EVIEWS在数据分析中的应用

目录 第1篇 EViews数据分析基础 第1章 EViews概述 2 1.1 EViews基础 2 1.1.1 EViews的版本和安装 2 1.1.2 EViews的启动与退出 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 读取外部数据 7 1.2.3 工作文件窗口 9 1.3 对象 10 1.3.1 对象的建立 11 1.3.2 对象窗口 11 1.3.3 生成新序列 13 1.4 上机练习 14 第2章 EViews基本数据分析（单序列） 16 2.1 数据的展示 16 2.1.1 电子表格 17 2.1.2 绘图 17 2.2 基本统计量分析和检验 18 2.2.1 描述性统计量和检验 18 2.2.2 单因素统计表 31 2.2.3 重复值分析 32 2.3 时间序列分析 34 2.3.1 相关图 34 2.3.2 长期方差 35 2.3.3 单位根检验 36 2.3.4 断点单位根检验 38 2.3.5 季节单位根检验 40 2.3.6 方差比率检验 42 2.3.7 BDS独立性检验 45 2.3.8 预测效果评估 45 2.3.9 小波分析 48 2.4 标签 48 2.5 上机练习 49 第3章 EViews基本数据分析（序列组） 51 3.1 数据展示和基本操作 51 3.1.1 建立组 51 3.1.2 序列组数据比较 53 3.1.3 建立带日期的数据表格 53 3.1.4 序列组绘图 55 3.2 基本统计量分析和检验 55 3.2.1 基本描述性统计量和检验 55 3.2.2 多因素统计表分析 56 3.2.3 重复值分析 59 3.2.4 协方差和相关性分析 59 3.2.5 齐性检验 61 3.2.6 主成分分析 61 3.3 时间序列分析 64 3.3.1 相关图 65 3.3.2 交叉相关关系 65 3.3.3 长期方差 66 3.3.4 单位根检验 66 3.3.5 协整检验 67 3.3.6 格兰杰因果检验 68 3.4 标签 69 3.5 上机练习 69 第4章 EViews数据图形化分析 70 4.1 基本绘图功能 70 4.1.1 快速绘图 70 4.1.2 图形的个性化设置 71 4.1.3 图形对象 73 4.2 分类图 75 4.3 动态图 78 4.4 上机练习 80 第2篇 EViews经典线性回归模型 第5章 经典的回归模型 84 5.1 经典线性回归模型 84 5.1.1 经典线性回归模型的假设 84 5.1.2 *小二乘估计 85 5.1.3 建立回归模型的步骤 85 5.2 经典线性回归模型的拟合 85 5.2.1 一元线性回归模型的估计 86 5.2.2 多元线性回归模型的拟合 97 5.2.3 非线性回归模型的拟合 98 5.3 含虚拟变量的回归模型 105 5.3.1 虚拟变量的含义 105 5.3.2 虚拟变量的拟合 105 5.4 上机练习 107 第6章 违背经典线性回归模型假设的修正 109 6.1 多重共线性 109 6.1.1 多重共线性的含义和影响 109 6.1.2 多重共线性的解决方法 110 6.1.3 逐步回归法 110 6.2 异方差 114 6.2.1 异方差的含义和影响 114 6.2.2 EViews异方差的修正 115 6.2.3 加权*小二乘法 115 6.3 自相关 121 6.3.1 自相关的原理 121 6.3.2 自相关的检验和修正 122 6.3.3 广义*小二乘法 123 6.4 扰动项相关 128 6.4.1 扰动项原理 128 6.4.2 二阶段*小二乘法 128 6.4.3 LIML与GMM方法 130 6.5 上机练习 131 第3篇 EViews时间序列模型 第7章 时间序列模型与预测 136 7.1 平稳性和纯随机性 136 7.1.1 平稳性 136 7.1.2 纯随机性 136 7.2 平稳性检验和纯随机性检验 137 7.2.1 单位根检验 138 7.2.2 纯随机性检验 139 7.3 AR与MA模型 140 7.3.1 AR模型 140 7.3.2 经典线性回归模型与AR模型 147 7.3.3 MA模型 148 7.4 ARMA模型 151 7.4.1 ARMA模型的拟合 152 7.4.2 ARMA模型的预测 156 7.5 单整与ARIMA模型 157 7.5.1 差分和单整 158 7.5.2 ARIMA (p, d, q)模型估计 158 7.5.3 ARIMA疏系数模型 164 7.6 上机练习 169 第8章 带季节效应的时间序列模型 171 8.1 Census X-13季节调整模型 171 8.2 指数平滑预测模型 174 8.2.1 简单指数平滑法 174 8.2.2 ETS指数平滑法 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 上机练习 189 第9章 条件异方差模型 191 9.1 异方差问题 191 9.1.1 异方差的定义 191 9.1.2 异方差的判断 192 9.1.3 方差齐性变换 193 9.2 ARCH与GARCH模型 196 9.2.1 集群效应 196 9.2.2 ARCH模型 198 9.2.3 GARCH模型 199 9.3 GARCH模型的拟合 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 上机练习 213 第10章 向量自回归模型 215 10.1 VAR模型的特征 215 10.2 VAR模型的估计 216 10.3 上机练习 227 第11章 协整相关模型 229 11.1 单整 229 11.1.1 单整的概念 229 11.1.2 单整的性质 229 11.2 协整 230 11.3 Engle-Granger协整检验 230 11.4 Johansen协整检验 235 11.5 误差修正模型 239 11.5.1 ECM模型 240 11.5.2 VEC模型 242 11.6 自回归分布滞后模型 246 11.6.1 ARDL模型的原理 246 11.6.2 ARDL模型估计 247 11.6.3 OLS估计 249 11.7 模型总结 250 11.8 上机练习 251 第4篇 EViews的其他模型 第12章 离散和受限因变量模型 254 12.1 二元因变量模型 254 12.1.1 二元因变量的原理 254 12.1.2 二元因变量模型的操作 255 12.2 审查回归模型 257 12.2.1 审查回归的原理 258 12.2.2 审查回归模型的操作 258 12.3 截断回归模型 261 12.3.1 截断回归的原理 261 12.3.2 截断回归模型的操作 261 12.4 排序因变量模型 263 12.4.1 排序因变量的原理 263 12.4.2 排序因变量模型的操作 264 12.5 上机练习 267 第13章 混合数据与面板数据分析 269 13.1 混合数据与面板数据的区别 269 13.2 混合数据的分析 270 13.2.1 混合数据工作文件 270 13.2.2 混合数据对象 271 13.2.3 混合数据的操作 274 13.3 混合数据模型的估计 280 13.3.1 无固定效应模型 280 13.3.2 固定效应模型 282 13.3.3 随机效应模型 284 13.3.4 模型检验 285 13.4 面板数据的分析 288 13.4.1 建立面板数据文件 288 13.4.2 面板数据模型的估计 290 13.5 上机练习 293 参考文献 295