 152
7.4.2  ARMA模型的預測 156
7.5  單整與ARIMA模型 157
7.5.1  差分和單整 158
7.5.2  ARIMA (p, d, q)模型估計 158
7.5.3  ARIMA疏系數(shù)模型 164
7.6  上機練習 169
第8章  帶季節(jié)效應的時間序列模型 171
8.1  Census X-13季節(jié)調整模型 171
8.2  指數(shù)平滑預測模型 174
8.2.1  簡單指數(shù)平滑法 174
8.2.2  ETS指數(shù)平滑法 177
8.3  加法和乘法模型 178
8.4  ARIMA加法模型 181
8.5  ARIMA乘法模型 185
8.6  上機練習 189
第9章  條件異方差模型 191
9.1  異方差問題 191
9.1.1  異方差的定義 191
9.1.2  異方差的判斷 192
9.1.3  方差齊性變換 193
9.2  ARCH與GARCH模型 196
9.2.1  集群效應 196
9.2.2  ARCH模型 198
9.2.3  GARCH模型 199
9.3  GARCH模型的擬合 199
9.4  GARCH的衍生模型 211
9.4.1  IGARCH模型 211
9.4.2  GARCH-M模型 212
9.4.3  TGARCH模型 212
9.4.4  EGARCH模型 213
9.5  上機練習 213
第10章  向量自回歸模型 215
10.1  VAR模型的特征 215
10.2  VAR模型的估計 216
10.3  上機練習 227
第11章  協(xié)整相關模型 229
11.1  單整 229
11.1.1  單整的概念 229
11.1.2  單整的性質 229
11.2  協(xié)整 230
11.3  Engle-Granger協(xié)整檢驗 230
11.4  Johansen協(xié)整檢驗 235
11.5  誤差修正模型 239
11.5.1  ECM模型 240
11.5.2  VEC模型 242
11.6  自回歸分布滯后模型 246
11.6.1  ARDL模型的原理 246
11.6.2  ARDL模型估計 247
11.6.3  OLS估計 249
11.7  模型總結 250
11.8  上機練習 251
第4篇  EViews的其他模型
第12章  離散和受限因變量模型 254
12.1  二元因變量模型 254
12.1.1  二元因變量的原理 254
12.1.2  二元因變量模型的操作 255
12.2  審查回歸模型 257
12.2.1  審查回歸的原理 258
12.2.2  審查回歸模型的操作 258
12.3  截斷回歸模型 261
12.3.1  截斷回歸的原理 261
12.3.2  截斷回歸模型的操作 261
12.4  排序因變量模型 263
12.4.1  排序因變量的原理 263
12.4.2  排序因變量模型的操作 264
12.5  上機練習 267
第13章  混合數(shù)據(jù)與面板數(shù)據(jù)分析 269
13.1  混合數(shù)據(jù)與面板數(shù)據(jù)的區(qū)別 269
13.2  混合數(shù)據(jù)的分析 270
13.2.1  混合數(shù)據(jù)工作文件 270
13.2.2  混合數(shù)據(jù)對象 271
13.2.3  混合數(shù)據(jù)的操作 274
13.3  混合數(shù)據(jù)模型的估計 280
13.3.1  無固定效應模型 280
13.3.2  固定效應模型 282
13.3.3  隨機效應模型 284
13.3.4  模型檢驗 285
13.4  面板數(shù)據(jù)的分析 288
13.4.1  建立面板數(shù)據(jù)文件 288
13.4.2  面板數(shù)據(jù)模型的估計 290
13.5  上機練習 293
參考文獻 295