第1章 EViews软件基础 1
1.1 EViews软件简介 1
1.1.1 EViews的产生和发展 1
1.1.2 EViews的特点 2
1.2 EViews软件的安装与启动 2
1.2.1 EViews软件的安装 2
1.2.2 EViews软件的启动 3
1.3 EViews软件的主要功能简介 4
1.3.1 EViews主要窗口简介 4
1.3.2 EViews主要功能 5
1.4 EViews相关的概率与统计基础知识 6
1.4.1 概率分布 6
1.4.2 常见估计 10
1.4.3 假设检验 11
1.5 本章小结 12
1.6 习题 13
第2章 EViews工作界面介绍 14
2.1 工作文件 14
2.1.1 工作文件的建立 14
2.1.2 工作文件窗口简介 16
2.1.3 工作文件的保存 17
2.1.4 工作文件的功能键介绍 18
2.2 基本对象 20
2.2.1 对象的建立与命名 20
2.2.2 对象的视图 21
2.2.3 对象的过程 21
2.2.4 常用对象介绍 22
2.3 本章小结 22
2.4 习题 23
第3章 序列对象的基本操作 24
3.1 序列对象的建立与打开 24
3.2 序列对象窗口简介 25
3.3 数据的处理 28
3.3.1 数据的输入 28
3.3.2 数据的输出 32
3.3.3 季节调整 33
3.4 样本范围的设定 36
3.5 序列组（群）对象介绍 36
3.5.1 序列组（群）对象的作用 37
3.5.2 序列组（群）对象的建立 37
3.5.3 序列组（群）对象的打开与删除 38
3.6 本章小结 39
3.7 习题 39
第4章 图形和统计量分析 42
4.1 图形对象 42
4.1.1 图形（Graph）对象的生成 42
4.1.2 图形的冻结 45
4.1.3 图形的复制 45
4.2 描述性统计量 45
4.2.1 描述性统计量概述 45
4.2.2 描述性统计量检验 48
4.3 相关分析 51
4.4 单位根检验 53
4.5 Granger因果检验 56
4.6 本章小结 57
4.7 习题 57
第5章 基本回归模型的OLS估计 59
5.1 普通最小二乘法（OLS） 59
5.1.1 最小二乘原理 59
5.1.2 方程对象 60
5.2 一元线性回归模型 63
5.2.1 模型设定 63
5.2.2 实际值、拟合值和残差 63
5.3 多元线性回归模型 65
5.4 线性回归模型的基本假定 68
5.5 线性回归模型的检验 69
5.5.1 拟合优度检验 69
5.5.2 显著性检验 70
5.5.3 异方差检验 72
5.5.4 序列相关检验 75
5.5.5 多重共线性 78
5.6 本章小结 79
5.7 习题 80
第6章 单方程模型的其他估计方法 83
6.1 加权最小二乘法（WLS） 83
6.1.1 异方差问题的解决 83
6.1.2 EViews实例操作 85
6.2 广义最小二乘法（GLS） 89
6.3 两阶段最小二乘法（TSLS） 90
6.3.1 方法说明 90
6.3.2 EViews实例操作 91
6.3.3 消除序列相关的两阶段最小二乘法（TSLS） 93
6.4 非线性最小二乘法（NLS） 94
6.4.1 方法说明 95
6.4.2 EViews实例操作 96
6.5 广义矩估计法（GMM） 98
6.5.1 方法说明 98
6.5.2 EViews实例操作 99
6.6 本章小结 101
6.7 习题 101
第7章 含虚拟变量的回归模型 104
7.1 什么是虚拟变量 104
7.2 含虚拟变量的模型 104
7.2.1 仅含一个虚拟解释变量的模型 105
7.2.2 含有虚拟解释变量和定量解释变量的模型 107
7.3 用虚拟变量法进行季节调整 110
7.4 本章小结 114
7.5 习题 115
第8章 时间序列模型 117
8.1 时间序列的趋势分解 117
8.2 时间序列的指数平滑 119
8.3 随机过程 121
8.4 时间序列模型的分类 123
8.4.1 自回归模型AR（p） 123
8.4.2 移动平均模型MA（q） 123
8.4.3 自回归移动平均模型ARMA（p,q） 124
8.4.4 自回归单整移动平均模型ARIMA（p,d,q） 128
8.5 协整和误差修正模型 131
8.5.1 协整（Co-Integration） 131
8.5.2 误差修正模型（ECM） 135
8.6 本章小结 137
8.7 习题 137
第9章 条件异方差模型 139
