課程大綱： EViews6.0計量經濟與時間序列分析培訓
第一講 Eviews入門
1.Eviews工作界面(mian)介紹
2.Eviews工作文件及常用對象介紹(shao)
3.變(bian)(bian)量(liang)(liang)的(de)建立，變(bian)(bian)量(liang)(liang)中數據(ju)的(de)錄入
4.刪除變量或(huo)觀察值(zhi)
5.樣本區間的調整
6.變量的排序
7.通過數學運算生成新的變(bian)量
8.工作文件(jian)的保存與(yu)EViews軟件(jian)的退出
9.如何調用已保(bao)存過(guo)的工作文件
第二講 Eviews圖形對象介紹
1.關于單個變(bian)量的作圖
2.關于(yu)多個變量的(de)作圖
第三講 描述性統計分析
1.序(xu)列窗口下的描述性統計分析
2.序列組窗口下的描述(shu)性(xing)統(tong)計分析(xi)
第四講 一元線性回歸模型
1.做(zuo)兩(liang)個(ge)(ge)變量(liang)(liang)的散(san)點(dian)圖(tu)，從而看(kan)兩(liang)個(ge)(ge)變量(liang)(liang)是(shi)否具有線性(xing)關系(xi)。
2.通(tong)過建立(li)方程(cheng)對象(xiang)的方式來估(gu)計一個方程(cheng)
3.對(dui)方(fang)程估計結果的解釋(shi)與(yu)評(ping)價
4.在回歸估(gu)計結(jie)果中顯示方程(cheng)的三(san)種形式
5.如何(he)根據我們(men)估計(ji)的回歸方程計(ji)算需(xu)求(qiu)的價格彈性
6.如何查看因變量的實際值(zhi)、擬合(he)值(zhi)和回(hui)歸方程的殘差
7.如何用我們(men)建(jian)立的方程進(jin)行預測(ce)
第五講 多元線性回歸模型
1.做以因變量為橫軸(zhou)，多(duo)個自變量為縱軸(zhou)的散點圖，
2.建立組對象查看自變(bian)量(liang)的相關系數矩陣。
3.以建立方程對象的(de)方式(shi)來建立多元線性回歸模型。
4.對模(mo)型結果的解釋和評(ping)價。
5.我們選(xuan)取刪(shan)除引起共(gong)線性的(de)變量(liang)的(de)辦法來克(ke)服多重共(gong)線性。
6.對(dui)我們消除共線性后的(de)模型進(jin)行(xing)檢(jian)驗，后對(dui)模型進(jin)行(xing)解釋和(he)評價
第六講 非線性回歸模型
1.雙對數模(mo)型(xing)。
2.半對數模型。
3.倒數模型。
第七講 虛擬變量模型
1.虛擬變(bian)量的(de)定義(yi)及意義(yi)。
2.如何通過(guo)加項的(de)形式將虛擬(ni)變(bian)量引入到(dao)模型中去。
3.如何通過乘項的(de)方式將虛擬(ni)變(bian)量引(yin)入(ru)到模型(xing)中去。
4.模型(xing)中加入(ru)季節虛擬變(bian)量。
第八講 單個經濟時間序列的趨勢模型、季節調整、分解與平滑
1.趨勢模型(xing)。
2.季節調整方法。
3.HP濾(lv)波和BP濾(lv)波
4.指數平滑方法
第九講 離散因變量與受限因變量模型
1.二元選(xuan)擇(ze)模(mo)型
2.排序選擇模型
3.計數模型
4.刪截回歸模型（censored regression model）
5.截尾(wei)回歸(gui)模型（Truncated Regression Model）
第十講 分布滯后模型
1.回歸方程殘(can)差的序列相關(guan)性檢(jian)驗
2.回(hui)歸方程(cheng)殘差(cha)的(de)自回(hui)歸模型(xing)（AR Error Model）
3.自回歸模型
4.有限分布滯后模型
5.自回歸分布(bu)滯后模型(xing)
第十一講 時間序列ARIMA模型
1.如何通過觀察時(shi)間序列的(de)自相關圖和偏自相關圖來判斷時(shi)間序列的(de)平穩性。
2.檢驗(yan)序(xu)列(lie)是否可以(yi)通(tong)過(guo)差(cha)分的方式來實現平穩性。
3.通過觀察自相關圖和(he)偏自相關圖對平(ping)穩后(hou)的序列(lie)確定AR和(he)MA和(he)SAR的階數。
4.對估計(ji)的(de)模型進行檢驗(yan)，包括顯著性檢驗(yan)和殘差序列的(de)相關(guan)性檢驗(yan)。
第十二講 單位根檢驗和基于殘差的協整檢驗
1.時間(jian)序(xu)列數據(ju)的平穩(wen)性(xing)說(shuo)明
