目录 1
前言 1
第Ⅰ部分 数据分析基础 3
第1章 概率与统计基础 3
1.1 随机变量 3
1.1.1 概率分布 3
1.1.2 随机变量的数字特征 5
1.1.3 随机变量的联合分布 7
1.2 从总体到样本 9
1.2.1 基本统计量 9
1.2.2 估计量性质 11
1.3 一些重要的概率分布 12
1.3.1 正态分布 12
1.3.2 x2分布 14
1.3.3 t分布 15
1.3.4 F分布 16
1.4 统计推断 18
1.4.1 参数估计 18
1.4.2 假设检验 19
1.5 EViews软件的相关操作 22
1.5.1 单序列的统计量、检验和分布 22
1.5.2 多序列的显示和统计量 25
2.1 移动平均方法 28
2.1.1 简单的移动平均公式 28
第2章 经济时间序列的季节调整、分解与平滑 28
2.1.2 中心化移动平均 29
2.1.3 加权移动平均 29
2.2 季节调整 31
2.2.1 X11季节调整方法 31
2.2.2 Census X12季节调整方法 31
2.2.3 移动平均比率方法 39
2.2.4 TRAMO/SEATS方法 40
2.3.1 Hodrick-Prescott滤波方法 41
2.3 趋势分解 41
2.3.2 频谱滤波（BP滤波）方法 44
2.4 指数平滑方法 50
2.4.1 单指数平滑 50
2.4.2 双指数平滑 50
2.4.3 Holt-Winters乘法模型 50
2.4.4 Holt-Winters加法模型 51
2.4.5 Holt-Winters——无季节性模型 51
2.5 EViews软件的相关操作 52
2.5.2 X12季节调整方法 53
2.5.1 X11季节调整方法的操作 53
2.5.3 移动平均比率方法 58
2.5.4 Tramo/Seats方法 58
2.5.5 Hodrick-Prescott滤波 60
2.5.6 BP滤波 60
2.5.7 指数平滑法 62
第Ⅱ部分 基本的单方程分析 65
第3章 基本回归模型 65
3.1 古典线性回归模型 65
3.1.1 一元线性回归模型 65
3.1.2 最小二乘法 66
3.1.3 多元线性回归模型 68
3.1.4 系数估计量的性质 68
3.1.5 线性回归模型的检验 69
3.1.6 AIC准则和Schwarz准则 72
3.2 回归方程的函数形式 73
3.2.1 双对数线性模型 73
3.2.2 半对数模型 74
3.2.3 双曲函数模型 75
3.2.4 多项式回归模型 75
3.3 包含虚拟变量的回归模型 76
3.2.5 Box-Cox转换 76
3.3.1 回归中的虚拟变量 77
3.3.2 季节调整的虚拟变量方法 79
3.4 模型设定和假设检验 80
3.4.1 系数检验 80
3.4.2 残差检验 83
3.4.3 模型稳定性检验 83
3.5 方程模拟与预测 85
3.5.1 预测误差与方差 85
3.5.2 预测评价 86
3.6.1 设定回归方程形式和估计方程 88
3.6 EViews软件的相关操作 88
3.6.2 方程输出结果 90
3.6.3 与回归方程有关的操作 91
3.6.4 模型设定和假设检验 93
3.6.5 预测 95
3.7 附录 数据 96
第4章 其他回归方法 101
4.1 异方差 101
4.1.1 异方差检验 103
4.1.2 加权最小二乘估计 104
4.1.3 存在异方差时的一致协方差 107
4.2 二阶段最小二乘法 108
4.3 非线性最小二乘法 109
4.4 广义矩方法 112
4.4.1 矩法估计量 112
4.4.2 广义矩估计 113
4.5 多项式分布滞后模型 114
4.6 EViews软件的相关操作 117
4.6.1 White异方差检验 117
4.6.2 加权最小二乘法估计 117
4.6.5 在EViews中使用非线性最小二乘估计 119
4.6.4 在EViews中使用TSLS估计 119
4.6.3 White异方差一致协方差和Newey-West异方差自相关一致协方差 119
4.6.6 在EViews中使用GMM估计 121
4.6.7 在EViews中估计包含PDLs的模型 122
4.7 附录 广义最小二乘估计 124
第5章 时间序列模型 126
5.1 序列相关及其检验 126
5.1.1 序列相关及其产生的后果 126
5.1.2 序列相关的检验方法 127
5.1.3 扰动项存在序列相关的线性回归方程的估计与修正 130
5.2.1 平稳时间序列的概念 133
5.2.2 ARMA模型 133
5.2 平稳时间序列建模 133
5.2.3 ARMA模型的平稳性 134
5.2.4 ARMA模型的识别 137
5.3 非平稳时间序列建模 143
5.3.1 非平稳序列和单整 144
5.3.2 非平稳序列的单位根检验 145
5.3.3 ARIMA模型 152
5.4 协整和误差修正模型 154
5.4.1 协整关系 154
5.4.2 协整检验 155
5.4.3 误差修正模型（ECM） 157
5.5 EViews软件的相关操作 159
