EViews的使用

　　第一章 关于EViews的基本知识 1
　　 第一节 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
　　 第一节 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)escriptive Statistics) 28
　　第三章 一元线性回归模型的说明和估计 32
　　 第一节 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 最小二乘估计量的性质 48
　　 第一节 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 最小二乘残差的作图 52
　　第五章 简单回归模型的假设检验、区间估计和预测
　　 第一节 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
　　 第一节 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(Normally Distributed)检验 77
　　第七章 多元回归模型 81
　　 第一节 多元回归模型的最小二乘估计 81
　　 第二节 简单预测 83
　　 第三节 方差的估计(estimation of the error variance) 85
　　 第四节 参数最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
　　 第一节 多元回归模型的单个系数的假设检验(hypothesis testing)
　　 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
　　 第一节 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
　　 第一节 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(Logistic growth curve) 114
　　第十一章 异方差性(Heteroskedasticity) 118
　　 第一节 异方差的检验 118
　　 第二节 怀特(White)对异方差的修正 123
　　 第三节 广义最小二乘法(加权最小二乘法) 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
　　 第一节 残差序列图 136
　　 第二节 广义差分最JA-乘法(Generalized Least Squares)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(Lagrange Multiplier)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 (Random Regressors)模型 153
　　 第一节 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(Simultaneous Equations Models) 159
　　 第一节 对模型约简式的估计(Estimating 4he Reduced Form) 161
　　 第二节 两阶段最小二乘法(Two—Stage Least Squares)的应用
　　 ——对模型中单个方程的估计 162
　　 第三节 二阶段最小二乘法的应用——对联立方程模型的估计 165
　　第十五章 分布滞后模型(Distributed Lag Models) 169
　　 第一节 有限滞后模型(Finite Lag Models) 169
　　 第二节 多项式无限分布滞后模型(Polynomial Distributed Lag Models)
　　 ——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(Time Series Models) 187
　　 第一节 平稳的时间序列(Stationary’Yime Series)的图形 187
　　 第二节 拟似回归(Spurious Regressions) 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
　　 第一节 合并数据(Panel Data)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
　　 第一节 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
　　 第一节 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