楼主: PLMKI
7153 17

[资料] Eviews计量经济学应用—论文建模_实证分析必备 [推广有奖]

  • 0关注
  • 11粉丝

教授

41%

还不是VIP/贵宾

-

威望
1
论坛币
-615 个
通用积分
106.2228
学术水平
23 点
热心指数
33 点
信用等级
20 点
经验
25386 点
帖子
569
精华
0
在线时间
826 小时
注册时间
2017-5-3
最后登录
2024-4-18

相似文件 换一批

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币

Eviews计量经济学应用—论文建模_实证分析必备

在数字化的今天,学习一门软件是至关重要的。无论哪个行业的从业人员都意识到了这一点,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.这个软件有友好的操作界面,使一个初学者能够很快上手。

2.软件的更新速度适度,更新后的软件功能变强大,但是依然界面友好。

3.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.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绝对是非常好的程序入门软件。

6.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。



迅速提升您的Eviews应用技能与论文建模、实证分析能力,就在Eviews培训班:

培训时间:2017121-3日(三天)
培训地点:北京市海淀区厂洼街3号丹龙大厦B座三层
培训费用:现场班: 3200/2400(仅限全日制在读本科生及硕士生优惠价)
(差旅及住宿费用自理)  

                远程班:1900。         

授课安排:1)授课方式:使用EViews8.0,中文多媒体互动式现场授课+远程同步直播
               
2)授课时间:上午900-12:00,下午13:30-16:30;答疑:16:30-17:00



讲师介绍

刘莎莎

2003-2007年河北大学统计学专业 本科,获得经济学学士学位。

2007-2010年河北大学统计学专业 研究生,获得经济学硕士学位。

2010——至今 经管之家   首席数据分析师

从事数据分析及其培训的相关工作。擅长数据清洗(数据文件的合并,异常数据的清除与填补等)、数据准备工作(数据的计算,汇总等)、数据建模和预测(选择合适的统计模型并根据模型做出预测或为相关领导提供决策支持)。数据分析实战经验丰富,精通多个统计学及数据科学软件,包括SPSS、SAS、EViews、STATA、Python等。受到学员的广泛好评。讲课风格以通俗易懂、注重实用为主。


完成的项目包括:

中国移动:骚扰电话的识别,根据用户的通话特征识别该客户是否为骚扰客户,以便采取后续措施。

中国人寿:客户商品购买预测和推荐,根据用户特征和行为,选择合适的模型甄别目标客户,进行相应的产品推荐。

中联重科:客户信用评价及宏观经济预测,构建客户信用评价模型,从而能够对客户信用做出预估等。

中国建设银行 :岗位人员流动性分析,对市银行进行人员流动性分析,找到对应的流动规律及其背后的原因,为人员调动提供策略。

加拿大某大型超市:对用户的个人购买行为及其家庭购买行为进行分析。(主要负责数据预处理部分,基于家庭住址家庭人员信息拆分和合成,订单信息衍生指标计算,为数据分析奠定良好的基础。)


课程大纲

  

授课内容

  
  

Eviews

  
  

第一讲:EViews入门介绍

  
  1、Eviews工作界面介绍;
  2、数据的导入;
  3、变量的生成及编辑;
  4、样本区间的调整;
  5、变量的排序及变量的运算;
  6、工作文件的保存与调用;
  7、EViews软件的退出。
  
  

第二讲:Eviews图形对象介绍

  
  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、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)。
  
  

第三讲:描述性统计分析

  
  1、变量的一般描述和分类描述;
  2、变量的假设检验。
  
  

第四讲:一元线性回归模型

  
  1、两个变量的散点图;
  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。
  3、如何根据我们估计的回归方程计算需求的价格弹性;
  4、Eviews的计算器功能;
  5、方程的预测,包括样本内预测和样本外预测。
  案例分析:城镇居民消费支出模型
  
  