9.1 自回归条件异方差（ARCH）模型 139
9.1.1 ARCH模型 139
9.1.2 ARCH模型的检验 140
9.1.3 ARCH模型的建立 143
9.2 广义自回归条件异方差（GARCH）模型 146
9.2.1 GARCH模型 146
9.2.2 GARCH模型的建立 147
9.3 ARCH模型的其他扩展形式 150
9.3.1 ARCH—M模型 151
9.3.2 TARCH模型 154
9.3.3 EGARCH模型 155
9.4 本章小结 155
9.5 习题 155
第10章 离散因变量和受限因变量模型 159
10.1 二元选择模型 159
10.1.1 二元选择模型的形式 159
10.1.2 二元选择模型的建立 162
10.1.3 二元选择模型的分析 166
10.2 排序选择模型 169
10.2.1 排序选择模型的类型 170
10.2.2 排序选择模型的建立 171
10.2.3 排序选择模型的分析 173
10.3 受限因变量模型 176
10.3.1 审查回归模型（Censored Regression Model） 176
10.3.2 审查回归模型的建立 177
10.3.3 截断回归模型（Truncated Regression Model） 180
10.4 计数模型（Count Model） 181
10.4.1 泊松模型 181
10.4.2 负二项式模型 181
10.4.3 拟极大似然估计（QML） 182
10.4.4 计数模型的建立 182
10.5 本章小结 186
10.6 习题 186
第11章 VAR模型和VEC模型 189
11.1 向量自回归（VAR）模型 189
11.1.1 向量自回归理论 189
11.1.2 结构VAR模型（SVAR） 190
11.1.3 VAR模型的建立 191
11.1.4 VAR模型的检验 194
11.2 脉冲响应函数 197
11.3 方差分解 200
11.4 Johansen协整检验模型 202
11.4.1 Johansen协整理论 202
11.4.2 Johansen协整检验 202
11.5 向量误差修正（VEC）模型 205
11.5.1 VEC模型理论 205
11.5.2 VEC模型估计 206
11.6 本章小结 209
11.7 习题 209
第12章 面板数据模型 211
12.1 面板数据模型原理 211
12.2 Pool对象的基本操作 212
12.2.1 Pool对象的建立 212
12.2.2 Pool对象数据的输入 214
12.2.3 Pool对象数据的分析 221
12.3 Pool对象模型估计 223
12.4 本章小结 225
12.5 习题 226
第13章 状态空间模型 230
13.1 状态空间模型基本理论 230
13.2 卡尔滤波 231
13.3 状态空间模型的建立 232
13.4 状态空间模型的估计 238
13.5 状态空间模型的视图和过程 240
13.5.1 状态空间模型的视图 240
13.5.2 状态空间模型的过程 242
13.6 本章小结 245
13.7 习题 245
第14章 联立方程模型 249
14.1 联立方程模型概述 249
14.1.1 联立方程模型 249
14.1.2 联立方程模型的基本概念 250
14.2 联立方程模型的识别 252
14.2.1 结构式方程识别条件 253
14.2.2 简化式方程识别条件 253
14.3 联立方程模型的估计方法 253
14.3.1 三阶段最小二乘估计法（3SLS） 254
14.3.2 完全信息极大似然估计法（FIML） 254
14.4 联立方程系统的建立 254
14.5 联立方程模型的模拟 260
14.6 联立方程模型的求解 261
14.7 本章小结 264
14.8 习题 265
第15章 EViews程序设计 268
15.1 EViews命令基础 268
15.1.1 工作文件命令 268
15.1.2 对象命令 270
15.1.3 模型基础命令 270
15.2 程序变量 276
15.2.1 控制变量 276
15.2.2 字符串变量 277
15.2.3 置换变量 278
15.2.4 程序中的形式参数 279
15.3 EViews控制程序语句 280
15.3.1 IF条件语句 280
15.3.2 FOR循环语句 281
15.3.3 WHILE循环语句 283
15.4 子程序 284
15.5 本章小结 285
15.6 习题 285
参考文献 287