5.5.1 检验序列相关性 159
5.5.2 修正序列相关 160
5.5.3 ARMA（p,q）模型的估计 162
5.5.4 单位根检验 165
第Ⅲ部分 扩展的单方程分析 171
第6章 条件异方差模型 171
6.1 自回归条件异方差模型 171
6.1.1 ARCH模型 171
6.1.2 GARCH模型 173
6.1.4 ARCH的检验 175
6.1.3 GARCH模型的残差分布假设 175
6.1.5 GARCH-M模型 178
6.2 非对称的ARCH模型 180
6.2.1 TARCH模型 180
6.2.2 EGARCH模型 181
6.2.3 PARCH模型 182
6.2.4 非对称的信息冲击曲线 182
6.3 成分ARCH模型 184
6.4 EViews软件的相关操作 186
6.4.1 ARCH模型的建立 186
6.4.2 ARCH检验 189
6.4.3 ARCH模型的视图和过程 192
6.4.4 ARCH模型的输出 193
6.4.5 绘制估计的信息冲击曲线 198
第7章 离散因变量和受限因变量模型 200
7.1 二元选择模型 200
7.1.1 线性概率模型及二元选择模型的形式 200
7.1.2 二元选择模型的估计问题 202
7.1.3 二元选择模型的变量假设检验问题 204
7.2 排序选择模型 205
7.3 受限因变量模型 206
7.3.1 审查回归模型 207
7.4 计数模型 209
7.4.1 泊松模型的形式与参数估计 209
7.3.2 截断回归模型 209
7.4.2 负二项式模型的形式与参数估计 210
7.4.3 准—极大似然估计 210
7.5 EViews软件的相关操作 212
7.5.1 估计二元选择模型 212
7.5.2 估计排序选择模型 216
7.5.3 估计审查回归模型 218
7.5.4 估计计数模型 221
8.1.1 极大似然估计的基本原理 223
第8章 对数极大似然估计 223
8.1 对数极大似然估计的基本原理 223
8.1.2 极大似然估计量的计算方法 225
8.1.3 优化算法 226
8.2 对数极大似然的估计实例 228
8.2.1 一元线性回归模型的极大似然函数 228
8.2.2 AR（1）模型的极大似然函数 229
8.2.3 GARCH（q,p）模型的极大似然函数 231
8.2.4 具有异方差的一元线性回归模型的极大似然函数 233
8.3.1 似然对象的建立 235
8.3 EViews软件的相关操作 235
8.3.2 似然对象的估计、视图和过程 237
8.3.3 实例 239
8.3.4 问题解答 244
第Ⅳ部分 多方程分析 249
第9章 向量自回归和向量误差修正模型 249
9.1 向量自回归理论 249
9.1.1 VAR模型的一般表示 249
9.1.2 结构VAR模型（SVAR） 252
9.2.1 VAR模型的识别条件 254
9.2 结构VAR（SVAR）模型的识别条件 254
9.2.2 SVAR模型的约束形式 255
9.2.3 SVAR模型的3种类型 259
9.3 VAR模型的检验 260
9.3.1 Granger因果检验 260
9.3.2 滞后阶数p的确定 263
9.4 脉冲响应函数 264
9.4.1 脉冲响应函数的基本思想 264
9.4.2 多变量VAR模型的脉冲响应函数 265
9.4.3 SVAR模型的脉冲响应函数 268
9.5 方差分解 269
9.6 Johansen协整检验 272
9.6.1 特征根迹检验（trace检验） 273
9.6.2 最大特征值检验 274
9.6.3 协整方程的形式 274
9.7 向量误差修正模型（VEC） 276
9.8 EViews软件的相关操作 278
9.8.1 VAR模型的建立和估计 278
9.8.2 VAR模型的视图 281
9.8.3 VAR模型的过程 286
9.8.4 脉冲响应函数的产生 292
9.8.5 方差分解的实现 294
9.8.6 协整检验 295
9.8.7 如何估计VEC模型 297
第10章 利用横截面和时间序列数据的计量模型 302
10.1 时间序列／截面数据模型的基本原理 302
10.1.1 时间序列／截面数据模型概述 302
10.1.2 时间序列／截面数据模型分类 304
10.2 模型形式设定检验 305
10.3 变截距模型 306
10.3.1 固定影响变截距模型 306
10.3.2 随机影响变截距模型 316
10.4 变系数模型 321
10.4.1 固定影响变系数模型 322
10.4.2 随机影响变系数模型 324
10.5 时间序列／截面数据模型系数协方差的White估计方法 325
10.6 时间序列／截面数据的单位根检验 327
10.7 EViews软件的相关操作 331
10.7.1 含有Pool对象的工作文件 331
10.7.2 Pool对象中数据处理 333
10.7.3 Pool对象的模型估计 340
10.7.4 面板结构的工作文件 347
10.8 附录：数据 348
11.1 状态空间模型的定义 353
