第一章 關於EViews的基本知識 1 第一節 EViews簡介 1 第二節 EViews的計量經濟學基本概念 4第二章 文件的建立和數據的描述 9 第一節 建立一個工作文件 9 第二節 檢查數據 19 第三節 數據繪製成麯綫 21 第四節 描述的統計量(I)escriptive Statistics) 28第三章 一元綫性迴歸模型的說明和估計 32 第一節 根據數據作圖 32 第二節 簡單迴歸的估計 35 第三節 簡單迴歸的作圖 41 第四節 殘差圖 44 第五節 EViews中簡單迴歸模型的預測 46第四章 最小二乘估計量的性質 48 第一節 模型中參數估計的方差和協方差 48 第二節 結果存儲 50 第三節 最小二乘殘差的作圖 52第五章 簡單迴歸模型的假設檢驗、區間估計和預測 第一節 模型參數的區間估計 54 第二節 模型參數的顯著性檢驗 57 第三節 EViews中簡單迴歸模型的預測 60第六章 新變量的生成與變量的圖形 65 第一節 利用已有的變量生成新變量 65 第二節 縮放數據的運算 70 第三節 變量的圖形 73 第四節 隨機項正態分布(Normally Distributed)檢驗 77第七章 多元迴歸模型 81 第一節 多元迴歸模型的最小二乘估計 81 第二節 簡單預測 83 第三節 方差的估計(estimation of the error variance) 85 第四節 參數最小二乘估計量的方差與協方差 87 第五節 區間估計 89第八章 多元迴歸模型的進一步討論 92 第一節 多元迴歸模型的單個係數的假設檢驗(hypothesis testing) 第二節 衡量擬閤優度 95 第三節 F-檢驗 97第九章 虛擬變量(二元選擇模型) 102 第一節 建立模型 102 第二節 設立時間趨勢變量 102 第三節 使用“邏輯”(logical)執行命令，構造虛擬變量 104 第四節 模型的估計和檢驗 105 第五節 利用部分樣本估計模型 107 第六節 利用EViews的chow檢驗 108第十章 非綫性模型 110 第一節 二個連續變量之間的相互作用 110 第二節 簡單非綫性模型的參數估計 113 第三節 邏輯增長麯綫(Logistic growth curve) 114第十一章 異方差性(Heteroskedasticity) 118 第一節 異方差的檢驗 118 第二節 懷特(White)對異方差的修正 123 第三節 廣義最小二乘法(加權最小二乘法) 126 第四節戈特菲爾德一奎恩特檢驗(Goldfeld—Quandt) 130第十二章 自相關(Autocorrelation) 135 第一節 殘差序列圖 136 第二節 廣義差分最JA-乘法(Generalized Least Squares)的運用 141 第三節 一階自相關(AR(1))模型的估計 144 第四節 杜賓-瓦爾特森(Durbin--Watson)檢驗 146 第五節 拉格朗日乘數(Lagrange Multiplier)自相關(Autocorrelation) 檢驗 147 第六節 一階自相關(AR(1))模型的預測(Prediction) 149第十三章 隨機自變量 (Random Regressors)模型 153 第一節 豪斯曼(Hausman)檢驗 154 第二節 消除隨機性解釋變量影響的方法——工具變量法 157第十四章 聯立方程模型(Simultaneous Equations Models) 159 第一節 對模型約簡式的估計(Estimating 4he Reduced Form) 161 第二節 兩階段最小二乘法(Two—Stage Least Squares)的應用 ——對模型中單個方程的估計 162 第三節 二階段最小二乘法的應用——對聯立方程模型的估計 165第十五章 分布滯後模型(Distributed Lag Models) 169 第一節 有限滯後模型(Finite Lag Models) 169 第二節 多項式無限分布滯後模型(Polynomial Distributed Lag Models) ——阿爾濛Almon估計法 172 第三節 有限滯後模型中滯後期數的判定 178 第四節 KOYCK模型的應用舉例 185第十六章 時間序列模型(Time Series Models) 187 第一節 平穩的時間序列(Stationary’Yime Series)的圖形 187 第二節 擬似迴歸(Spurious Regressions) 190 第三節 運用自相關函數檢驗數據的平穩性 193 第四節 單位根檢驗(Dickey-Fuller檢驗) 195 第五節 協整(Cointegration)檢驗的應用舉例 204第十七章 閤並時間序列數據與截麵混閤數據 208 第一節 閤並數據(Panel Data)模型的基本類型 208 第二節 閤並數據庫的建立 209 第三節 閤並數據模型的估計 214第十八章 自迴歸條件異方差(ARCH)模型 221 第一節 ARCH模型 221 第二節 ARCH效應檢驗 222 第三節 ARCH模型的參數估計 226 第四節 廣義自迴歸條件異方差模型 229第十九章 嚮量自迴歸模型 233 第一節 嚮量迴歸模型的概念 233、 第二節 VAR(P)的建立與估計 233 第三節 預測 239參考文獻 244
· · · · · · (收起)