第五讲:多元线性回归模型

  
  1、做以因变量为横轴,多个自变量为纵轴的散点图;
  2、建立组对象查看自变量的相关系数矩阵;
  3、多元线性回归模型的估计,结果解释和评价。
  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。
  案例分析:总产值和财政支出模型
  
  

第六讲:非线性回归模型

  
  1、可线性化的非线性模型
  2、不可线性化的非线性模型
  案例分析:logistic曲线模型(氮肥施用量时间趋势模型)
  
  

第七讲:虚拟变量模型

  
  1、虚拟变量的定义及意义;
  2、虚拟变量的生成;
  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;
  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。
  案例分析:性别对薪金的影响
  案例分析:居民储蓄行为变化模型
  案例分析:嫉妒因素对蔬菜业利润影响模型
  
  

第八讲:时间序列的季节调整、分解与平滑

  
  1、季节调整
  2、趋势分解
  3、指数平滑
  案例分析:季度GDP的季节调整和趋势分析
  案例分析:上证综指收盘价指数平滑
  
  

第九讲:滞后变量模型

  
  1、自回归模型
  2、分布滞后模型
  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
  
  

第十讲:分位数回归

  
  1、分位数回归简单介绍;
  2、分位数回归的优势;
  3、分位数回归的操作步骤;
  4、分位数回归的结果分析。
  案例分析:教育收益率分析
  
  

第十一讲:离散因变量与受限因变量模型

  
  1、二元选择模型;
  案例分析:交通工具选择模型
  2、排序选择模型;
  案例分析:执政者民意测验分析
  3、计数模型;
  4、轮船事故次数分析
  5、删截回归模型(censored  regression model);
  案例分析:已婚妇女工作时间分析
  
  

第十二讲:时间序列ARIMA模型

  
  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;
  2、检验序列是否可以通过差分的方式来实现平稳性;
  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;
  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;
  5、用我们建立的ARIMA或SARIMA模型进行预测;
  案例分析:中国总人口数预测分析
  案例分析:社会商品零售额月度序列分析
  
  

第十三讲:单位根检验和基于残差的协整检验

  
  1、时间序列数据的平稳性说明;
  2、时间序列平稳性的DF和ADF单位根检验;
  3、时间序列平稳性的DFGLS单位根检验;
  4、时间序列平稳性的PP单位根检验;
  5、时间序列平稳性的KPSS单位检验;
  6、时间序列平稳性的ERS单位根检验;
  7、时间序列平稳性的NP单位根检验;
  8、协整检验;
  9、建立误差修正模型;
  案例分析:北京城镇居民收入与支出分析
  
  

第十四讲:自回归条件异方差模型

  
  1、通过日收盘价生成对数收益率变量;
  2、对数收益率序列的平稳性检验;
  3、均值方程的确定以及残差的序列相关检验;
  4、对残差平方的序列相关检验;
  5、对残差平方做线形图;
  6、对均值方程的残差做ARCH-LM检验;
  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;
  8、根据我们建立的ARCH模型对收益率序列的方差进行预测。
  案例分析:上证综指日对数收益率分析
  
  

第十五讲:联立方程计量经济学模型

  
  1、联立方程模型的介绍;
  2、联立方程模型的概念以及分类;
  3、联立方程模型的识别;
  4、联立方程模型的估计;
  案例分析:3个方程的中国宏观经济模型
  
  

第十六讲:EViews编程

  
  1、程序文件的建立与保存。
  2、表达式和赋值
  3、流程控制(循环和选择程序)
  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。
  案例分析:把名义变量转化为虚拟变量
  
  

第十七讲:eviews矩阵运算

  
  1、矩阵对象的建立
  2、矩阵的加法和乘法运算
  3、矩阵的转置
  4、求矩阵各个列向量的相关系数矩阵
  5、计算矩阵的秩
  6、计算方阵的行列式、迹、逆矩阵.
  7、建立对称矩阵和计算特征向量
  8、矩阵应用:用eviews解线性方程组
  
