为了给学员提供更好的培训服务,论坛推出计量实证分析培训标准系列,涉及多款软件,欢迎大家积极参与讨论,帮忙修改和完善。
计量实证分析培训标准系列之EViews
——人大经济论坛
目的:满足高校老师或其他机构科研人员掌握一门计量实证分析工具的学术需求,通过参加该系列培训可以独自完成一篇高质量论文的实证分析部分。我们针对不同专业偏好推出多款计量统计软件的培训标准,旨在通过统一的培训标准不断完善和规范该领域的学习,希望大家对此标准多提宝贵意见!
软件:SPSS/SAS/STATA/EViews/R/MATLAB/AMOS。
对象:1.高校内部有实证分析需求的老师
2.企业内部有研究报告撰写需求的人员
3.高校从事经济计量学教学的教师
讲师:北京大学、人民大学、厦门大学、中山大学,复旦大学、天主教辅
仁大学、国立台湾大学,等知名高校教授讲师,及人大经济论坛数据分析
部门讲师团队等,科研实践经验丰富,理论功底深厚。多名讲师主持或者
参与国家自然科学基金、教育部人文社科基金,发表过的期刊覆盖
《经济研究》、《管理世界》、《经济学(季刊)》、《金融研究》、
《统计研究》等国内权威期刊及国外SCI期刊,出版过多部经典教材。
EViews培训标准
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.离散因变量与受限因变量模型
9.1二元选择模型;
9.2案例分析:交通工具选择模型
9.3排序选择模型;
9.4案例分析:执政者民意测验分析
9.5计数模型;
9.6轮船事故次数分析
9.7删截回归模型(censored regression model);
9.8案例分析:已婚妇女工作时间分析
10.时间序列ARIMA模型
10.1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;
10.2检验序列是否可以通过差分的方式来实现平稳性;
10.3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;
10.4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;
10.5用我们建立的ARIMA或SARIMA模型进行预测;
10.6案例分析:中国总人口数预测分析
10.7案例分析:社会商品零售额月度序列分析
11.单位根检验和基于残差的协整检验
11.1时间序列数据的平稳性说明;
11.2时间序列平稳性的DF和ADF单位根检验;
11.3时间序列平稳性的DFGLS单位根检验;
11.4时间序列平稳性的PP单位根检验;
11.5时间序列平稳性的KPSS单位检验;
11.6时间序列平稳性的ERS单位根检验;
11.7时间序列平稳性的NP单位根检验;
11.8协整检验;
11.9建立误差修正模型;
11.10案例分析:北京城镇居民收入与支出分析
12.自回归条件异方差模型
12.1通过日收盘价生成对数收益率变量;
12.2对数收益率序列的平稳性检验;
12.3均值方程的确定以及残差的序列相关检验;
12.4对残差平方的序列相关检验;
12.5对残差平方做线形图;
12.6对均值方程的残差做ARCH-LM检验;
12.7建立各种形式的ARCH模型并对新的残差序列进行ARCH—LM检验;
12.8根据我们建立的ARCH模型对收益率序列的方差进行预测。
12.9案例分析:上证综指日对数收益率分析
13.Eviews编程应用
13.1如何把以前一年为基期计算的居民消费价格指数换算成以某一年为基期计算的居民消费价格指数;
13.2如何把名义变量(分类变量)转换成虚拟变量。
14.联立方程计量经济学模型
14.1联立方程模型的介绍;
14.2联立方程模型的概念以及分类;
14.3联立方程模型的识别;
14.4联立方程模型的估计;
14.5案例分析:3个方程的中国宏观经济模型
15.向量自回归模型
15.1VAR模型的有关概念(非结构化的向量自回归模型);
15.2有关SVAR模型的有关概念;VAR模型的识别条件;
15.3 SVAR模型的短期约束;
15.4格兰杰因果关系检验;VAR模型滞后阶数p的的确定;
15.5脉冲响应函数;
15.6方差分解;
15.7Johansen协整检验;
15.8向量误差修正模型;
15.9案例分析:各行业增加值指数分析
16.面板数据模型
16.1面板数据和面板数据模型的简单介绍;
16.2如何将面板数据导入到Eviews中;
16.3面板数据模型的分类;
16.4固定影响(效应)变截距模型;
16.5随机影响(效应)变截距模型;
16.6Hausman检验;
16.7面板数据的单位根检验;
16.8面板数据的协整检验。
16.9案例分析:基于省份和年份面板的消费支出模型分析
17.分位数回归
17.1分位数回归简单介绍;
17.2分位数回归的优势;
17.3分位数回归的操作步骤;
17.4分位数回归的结果分析。
17.5案例分析:教育收益率分析
18.极大似然估计
18.1极大似然估计的原理介绍;
18.2多元线性回归的对数似然函数及其推导;
18.3用EViews软件实现多元线性回归的极大似然估计;
18.4案例分析:中国客运总量分析