初級計量經(jīng)濟學：Eviews的應用（第二版）

第1章EViews簡介.
1.1創(chuàng)建工作文檔
1.2導人文本(ASCII)數(shù)據(jù)文件
1.3導人Excel文件中的數(shù)據(jù)
1.4手動錄人數(shù)據(jù)
1.5EViews幫助菜單
1.6檢查數(shù)據(jù)
1.7繪制數(shù)據(jù)的圖示
1.8描述統(tǒng)計量
1.9直方圖
1.10創(chuàng)建和刪除變量
1.11基本數(shù)學運算
1.12使用EViews中的函數(shù)
1.13創(chuàng)建系數(shù)向量
第2章計算正態(tài)概率
2.1累積正態(tài)概率
2.2計算正態(tài)分布百分位數(shù)
第3章簡單線性回歸模型：設(shè)定與估計
3.1繪制“食品支出”數(shù)據(jù)圖示?
3.2估計簡單回歸
3.3繪制簡單回歸
3.4繪制最小二乘殘差
3.5在EViews中使用簡單回歸來預測
第4章最小二乘估計的性質(zhì)
4.1“食品支出”例子的估計方差與協(xié)方差
4.2保存結(jié)果
4.3研究回歸統(tǒng)計量
4.4最小二乘殘差圖
第5章簡單回歸模型的推論
5.1使用“食品支出”的例子作區(qū)間估計
5.2雙側(cè)檢驗
5.3“食品支出”例子的顯著性檢驗
5.4“食品支出”例子的單側(cè)檢驗
5.5“食品支出”例子的預測
第6章簡單線性回歸模型：報告結(jié)果與選擇函數(shù)形式
6.1判定系數(shù)
6.2按比例改變數(shù)據(jù)的影響
6.3選擇函數(shù)形式：實證中的一些問題
6.4殘差服從正態(tài)分布嗎?
第7章多元回歸模型
7.1多元回歸模型的最小二乘估計
7.2簡單的預測
7.3誤差項方差的估計
7.4最小二乘估計的方差與協(xié)方差
7.5區(qū)間估計
7.6單個系數(shù)的假設(shè)檢驗
7.7擬合優(yōu)度
第8章多元回歸模型的進一步推論
8.1F檢驗
8.2檢驗模型的顯著性
8.3延伸模型
8.4“廣告”的顯著性
8.5“廣告”的最佳程度
8.6“廣告與價格”的最佳程度
8.7非樣本信息的使用
第9章虛設(shè)變量
9.1鄰近大學對房價的影響
9.2鄒氏檢驗的一個實證例子..
第10章非線性模型
10.1兩個連續(xù)變量的互動
10.2簡單的參數(shù)非線性模型
10.3Logistic增長曲線
10.4泊松回歸
第11章異方差
11.1診斷異方差
11.2White最小二乘方差近似估計
11.3比例異方差
11.4Goldfeld-Quandt檢驗
11.5異方差分隔的樣本
11.6對方差假設(shè)的檢驗
第12章自相關(guān)
12.1殘差圖示
12.2應用廣義最小二乘法
12.3用EViews估計帶有AR(1)誤差項的模型
12.4Durbin-Watson自相關(guān)檢驗
12.5拉格朗日乘數(shù)(LM)自相關(guān)檢驗
12.6對帶有AR(1)誤差項的模型做預測
12.7使用EViews對帶有AR(1)誤差項的模型做預測
第13章隨機回歸變量和矩估計法
13.1當cov(x,e)≠0時最小二乘法的統(tǒng)計不一致性
13.2度量誤差造成結(jié)果的例示
13.3工具變量估計的實證例子
13.4Hausman檢驗的實證例字
第14章聯(lián)立方程式模型
14.1估計簡化式
14.2對一個等式的兩階段最小二乘估計
14.3對聯(lián)立方程式的兩階段最小二乘估計
第15章分布式滯后模型
15.1有限期滯后模型
15.2多項式分布滯后期模型
15.3有限滯后期數(shù)的選擇
15.4ARDL模型的示范
第16章以時間序列數(shù)據(jù)進行回歸
16.1穩(wěn)定時間序列
16.2偽回歸
16.2用自相關(guān)函數(shù)檢查穩(wěn)定性
16.4Dickey-Fuller檢驗：范例
16.5協(xié)整檢驗范例
第17章時間序列與橫斷數(shù)據(jù)的混合使用
17.1估計分開的等式
17.2分開還是聯(lián)合估計
17.3虛擬變量的設(shè)定
17.4誤差組成模型
第18章定性的及有限的因變量模型
18.1范例
第19章從網(wǎng)絡(luò)獲得數(shù)據(jù)
19.1從Economagic上獲取數(shù)據(jù)
19.2獲得文本格式的數(shù)據(jù)...