EViews计量经济学应用课程标准

【课程简介】

在数字化的今天,学习eviews软件是至关重要的。无论哪个行业的从业人员都意识到了eviews不可获缺这一点, 无论是教学还是公司办公,excel等基础软件已不能满足人们的各类关于数据分析的需求。
统计学的软件从小的到大的,不开源的到开源的,数目众多。EVIEWS软件之所以成为比较受欢迎的软件是有原因的,
1.eviews软件有友好的操作界面,使一个初学者能够很快上手。
2.eviews的更新速度适度,更新后的软件功能变强大,但是依然界面友好。
3.eviews强大的运算速度绝不容忽略,它在估计用极大似然法估计的模型时表现出来的运算效果是惊人的。这是因为这个软件的算法优化做的非常出色,使得模型能够尽快达到收敛效果。
4.eviews的对象化方式,所有的变量也好模型也好,矩阵也好都是以对象的形式存在的。正因为是对象化存在,所以你再调用时就变的非常简单直接。
5.eviews的程序语言非简单易懂,对于一个没有接触过程序的人员来讲,这款软件的程序语言是非常好的程序入门软件。

6.eviews的帮助文档非常容易调取。帮助文档有pdf格式,同时有网页格式,进行搜索时你会发现他的搜索是如此的简单。

【课程特色】

主讲老师处理案例众多,经验丰富,对学员日常遇到的问题十分了解。本课程从导入数据开始到估计比较复杂的模型,本课程会让你发现这款软件的众多好处,所有的操作均以案例方式进行讲解,使课程生动活泼。课程内容丰富,几乎涵盖了所有计量模型,即使没有讲到的模型在你选择了这门软件后扩展到其他软件也非常简单。希望大家不要把学习当做负担,而是体会学习中的乐趣。

【学员打分】

96分
EViews DVD课程 EViews 现场班

【优秀评语】

1. 对写论文的可怜孩子很有帮助,参加完培训到现在快两个月,答辩顺利通过。
2. 内容很充实,案例真的是超多。虽然有部分还没完全理解。但学到了很多知识.
3. 刘老师讲课很细致,还会参加其他课程。

【课程标准】

1.EViews入门介绍
1.1Eviews工作界面介绍;
1.2数据的导入
1.3变量的生成及编辑;
1.4样本区间的调整;
1.5变量的排序及变量的运算;
1.6工作文件的保存与调用;
1.7EViews软件的退出;

2.Eviews图形对象介绍
2.1关于单个变量的作图:单变量的折线图,钉形图、柱形图;
对于图形的编辑;
2.2关于多个变量的作图:多变量折线图;做多变量的散点图(如何修改横轴和纵轴的标签);做多变量的面积图(直观的看人口增长率)。

3描述性统计分析
3.1变量的一般描述和分类描述
3.2 变量的假设检验

4.一元线性回归模型
4.1两个变量的散点图;
4.2一元线性回归方程的估计;对方程估计结果的解释与评价。
4.3如何根据我们估计的回归方程计算需求的价格弹性;
4.4Eviews的计算器功能;
4.5方程的预测,包括样本内预测和样本外预测。
4.6案例分析:城镇居民消费支出模型

5.多元线性回归模型
5.1做以因变量为横轴,多个自变量为纵轴的散点图;
5.2建立组对象查看自变量的相关系数矩阵;
5.3多元线性回归模型的估计,结果解释和评价。
5.4模型Wald系数约束性检验,冗余变量检验,遗漏变量检验,残差的异方差性检验和正态性检验。
5.5案例分析:总产值和财政支出模型

6非线性回归模型
6.1可线性化的非线性模型
6.1.1双对数模型;
6.1.2半对数模型;
6.1.3倒数模型;
6.2不可线性化的非线性模型
6.3案例分析:logistic曲线模型(氮肥施用量时间趋势模型)

7.虚拟变量模型
7.1虚拟变量的定义及意义;
7.2虚拟变量的生成;
7.3如何通过加项的形式将虚拟变量引入到模型中去,及其意义解释;
7.4如何通过乘项的方式将虚拟变量引入到模型中去,及其意义解释。
7.5案例分析:性别对薪金的影响
7.6案例分析:居民储蓄行为变化模型
7.7案例分析:嫉妒因素对蔬菜业利润影响模型

8时间序列的季节调整、分解与平滑
8.1季节调整
8.2趋势分解
8.3指数平滑
8.4案例分析:季度GDP的季节调整和趋势分析
8.5案例分析:上证综指收盘价指数平滑

