計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)與案例分析（第2版）

第1章EViews軟件基本操作1

1.1EViews軟件的啟動與退出2

1.1.1EViews軟件的啟動2

1.1.2EViews軟件的退出2

1.2EViews軟件的基本認(rèn)識3

1.3EViews軟件的基礎(chǔ)操作4

1.3.1建立新工作文件5

1.3.2數(shù)據(jù)的輸入7

1.4基于Workfile的基本操作10

1.4.1數(shù)據(jù)操作11

1.4.2序列操作12

1.4.3數(shù)組操作13

1.5實(shí)驗(yàn)教程17

實(shí)驗(yàn)1EViews軟件的認(rèn)識17

實(shí)驗(yàn)2EViews軟件的基本操作18

實(shí)驗(yàn)3EViews軟件作圖19

1.6綜合案例分析20

案例1某國家月度宏觀經(jīng)濟(jì)數(shù)據(jù)分析20

案例2美國全職工人收入分析25

第2章一元線性回歸模型31

2.1數(shù)據(jù)的類型32

2.2一元線性回歸：模型、估計(jì)和檢驗(yàn)34

2.2.1變量之間的線性關(guān)系檢驗(yàn)34

2.2.2一元線性回歸模型及普通*小二乘法(OLS)估計(jì)36

2.3一元線性回歸估計(jì)的相關(guān)檢驗(yàn)39

2.3.1回歸系數(shù)檢驗(yàn)39

2.3.2回歸系數(shù)的置信區(qū)間41

2.3.3回歸殘差的統(tǒng)計(jì)性質(zhì)及檢驗(yàn)42

2.4一元線性回歸模型的預(yù)測44

2.4.1樣本內(nèi)預(yù)測44

2.4.2樣本外預(yù)測44

2.5實(shí)驗(yàn)教程45

實(shí)驗(yàn)1一元線性回歸模型的估計(jì)、顯著性檢驗(yàn)和預(yù)測45

實(shí)驗(yàn)2一元線性回歸模型統(tǒng)計(jì)量的計(jì)算46

2.6綜合案例分析47

案例收入與年齡的關(guān)系47

第3章多元線性回歸模型53

3.1多元線性回歸模型及OLS估計(jì)54

3.2多元線性回歸模型系數(shù)的聯(lián)合檢驗(yàn)54

3.2.1同方差假設(shè)下的聯(lián)合檢驗(yàn)55

3.2.2異方差假設(shè)下的聯(lián)合檢驗(yàn)56

3.3多元線性回歸模型多系數(shù)的單約束檢驗(yàn)57

3.4遺漏變量及遺漏變量偏差58

3.5實(shí)驗(yàn)教程59

實(shí)驗(yàn)1多元線性回歸重要指標(biāo)的計(jì)算59

實(shí)驗(yàn)2多元線性回歸模型的估計(jì)、檢驗(yàn)和殘差分析60

3.6綜合案例分析61

案例1課程評價與教授容貌的關(guān)系61

案例2教育時間與上學(xué)距離的關(guān)系65

第4章異方差檢驗(yàn)及處理71

4.1異方差的檢驗(yàn)方法72

4.1.1懷特異方差檢驗(yàn)72

4.1.2BP異方差檢驗(yàn)75

4.2異方差問題的處理77

4.2.1異方差穩(wěn)健估計(jì)77

4.2.2廣義(加權(quán))*小二乘法79

4.2.3廣義(加權(quán))*小二乘法在EViews中的實(shí)現(xiàn)81

4.3實(shí)驗(yàn)教程85

實(shí)驗(yàn)異方差檢驗(yàn)與穩(wěn)健估計(jì)85

4.4綜合案例分析87

案例一年教育的經(jīng)濟(jì)價值：同方差還是異方差？87

第5章多重共線性檢驗(yàn)及處理93

5.1多重共線性的檢驗(yàn)方法94

5.1.1逐步增加變量觀察法94

5.1.2相關(guān)系數(shù)加輔助回歸法95

5.1.3VIF檢驗(yàn)法97

5.2多重共線性的處理98

5.3實(shí)驗(yàn)教程100

實(shí)驗(yàn)多重共線性問題100

