第Ⅰ部分 数据分析基础
第1章 概率与统计基础
1．1 随机变量
1．1．1 概率分布
1．1．2 随机变量的数字特征
1．1．3 随机变量的联合分布
1．2 从总体到样本
1．2．1 基本统计量
1．2．2 估计量性质
1．3 一些重要的概率分布
1．3．1 正态分布
1．3．2 X分布
1．3．3 t分布
1．3．4 F分布
1．4 统计推断
1．4．1 参数估计
1．4．2 假设检验
1．5 EViews软件的相关操作
1．5．1 单序列的统计量、检验和分布
1．5．2 多序列的显示和统计量
第2章 经济时间序列的季节调整、分解与平滑
2．1 移动平均方法
2．1．1 简单的移动平均公式
2．1．2 中心化移动平均
2．1．3 加权移动平均
2．2 季节调整
2．2．1 X11季节调整方法
2．2．2 CensusX12季节调整方法
2．2．3 移动平均比率方法
2．2．4 TRAMO／SEATS方法
2．3 趋势分解
2．3．1 Hodrick—Prescott滤波方法
2．3．2 频谱滤波(BP滤波)方法
2．4 指数平滑方法
2．4．1 单指数平滑
2．4．2 双指数平滑
2．4．3 Holt—winters乘法模型
2．4．4 Holt—winters加法模型
2．4．5 Holt—Winters——无季节性模型
2．5 EViews软件的相关操作
2．5．1 X11季节调整方法的操作
2．5．2 X12季节调整方法
2．5．3 移动平均比率方法
2．5．4 Tramo／Seats方法
2．5．5 Hodrick—Prescott滤波
2．5．6 BP滤波
2．5．7 指数平滑法
第Ⅱ部分 基本的单方程分析
第3章 基本回归模型
3．1 古典线性回归模型
3．1．1 一元线性回归模型
3．1．2 最小二乘法
3．1．3 多元线性回归模型
3．1．4 系数估计量的性质
3．1．5 线性回归模型的检验
3．1．6 AIC准则和Schwarz准则
3．2 回归方程的函数形式
3．2．1 双对数线性模型
3．2．2 半对数模型
3．2．3 双曲函数模型
3．2．4 多项式回归模型
3．2．5 Box—Cox转换
3．3 包含虚拟变量的回归模型
3．3．1 回归中的虚拟变量
3．3．2 季节调整的虚拟变量方法
3．4 模型设定和假设检验
3．4．1 系数检验
3．4．2 残差检验
3．4．3 模型稳定性检验
3．5 方程模拟与预测
3．5．1 预测误差与方差
3．5．2 预测评价
3．6 Eviews软件的相关操作
3．6．1 设定回归方程形式和估计方程
3．6．2 方程输出结果
3．6．3 与回归方程有关的操作
3．6．4 模型设定和假设检验
3．6．5 预测
第4章 其他回归方法
4．1 异方差
4．1．1 异方差检验
4．1．2 加权最小二乘估计
4．1．3 存在异方差时参数估计量的一致协方差
4．2 二阶段最小二乘法
4．3 非线性最小二乘法
4．4 广义矩方法
4．4．1 矩法估计量
4．4．2 广义矩估计
4．5 多项式分布滞后模型
4．6 逐步最小二乘回归
4．7 分位数回归
4．7．1 分位数回归的基本思想和系数估计
4．7．2 系数协方差的估计
4．7．3 模型评价和检验
4．8 非参数回归模型
4．8．1 密度函数的非参数估计
4．8．2 一元非参数计量经济模型
4．9 EViews软件的相关操作
4．9．1 异方差检验
4．9．2 加权最小二乘法估计
4．9．3 white异方差一致协方差和Newey—west异方差自相关一致协方差
4．9．4 在EViews中使用TsLs估计
4．9．5 在EViews中使用非线性最小二乘估计
4．9．6 在EViews中使用GMM进行估计
4．9．7 在EViews中估计包含PDI。s的模型
4．9．8 在EVJews中进行逐步回归估计
4．9．9 在EViews中进行分位数回归
4．9．10 在EVieWS中进行非参数估计
4．10 附录广义最小二乘估计
第5章 时间序列模型
5．1 序列相关及其检验
5．1．1 序列相关及其产生的后果
5．1．2 序列相关的检验方法
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
5．2 平稳时间序列建模
5．2．1 平稳时间序列的概念
5．2．2 ARMA模型
5．2．3 ARMA模型的平稳性
5．2．4 ARMA模型的识别
5．3 非平稳时间序列建模
5．3．1 非平稳序列和单整
5．3．2 非平稳序列的单位根检验
5．3．3 ARIMA模型
5．4 协整和误差修正模型
5．4．1 协整关系
5．4．2 协整检验
5．4．3 误差修正模型(EcM)
5．5 EViews软件的相关操作
5．5．1 检验序列相关性
5．5．2 修正序列相关
5．5．3 ARMA(p，q)模型的估计
5．5．4 单位根检验
第Ⅲ部分 扩展的单方程分析
第6章 条件异方差模型
第7章 离散因变量和受限因变量模型
第8章 对数极大似然估计
第Ⅳ部分 多方程分析
第9章 向量自回归和向量误差修正模型
第10章 Panel Data模型
第11章 状态空间模型和卡尔曼滤波
第12章 联立方程模型的估计与模拟
第13章 主成分分析和因子分析
附录A EViews软件基础
附录B EViews程序设计
附录C EViews中的常用函数
附录D 数据
参考文献
^ 收 起 
