包邮计量经济学软件---EViews 的使用

**章关于EViews的基本知识1
**节EViews简介1
第二节EViews的计量经济学基本概念4
第二章文件的建立和数据的描述9
**节建立一个工作文件9
第二节检查数据19
第三节数据绘制成曲线21
第四节描述的统计量(I)escriptiveStatistics)28
第三章一元线性回归模型的说明和估计32
**节根据数据作图32
第二节简单回归的估计35
第三节简单回归的作图41
第四节残差图44
第五节EViews中简单回归模型的预测46
第四章*小二乘估计量的性质48
**节模型中参数估计的方差和协方差48
第二节结果存储50
第三节*小二乘残差的作图52
第五章简单回归模型的假设检验、区间估计和预测
**节模型参数的区间估计54
第二节模型参数的显著性检验57
第三节EViews中简单回归模型的预测60
第六章新变量的生成与变量的图形65
**节利用已有的变量生成新变量65
第二节缩放数据的运算70
第三节变量的图形73
第四节随机项正态分布(NormallyDistributed)检验77
第七章多元回归模型81
**节多元回归模型的*小二乘估计81
第二节简单预测83
第三节方差的估计(estimationoftheerrorvariance)85
第四节参数*小二乘估计量的方差与协方差87
第五节区间估计89
第八章多元回归模型的进一步讨论92
**节多元回归模型的单个系数的假设检验(hypothesistesting)
第二节衡量拟合优度95
第三节F-检验97
第九章虚拟变量(二元选择模型)102
**节建立模型102
第二节设立时间趋势变量102
第三节使用“逻辑”(logical)执行命令，构造虚拟变量104
第四节模型的估计和检验105
第五节利用部分样本估计模型107
第六节利用EViews的chow检验108
第十章非线性模型110
**节二个连续变量之间的相互作用110
第二节简单非线性模型的参数估计113
第三节逻辑增长曲线(Logisticgrowthcurve)114
第十一章异方差性(Heteroskedasticity)118
**节异方差的检验118
第二节怀特(White)对异方差的修正123
第三节广义*小二乘法(加权*小二乘法)126
第四节戈特菲尔德一奎恩特检验(Goldfeld—Quandt)130
第十二章自相关(Autocorrelation)135
**节残差序列图136
第二节广义差分*JA-乘法(GeneralizedLeastSquares)的运用141
第三节一阶自相关(AR(1))模型的估计144
第四节杜宾-瓦尔特森(Durbin--Watson)检验146
第五节拉格朗日乘数(LagrangeMultiplier)自相关(Autocorrelation)
检验147
第六节一阶自相关(AR(1))模型的预测(Prediction)149
第十三章随机自变量(RandomRegressors)模型153
**节豪斯曼(Hausman)检验154
第二节消除随机性解释变量影响的方法——工具变量法157
第十四章联立方程模型(SimultaneousEquationsModels)159
**节对模型约简式的估计(Estimating4heReducedForm)161
第二节两阶段*小二乘法(Two—StageLeastSquares)的应用
——对模型中单个方程的估计162
第三节二阶段*小二乘法的应用——对联立方程模型的估计165
第十五章分布滞后模型(DistributedLagModels)169
**节有限滞后模型(FiniteLagModels)169
第二节多项式无限分布滞后模型(PolynomialDistributedLagModels)
——阿尔蒙Almon估计法172
第三节有限滞后模型中滞后期数的判定178
第四节KOYCK模型的应用举例185
第十六章时间序列模型(TimeSeriesModels)187
**节平稳的时间序列(Stationary’YimeSeries)的图形187
第二节拟似回归(SpuriousRegressions)190
第三节运用自相关函数检验数据的平稳性193
第四节单位根检验(Dickey-Fuller检验)195
第五节协整(Cointegration)检验的应用举例204
第十七章合并时间序列数据与截面混合数据208
**节合并数据(PanelData)模型的基本类型208
第二节合并数据库的建立209
第三节合并数据模型的估计214
第十八章自回归条件异方差(ARCH)模型221
**节ARCH模型221
第二节ARCH效应检验222
第三节ARCH模型的参数估计226
第四节广义自回归条件异方差模型229
第十九章向量自回归模型233
**节向量回归模型的概念233、
第二节VAR(P)的建立与估计233
第三节预测239
参考文献244