第6章序列相關(guān)性檢驗(yàn)及處理103

6.1序列相關(guān)DW檢驗(yàn)104

6.1.1序列相關(guān)DW檢驗(yàn)的原理及步驟104

6.1.2序列相關(guān)DW檢驗(yàn)在EViews中的實(shí)現(xiàn)105

6.2序列相關(guān)LM檢驗(yàn)106

6.2.1序列相關(guān)LM檢驗(yàn)的原理及步驟106

6.2.2序列相關(guān)LM檢驗(yàn)在EViews中的實(shí)現(xiàn)107

6.3序列相關(guān)性的處理111

6.3.1廣義差分法(δ已知)111

6.3.2CO迭代法(δ未知)112

6.4實(shí)驗(yàn)教程113

實(shí)驗(yàn)序列相關(guān)性問題113

第7章非線性回歸分析基礎(chǔ)115

7.1確定非線性回歸基準(zhǔn)模型的方法116

7.2常見的非線性回歸模型118

7.2.1多項(xiàng)式模型118

7.2.2對數(shù)模型119

7.2.3交互變量模型120

7.2.4Probit模型和Logit模型121

7.3實(shí)驗(yàn)教程126

實(shí)驗(yàn)1多項(xiàng)式模型127

實(shí)驗(yàn)2對數(shù)模型與交互變量模型132

實(shí)驗(yàn)3Probit模型136

7.4綜合案例分析140

案例貿(mào)易份額變化對經(jīng)濟(jì)增長率的影響140

第8章時間序列分析基礎(chǔ)147

8.1時間序列基礎(chǔ)148

8.1.1時間序列的自相關(guān)性148

8.1.2時間序列的滯后和差分變換148

8.2時間序列的平穩(wěn)性及其檢驗(yàn)150

8.2.1時間序列的平穩(wěn)性150

8.2.2時間序列的平穩(wěn)性檢驗(yàn)151

8.3格蘭杰因果關(guān)系檢驗(yàn)159

8.3.1格蘭杰因果關(guān)系檢驗(yàn)原理159

8.3.2格蘭杰因果關(guān)系檢驗(yàn)的軟件操作160

8.4協(xié)整關(guān)系檢驗(yàn)161

8.5時間序列模型基礎(chǔ)161

8.5.1AR模型162

8.5.2MA模型與ARIMA模型168

8.5.3ADL模型172

8.5.4ARCH模型與GARCH模型172

8.5.5誤差修正模型180

8.5.6向量自回歸模型（VAR）184

8.6實(shí)驗(yàn)教程194

實(shí)驗(yàn)1時間序列基礎(chǔ)194

實(shí)驗(yàn)2AR模型195

實(shí)驗(yàn)3VAR模型196

第9章面板模型199

9.1面板數(shù)據(jù)讀入200

9.1.1復(fù)制粘貼方式讀入面板數(shù)據(jù)200

9.1.2讀文件方式讀入面板數(shù)據(jù)202

9.1.3打開外部文件方式讀入面板數(shù)據(jù)204

9.2面板數(shù)據(jù)的平穩(wěn)性檢驗(yàn)204

9.3面板協(xié)整關(guān)系檢驗(yàn)208

9.3.1Pedroni協(xié)整關(guān)系檢驗(yàn)210

9.3.2Kao協(xié)整關(guān)系檢驗(yàn)212

9.3.3Johansen面板協(xié)整關(guān)系檢驗(yàn)213

9.4面板格蘭杰因果關(guān)系檢驗(yàn)215

9.5變量統(tǒng)計(jì)描述和相關(guān)性分析217

9.5.1統(tǒng)計(jì)描述217

9.5.2相關(guān)性分析218

9.6面板模型建立與估計(jì)219

9.6.1個體固定效應(yīng)模型估計(jì)及檢驗(yàn)219

9.6.2個體隨機(jī)效應(yīng)模型估計(jì)及檢驗(yàn)224

9.7實(shí)驗(yàn)教程226

實(shí)驗(yàn)面板模型226

參考文獻(xiàn)229