2.時間序列(lie)平穩性的DF和ADF單(dan)位根檢驗(yan)
3.時(shi)間序列平穩性的DFGLS單位根檢驗
4.時(shi)間序列平穩性的PP單位根檢驗(yan)
5.時(shi)間序列平穩(wen)性的KPSS單(dan)位檢驗
6.時間序(xu)列平穩性的ERS單位根檢(jian)驗(yan)
7.時間序列平穩性的NP單位根檢驗
8.協整檢驗
9.建立誤差修正模型
第十三講 自回歸條件異方差模型
1.通過日收(shou)盤(pan)價生(sheng)成對數收(shou)益率變量(liang)
2.對數收(shou)益率序列的平穩性檢驗
3.均值方程的確定以及殘差的序列相關檢驗
4.對殘差平方的序列(lie)相關檢驗
5.對殘(can)差平(ping)方做線形圖
6.對均值方程的殘差做ARCH-LM檢驗
7.建立(li)各種(zhong)形式(shi)的ARCH模型并對新(xin)的殘差序列進行(xing)ARCH—LM檢驗。
8.根(gen)據我們(men)建立的(de)ARCH模(mo)型(xing)對收益率序(xu)列(lie)的(de)方差進(jin)行預測
第十四講 聯立方程計量經濟學模型
1.聯立方程模(mo)型(xing)的(de)介紹(shao)
2.聯立方程模型的概念(nian)以(yi)及分類
3.聯立(li)方程模型的識別(bie)
4.聯立方(fang)程(cheng)模型的估計
第十五講 向量自回歸模型
1.VAR模型的(de)有關概念(非結構化的(de)向量(liang)自(zi)回歸模型)
2.有(you)關SVAR模型(xing)的有(you)關概念(nian)。
3.VAR模型的識別條(tiao)件
4.SVAR模型的短期(qi)約束(shu)
5.格蘭(lan)杰因(yin)果關系檢驗
6.VAR模(mo)型滯后階數(shu)p的(de)的(de)確定。
7.脈沖響應函數。
8.方差分解
9.Johansen協整檢驗
10.向量(liang)誤差修正模型
第十六講 eviews矩陣計算
1.矩陣(zhen)的建立
2.方陣的行列式.
3.矩陣(zhen)的(de)加法(fa) 4.矩陣(zhen)的(de)乘法(fa)
5.矩陣的秩（標量） 6.矩陣的跡(ji)（標量）
7.矩陣(zhen)的(de)轉置 8.矩陣(zhen)的(de)逆(ni)
9.求(qiu)矩(ju)陣各個列向量的(de)相關系數(shu)
10.建立對稱矩陣
11.對稱(cheng)矩陣的特征向量
12.矩陣的內積
13.用(yong)eviews解線性方程組
第十七講 Eviews編程應用
1.如何把以前一(yi)年(nian)為基期(qi)計算的居民消(xiao)費價(jia)格指數換算成以某一(yi)年(nian)為
基期(qi)計算(suan)的居(ju)民(min)消費(fei)價格(ge)指(zhi)數。
2.如何(he)把名義(yi)變量(liang)（分類變量(liang)）轉換成虛擬變量(liang)
第十八講 面板數據模型
1.面(mian)板數據和面(mian)板數據模型(xing)的簡單介紹
2.如何將面板數據導入到(dao)Eviews中？
3.面(mian)板數據模型(xing)的(de)分類
4.固定影響(xiang)（效應(ying)）變截(jie)距模型
5.隨(sui)機影響（效應）變截距模(mo)型
6.Hausman檢(jian)驗
7.固定影響變系數模(mo)型(xing)
8.隨機影響變系數模型
9.面板數據的(de)單位根檢驗
10.面板數據的協(xie)整檢驗
第十九講 方差膨脹因子
1.方差膨(peng)脹因(yin)子計算公(gong)式
2.通過(guo)建立輔助(zhu)回歸方程的(de)形式來(lai)計算方差膨脹因子
3.以矩(ju)陣計算(suan)的方(fang)式(shi)來計算(suan)變量的方(fang)差膨脹(zhang)因子
4.方(fang)差膨脹因子大小評價(jia)準則
第二十講 分位數回歸
1.分(fen)位數(shu)回歸簡(jian)單介紹
2.分位數(shu)回歸的優勢
3.分位(wei)數回歸的操作(zuo)步驟
4.分位數回歸的結果分析
第二十一講 極大似然估計
1.極大似然估計的原理介紹
2.多元線性回歸的對數似然(ran)函數及(ji)其推導
3.用(yong)EViews軟件實現多(duo)元線性回歸(gui)的極大(da)似然(ran)估計
4.GARCH(1,1)模型的對數似然(ran)函數
5.用(yong)EViews軟件實現GARCH(1,1)模型極(ji)大似(si)然估(gu)計
加入高級會員獲得助教答疑
