相關主題
商品描述
本書是在《數據分析與EViews應用（第3版）》基礎上修訂而成，緊密圍繞IHS公司2022年推出的EViews 13.0版本展開，系統介紹其在數據處理、圖形呈現、計量分析與統計建模等方面的多項新增與優化功能。
本書特色鮮明，突出體現為以下三點：
一是新版本、新功能全覆蓋。詳細解析EViews 13.0在界面設計、與R/Python的兼容性、VAR模型、貝葉斯時變系數VAR、Johansen協整檢驗、非線性ARDL估計等方面的核心改進，幫助讀者直接掌握前沿工具。
二是立足中國數據，服務實際問題。本次修訂特別選用我國宏觀、中觀及微觀實際數據 新案例，使學習過程 貼近 現實情境，助力讀者提升運用數據分析和解決實際經濟問題的能力。
三是內容詳略得當，側重操作應用。除介紹描述統計、回歸分析、時間序列等基礎方法外，本書深入講解了條件異方差、面板數據模型、狀態空間模型及混頻數據處理等覆雜計量模型，並新增因子分析章節，通過詳盡的操作說明，力求使讀者在理論學習與軟件實踐中獲得全面提升。
作者簡介
丹輝 中國人民大學統計學院教授、博士生導師。研究方向為風險管理與保險、預測與決策，主要從事統計方法在經濟、金融、保險、醫療、管理等領域的應用研究，講授統計預測、預測動態、實驗設計、金融風險分析技術、時間序列分析、數據挖掘技術及應用等課程。
目錄大綱
第1章 EViews軟件使用初步
1.1工作文件及建立
1.2序列對象的基本操作
1.3數據分析的常用操作
1.4序列的描述統計分析
第2章 線性回歸分析
2.1線性回歸概述
2.2常規檢驗
2.3建模基本步驟和EViews操作
2.4自變量選擇
2.5預測
2.6含定性自變量的回歸模型
2.7分位數回歸
第3章 線性回歸問題和非線性回歸分析
3.1線性回歸的常見問題
3.2回歸變量選擇
3.3非線性回歸分析
第4章 傳統時間序列分析
4.1趨勢模型與分析
4.2季節模型與分析
4.3指數平滑法
第5章 ARMA模型應用
5.1 ARMA模型概述
5.2隨機時間序列的特性分析
5.3模型的識別與建立
5.4模型的預測
5.5序列相關與ARMA模型
第6章 動態時間序列模型基礎
6.1分布滯後模型
6.2單位根檢驗
6.3協整與誤差修正模型
第7章 條件異方差模型
7.1自回歸條件異方差模型
7.2廣義自回歸條件異方差模型
7.3其他類型的條件異方差模型
7.4多變量ARCH模型
第8章 聯立方程模型
8.1模型的基本問題
8.2單方程估計
8.3系統估計法
8.4聯立方程模型的模擬
第9章 向量自回歸模型
9.1非結構化的向量自回歸模型
9.2結構化的向量自回歸模型
9.3向量誤差修正模型
0章 狀態空間模型
10.1狀態空間模型的基本問題
10.2狀態空間模型估計
1章 面板數據模型
11.1模型的基本問題
11.2模型的建立與估計
11.3模型的檢驗及其他
2章 混頻數據模型
12.1混頻數據回歸模型
12.2 MIDAS模型的估計
12.3模型預測
3章 因子分析
13.1因子模型概述
13.2因子分析實例
4章 廣義線性模型
14.1二元選擇模型
14.2排序選擇模型
14.3計數模型
附錄 EViews編程基礎
附表 常用統計分布表
參考文獻
