經濟計量分析方法與建模電子書

① 計量經濟分析方法與建模：EViews應用及實例的目錄

第Ⅰ部分 數據分析基礎
第1章 概率與統計基礎
1．1 隨機變數
1．1．1 概率分布
1．1．2 隨機變數的數字特徵
1．1．3 隨機變數的聯合分布
1．2 從總體到樣本
1．2．1 基本統計量
1．2．2 估計量性質
1．3 一些重要的概率分布
1．3．1 正態分布
1．3．2 X分布
1．3．3 t分布
1．3．4 F分布
1．4 統計推斷
1．4．1 參數估計
1．4．2 假設檢驗
1．5 EViews軟體的相關操作
1．5．1 單序列的統計量、檢驗和分布
1．5．2 多序列的顯示和統計量
第2章 經濟時間序列的季節調整、分解與平滑
2．1 移動平均方法
2．1．1 簡單的移動平均公式
2．1．2 中心化移動平均
2．1．3 加權移動平均
2．2 季節調整
2．2．1 X11季節調整方法
2．2．2 CensusX12季節調整方法
2．2．3 移動平均比率方法
2．2．4 TRAMO/SEATS方法
2．3 趨勢分解
2．3．1 Hodrick—Prescott濾波方法
2．3．2 頻譜濾波(BP濾波)方法
2．4 指數平滑方法
2．4．1 單指數平滑
2．4．2 雙指數平滑
2．4．3 Holt—winters乘法模型
2．4．4 Holt—winters加法模型
2．4．5 Holt—Winters——無季節性模型
2．5 EViews軟體的相關操春困作
2．5．1 X11季節調整方法的操作
2．5．2 X12季節調整方法
2．5．3 移動平均比率方法
2．5．4 Tramo/Seats方法
2．5．5 Hodrick—Prescott濾波
2．5．6 BP濾波
2．5．7 指數平滑法
第Ⅱ部分 基本的單方程分析
第3章 基本回歸模型
3．1 古典線性回歸模型
3．1．1 一元線性回歸模型
3．1．2 最小二乘法
3．1．3 多元線性回歸模型
3．1．4 系數估計量的性質
3．1．5 線性回歸模型的檢驗
3．1．6 AIC准則和Schwarz准則
3．2 回歸方程的函數形式
3．2．1 雙對數線性模型
3．2．2 半對數模型
3．2．3 雙曲函數模型
3．2．4 多項式回歸模型
3．2．5 Box—Cox轉換
3．3 包含虛擬變數的回歸模型
3．3．1 回歸中的虛擬變數
3．3．2 季節調整的虛擬變數方法
3．4 模型設定和假設檢驗
3．4．1 系數檢驗
3．4．2 殘差檢驗
3．4．3 模型穩定性檢驗
3．5 方程模擬與預測
3．5．1 預測誤差與方差
3．5．2 預測評價
3．6 Eviews軟體的相關操作
3．6．1 設定回歸方程形式和估計方程
3．6．2 方睜森隱程輸出結果
3．6．3 與回歸方程有關的操作
3．6．4 模型設定和假設檢驗
3．6．5 預測
第4章 其他回歸方法
4．1 異方差
4．1．1 異方差檢驗悉廳
4．1．2 加權最小二乘估計
4．1．3 存在異方差時參數估計量的一致協方差
4．2 二階段最小二乘法
4．3 非線性最小二乘法
4．4 廣義矩方法
4．4．1 矩法估計量
4．4．2 廣義矩估計
4．5 多項式分布滯後模型
4．6 逐步最小二乘回歸
4．7 分位數回歸
4．7．1 分位數回歸的基本思想和系數估計
4．7．2 系數協方差的估計
4．7．3 模型評價和檢驗
4．8 非參數回歸模型
4．8．1 密度函數的非參數估計
4．8．2 一元非參數計量經濟模型
4．9 EViews軟體的相關操作
4．9．1 異方差檢驗
4．9．2 加權最小二乘法估計
4．9．3 white異方差一致協方差和Newey—west異方差自相關一致協方差
4．9．4 在EViews中使用TsLs估計
4．9．5 在EViews中使用非線性最小二乘估計
4．9．6 在EViews中使用GMM進行估計
4．9．7 在EViews中估計包含PDI。s的模型
4．9．8 在EVJews中進行逐步回歸估計
4．9．9 在EViews中進行分位數回歸
4．9．10 在EVieWS中進行非參數估計
4．10 附錄廣義最小二乘估計
第5章 時間序列模型
5．1 序列相關及其檢驗
5．1．1 序列相關及其產生的後果
5．1．2 序列相關的檢驗方法
5．1．3 擾動項存在序列相關的線性回歸方程的估計與修正
5．2 平穩時間序列建模
5．2．1 平穩時間序列的概念
5．2．2 ARMA模型
5．2．3 ARMA模型的平穩性
5．2．4 ARMA模型的識別
5．3 非平穩時間序列建模
5．3．1 非平穩序列和單整
5．3．2 非平穩序列的單位根檢驗
5．3．3 ARIMA模型
5．4 協整和誤差修正模型
5．4．1 協整關系
5．4．2 協整檢驗
5．4．3 誤差修正模型(EcM)
5．5 EViews軟體的相關操作
5．5．1 檢驗序列相關性
5．5．2 修正序列相關
5．5．3 ARMA(p，q)模型的估計
5．5．4 單位根檢驗
第Ⅲ部分 擴展的單方程分析
第6章 條件異方差模型
第7章 離散因變數和受限因變數模型
第8章 對數極大似然估計
第Ⅳ部分 多方程分析
第9章 向量自回歸和向量誤差修正模型
第10章 Panel Data模型
第11章 狀態空間模型和卡爾曼濾波
第12章 聯立方程模型的估計與模擬
第13章 主成分分析和因子分析
附錄A EViews軟體基礎
附錄B EViews程序設計
附錄C EViews中的常用函數
附錄D 數據
參考文獻