  

第十八讲:向量自回归模型

  
  1、VAR模型的有关概念(非结构化的向量自回归模型);
  2、有关SVAR模型的有关概念;VAR模型的识别条件;
  3 、SVAR模型的短期约束;
  4、格兰杰因果关系检验;VAR模型滞后阶数p的的确定;
  5、脉冲响应函数;
  6、方差分解;
  7、Johansen协整检验;
  8、向量误差修正模型;
  案例分析:各行业增加值指数分析
  
  

第十九讲:极大似然估计

  
  1、极大似然估计的原理介绍;
  2、多元线性回归的对数似然函数及其推导;
  3、用EViews软件实现多元线性回归的极大似然估计;
  案例分析:中国客运总量分析
  
  

第二十讲:状态空间模型

  
  1、状态空间模型的概念和卡尔曼滤波
  2、状态空间模型的定义
  3、状态空间模型的估计
  案例分析:经济增长对钢材需求拉动作用的动态分析
  
  

第二十一讲:面板数据模型

  
  1、面板数据和面板数据模型的简单介绍;
  2、如何将面板数据导入到Eviews中;
  3、面板数据模型的分类;
  4、固定影响(效应)变截距模型;
  5、随机影响(效应)变截距模型;
  6、Hausman检验;
  7、面板数据的单位根检验;
  8、面板数据的协整检验。
  案例分析:基于省份和年份面板的消费支出模型分析
  


培训目标

1、掌握EViews基本操作

2、能够运用EViews完成复杂的数据处理工作

3、熟练运用EViews估计多种计量模型

4、能运用EViews独立完成一篇论文的数据处理和实证分析工作。


培训优惠

1、现场班老学员9折优惠
2、同一单位3人以上报名,9折优惠
3、同一单位6人以上报名,8折优惠

(三项优惠不能叠加)


报名流程

1、网上提交报名信息

2. 给予反馈,确认报名信息。

3. 网上订单缴费:

4. 开课前一周发送培训教室路线图,培训现场领取发票


联系方式

龚老师

电话: 010-53605625

手机: 17773656856微信

Q Q: 1281241407

邮箱: gongjiayong@pinggu.org

IMG_20171122_160317.png


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:EVIEWS Views Eview 计量经济学 实证分析

沙发
Frank233 发表于 2017-11-29 10:05:56 |只看作者 |坛友微信交流群
Eviews计量经济学应用—论文建模_实证分析必备

使用道具

藤椅
春光似海 发表于 2017-11-29 10:06:30 |只看作者 |坛友微信交流群
内容很细致  感兴趣  

使用道具

板凳
zengxia316 在职认证  发表于 2017-11-29 10:20:41 |只看作者 |坛友微信交流群
迅速提升您的Eviews应用技能与论文建模、实证分析能力,就在Eviews培训班

使用道具

报纸
ZQZ520 在职认证  发表于 2017-11-29 10:34:31 |只看作者 |坛友微信交流群
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绝对是非常好的程序入门软件。

使用道具

地板
浮世若离丶 发表于 2017-11-29 11:03:47 |只看作者 |坛友微信交流群
迅速提升您的Eviews应用技能与论文建模、实证分析能力

使用道具

7
caokaijie1996 发表于 2017-11-29 13:50:54 来自手机 |只看作者 |坛友微信交流群
没钱啊

使用道具

8
dawn.gnius 学生认证  发表于 2017-11-29 15:04:59 来自手机 |只看作者 |坛友微信交流群
离我好远,还没钱咋办。可以旁听吗。

使用道具

9
陈绍俭 发表于 2017-11-29 15:25:30 |只看作者 |坛友微信交流群

使用道具

10
刘勇121 发表于 2017-11-29 17:04:50 |只看作者 |坛友微信交流群
河北大学?没听过

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-4-28 09:54