第11章 状态空间模型和卡尔曼滤波 353
11.2 卡尔曼滤波 355
11.2.1 Kalman滤波的一般形式 356
11.2.2 Kalman滤波的解释和性质 357
11.2.3 修正的Kalman滤波递推公式 359
11.2.4 非时变模型及Kalman滤波的收敛性 360
11.2.5 Kalman滤波的初始条件 360
11.3 状态空间模型超参数的估计 360
11.4 状态空间模型的应用 361
11.4.1 可变参数模型的状态空间表示 362
11.4.2 季节调整的状态空间形式 366
11.4.3 ARMAX模型的状态空间形式 369
11.5 EViews软件的相关操作 371
11.5.1 定义状态空间模型 371
11.5.2 估计状态空间模型 378
11.5.3 状态空间模型的视窗和过程 379
第12章 联立方程模型的估计与模拟 386
12.1 联立方程系统概述 386
12.1.1 联立方程系统的基本概念 387
12.1.2 联立方程系统的识别 391
12.1.3 一个小型中国宏观经济联立方程模型 392
12.2 联立方程系统的估计方法 394
12.2.1 单方程估计方法 396
12.2.2 系统方程估计方法 402
12.3 联立方程模型的模拟 409
12.3.1 联立方程模型概述 409
12.3.2 模型模拟的分类 410
12.3.3 模型的评估 413
12.3.4 情景分析 414
12.4 EViews软件的相关操作 418
12.4.1 联立方程系统的基本操作 418
12.4.2 联立方程模型的模拟与预测 424
12.4.3 联立方程模型的求解 432
12.4.4 联立方程模型的数据操作 438
附录A EViews软件基础 441
A.1 EViews软件简介 441
A.1.1 安装和启动EViews 441
A.1.2 EViews窗口 442
A.1.3 关闭EViews 443
A.1.4 寻求帮助 443
A.2 工作文件（Workfile）基础 443
A.2.2 创建工作文件 444
A.2.1 工作文件的基本概念 444
A.2.3 工作文件的相关操作 449
A.3 对象（Object）基础 451
A.3.1 对象的概念 452
A.3.2 基本对象操作 453
A.4 基本数据处理 456
A.4.1 数据对象 456
A.4.2 数据的输入输出 458
A.4.3 频率转换 460
A.5 数据操作 461
A.5.1 数学表达式 461
A.5.2 序列操作 463
A.5.3 自动序列（Auto-Series）操作 464
A.5.4 字符串序列（Alpha Series）操作 466
A.5.5 日期序列操作（Date Series） 468
A.6 序列链接（Sries link） 469
A.6.1 基本链接概念 469
A.6.2 创建链接 469
A.6.3 基本链接方式 473
A.6.4 链接处理 475
A.7 EViews数据库简介 478
A.8.1 图对象 479
A.8 图、表和文本对象 479
A.8.2 表对象 482
A.8.3 文本对象 483
附录B EViews程序设计 484
B.1 程序设计基础 484
B.1.1 创建程序 484
B.1.2 存储程序 485
B.1.3 打开程序 485
B.1.4 运行程序 485
B.2 程序变量 486
B.2.1 控制变量 486
B.1.5 终止程序 486
B.2.2 字符串变量 487
B.2.3 字符串操作 488
B.2.4 替代变量 490
B.2.5 程序参数 491
B.3 控制程序 492
B.3.1 IF语句 492
B.3.2 FOR循环 494
B.3.3 WHILE循环 497
B.3.4 处理执行错误 498
B.4 多程序文件 499
B.3.5 其他控制工具 499
B.5 子程序 500
B.5.1 定义子程序 500
B.5.2 带有参数的子程序 501
B.5.3 子程序放置 501
B.5.4 调用子程序 502
B.5.5 全局变量和局部变量 503
B.5.6 全局子程序 503
B.5.7 局部子程序 505
C.1.1 设定估计选项 507
C.1 估计选项和非线性估计算法 507
附录C EViews软件的辅助说明 507
C.1.2 非线性方程估计方法 510
C.2 梯度和导数 511
C.2.1 梯度 512
C.2.2 导数 514
C.3 信息准则 516
附录D EViews中的常用函数 518
D.1 公式中的运算符号及其含义 518
D.2 时间序列函数及其含义 518
D.3 序列描述性统计量的＠函数及其含义 519
D.6 回归统计量的＠函数及其含义 520
D.4 三角函数 520
D.5 统计函数 520
D.7 返回向量（vector）或矩阵（matrix）对象的函数 521
附录E 数据 522
E.1 中国数据 522
E.1.1 年度数据 522
E.1.2 季度数据 524
E.1.3 月度数据 525
E.2 美国数据 529
参考文献 532