9.滞后变量模型
9.1自回归模型
9.2分布滞后模型
9.3案例分析:电力行业固定资产投资增长与发电量增长间的变动关系
10.分位数回归
10.1分位数回归简单介绍;
10.2分位数回归的优势;
10.3分位数回归的操作步骤;
10.4分位数回归的结果分析。
10.5案例分析:教育收益率分析

11.离散因变量与受限因变量模型
11.1二元选择模型;
11.2案例分析:交通工具选择模型
11.3排序选择模型;
11.4案例分析:执政者民意测验分析
11.5计数模型;
11.6轮船事故次数分析
11.7删截回归模型(censored regression model);
11.8案例分析:已婚妇女工作时间分析

12.时间序列ARIMA模型
12.1如何通过观察时间序列的自相关图和偏自相关图来判断时间序列的平稳性;
12.2检验序列是否可以通过差分的方式来实现平稳性;
12.3通过观察自相关图和偏自相关图对平稳后的序列确定AR和MA和SAR的阶数;
12.4对估计的模型进行检验,包括显著性检验和残差序列的相关性检验;
12.5用我们建立的ARIMA或SARIMA模型进行预测;
12.6案例分析:中国总人口数预测分析
12.7案例分析:社会商品零售额月度序列分析
13.单位根检验和基于残差的协整检验
13.1时间序列数据的平稳性说明;
13.2时间序列平稳性的DF和ADF单位根检验;
13.3时间序列平稳性的DFGLS单位根检验;
13.4时间序列平稳性的PP单位根检验;
13.5时间序列平稳性的KPSS单位检验;
13.6时间序列平稳性的ERS单位根检验;
13.7时间序列平稳性的NP单位根检验;
13.8协整检验;
13.9建立误差修正模型;
13.10案例分析:北京城镇居民收入与支出分析

14.自回归条件异方差模型
14.1通过日收盘价生成对数收益率变量;
14.2对数收益率序列的平稳性检验;
14.3均值方程的确定以及残差的序列相关检验;
14.4对残差平方的序列相关检验;
14.5对残差平方做线形图;
14.6对均值方程的残差做ARCH-LM检验;
14.7建立各种形式的ARCH模型并对新的残差序列进行ARCH—LM检验;
14.8根据我们建立的ARCH模型对收益率序列的方差进行预测。
14.9案例分析:上证综指日对数收益率分析
15.联立方程计量经济学模型
15.1联立方程模型的介绍;
15.2联立方程模型的概念以及分类;
15.3联立方程模型的识别;
15.4联立方程模型的估计;
15.5案例分析:3个方程的中国宏观经济模型
16.EViews编程
16.1程序文件的建立与保存。
16.2表达式和赋值
16.3流程控制(循环和选择程序)
16.4案例分析:根据环比居民消费价格指数计算定基比居民消费价格指数。
16.5案例分析:把名义变量转化为虚拟变量。

17.eviews矩阵运算
17.1.矩阵对象的建立
17.2矩阵的加法和乘法运算
17.3矩阵的转置
17.4求矩阵各个列向量的相关系数矩阵
17.5计算矩阵的秩
17.6计算方阵的行列式、迹、逆矩阵.
17.7建立对称矩阵和计算特征向量
17.8矩阵应用:用eviews解线性方程组
18.向量自回归模型
18.1VAR模型的有关概念(非结构化的向量自回归模型);
18.2有关SVAR模型的有关概念;VAR模型的识别条件;
18.3 SVAR模型的短期约束;
18.4格兰杰因果关系检验;VAR模型滞后阶数p的的确定;
18.5脉冲响应函数;
18.6方差分解;
18.7Johansen协整检验;
18.8向量误差修正模型;
18.9案例分析:各行业增加值指数分析
19.极大似然估计
19.1极大似然估计的原理介绍;
19.2多元线性回归的对数似然函数及其推导;
19.3用EViews软件实现多元线性回归的极大似然估计;
19.4案例分析:中国客运总量分析
20.状态空间模型
20.1状态空间模型的概念和卡尔曼滤波
20.2状态空间模型的定义
20.3状态空间模型的估计
20.4案例分析:经济增长对钢材需求拉动作用的动态分析。

21.面板数据模型
21.1面板数据和面板数据模型的简单介绍;
21.2如何将面板数据导入到Eviews中;
21.3面板数据模型的分类;
21.4固定影响(效应)变截距模型;
21.5随机影响(效应)变截距模型;
21.6Hausman检验;
21.7面板数据的单位根检验;
21.8面板数据的协整检验。
21.9案例分析:基于省份和年份面板的消费支出模型分析