EViews在数据分析中的应用

中国数量经济学会副会长、南开大学教授张晓峒等4位大咖隆重推荐。
结合90多个典型案例，详解EViews在宏观经济预测和金融数据分析中的应用。
提供上机练习题、11小时教学视频、教学PPT和教学大纲，方便学习。
内容丰富：分别对EViews软件在基本统计和数据分析、经典回归分析、时间序列分析及其他模型中的应用进行详细的介绍。
容易上手：讲解的过程中除了给出必要的公式和模型背景外，没有罗列大量的数学推导过程，非常容易上手。
案例丰富：结合90多个典型实战案例讲解重要的知识点，每个案例都给出详细的实现步骤，带领读者动手实践，加深对相关知识的理解。
提供上机练习题：每章后都提供上机练习题，帮助读者巩固和提高该章所学的知识。
提供教学视频：书中的所有案例和上机练习题均提供配套教学视频（共11小时），帮助读者高效、直观地学习。
提供教学PPT和大纲：提供配套教学PPT和教学大纲，方便相关授课老师教学时使用。

《EViews在数据分析中的应用》结合大量实战案例，全面、系统地介绍EViews软件的基本用法及其在数据分析中的应用。本书每章的最后都提供上机练习题，帮助读者提高动手能力。另外，本书提供配套教学视频，帮助读者高效、直观地学习，还提供教学PPT和大纲，方便相关高校的老师教学。
《EViews在数据分析中的应用》共13章，分为4篇。第1篇“EViews数据分析基础”，涵盖EViews概述、EViews基本数据分析（单序列）、EViews基本数据分析（序列组）和EViews数据图形化分析；第2篇“EViews经典线性回归模型”，涵盖经典回归模型和违背经典线性回归模型假设的修正；第3篇“EViews时间序列模型”，涵盖时间序列模型与预测、带季节效应的时间序列模型、条件异方差模型、向量自回归模型和协整相关模型；第4篇“EViews的其他模型”，涵盖离散和受限因变量模型，以及混合数据与面板数据分析。
《EViews在数据分析中的应用》内容丰富，结构合理，逻辑清晰，步骤详细，特别适合证券、银行、保险和投资等经济与金融行业中从事数据分析的相关人员阅读，也适合政府和工业制造等领域从事宏观经济分析与预测的数据分析人员阅读，还适合作为高等院校“EViews应用”“计量经济学”和“时间序列分析”等课程的教材。

何晓琦， 经济学博士，北京大学博士后。本、硕、博毕业于华中科技大学。现任福建商学院金融学院副教授，研究领域为经济计量分析和公共政策分析等。以第一作者在《统计研究》《数理统计与管理》《改革》《经济体制改革》等期刊杂志上发表论文20多篇，主持或参与多项国家级和省级课题。维护B站、小红书和抖音等平台的“何晓琦老师”个人账号。

第1篇  EViews数据分析基础
第1章  EViews概述 2
1.1  EViews基础 2
1.1.1  EViews的版本和安装 2
1.1.2  EViews的启动与退出 3
1.1.3  EViews的主窗口 4
1.2  工作文件 6
1.2.1  新工作文件的建立 6
1.2.2  读取外部数据 7
1.2.3  工作文件窗口 9
1.3  对象 10
1.3.1  对象的建立 11
1.3.2  对象窗口 11
1.3.3  生成新序列 13
1.4  上机练习 14
第2章  EViews基本数据分析（单序列） 16
2.1  数据的展示 16
2.1.1  电子表格 17
2.1.2  绘图 17
2.2  基本统计量分析和检验 18
2.2.1  描述性统计量和检验 18
2.2.2  单因素统计表 31
2.2.3  重复值分析 32
2.3  时间序列分析 34
2.3.1  相关图 34
2.3.2  长期方差 35
2.3.3  单位根检验 36
2.3.4  断点单位根检验 38
2.3.5  季节单位根检验 40
2.3.6  方差比率检验 42
2.3.7  BDS独立性检验 45
2.3.8  预测效果评估 45
2.3.9  小波分析 48
2.4  标签 48
2.5  上机练习 49
第3章  EViews基本数据分析（序列组） 51
3.1  数据展示和基本操作 51
3.1.1  建立组 51
3.1.2  序列组数据比较 53
3.1.3  建立带日期的数据表格 53
3.1.4  序列组绘图 55
3.2  基本统计量分析和检验 55
3.2.1  基本描述性统计量和检验 55
3.2.2  多因素统计表分析 56
3.2.3  重复值分析 59
3.2.4  协方差和相关性分析 59
3.2.5  齐性检验 61
3.2.6  主成分分析 61
3.3  时间序列分析 64
3.3.1  相关图 65
3.3.2  交叉相关关系 65
3.3.3  长期方差 66
3.3.4  单位根检验 66
3.3.5  协整检验 67
3.3.6  格兰杰因果检验 68
3.4  标签 69
3.5  上机练习 69
第4章  EViews数据图形化分析 70
4.1  基本绘图功能 70
4.1.1  快速绘图 70
4.1.2  图形的个性化设置 71
4.1.3  图形对象 73
4.2  分类图 75
4.3  动态图 78
4.4  上机练习 80
第2篇  EViews经典线性回归模型
第5章  经典的回归模型 84
5.1  经典线性回归模型 84
5.1.1  经典线性回归模型的假设 84
5.1.2  最小二乘估计 85
5.1.3  建立回归模型的步骤 85
5.2  经典线性回归模型的拟合 85
5.2.1  一元线性回归模型的估计 86
5.2.2  多元线性回归模型的拟合 97
5.2.3  非线性回归模型的拟合 98
5.3  含虚拟变量的回归模型 105
5.3.1  虚拟变量的含义 105
5.3.2  虚拟变量的拟合 105
5.4  上机练习 107
第6章  违背经典线性回归模型假设的修正 109
6.1  多重共线性 109
6.1.1  多重共线性的含义和影响 109
6.1.2  多重共线性的解决方法 110
6.1.3  逐步回归法 110
6.2  异方差 114
6.2.1  异方差的含义和影响 114
6.2.2  EViews异方差的修正 115
6.2.3  加权最小二乘法 115
6.3  自相关 121
6.3.1  自相关的原理 121
6.3.2  自相关的检验和修正 122
6.3.3  广义最小二乘法 123
6.4  扰动项相关 128
6.4.1  扰动项原理 128
6.4.2  二阶段最小二乘法 128
6.4.3  LIML与GMM方法 130
6.5  上机练习 131
第3篇  EViews时间序列模型
第7章  时间序列模型与预测 136
7.1  平稳性和纯随机性 136
7.1.1  平稳性 136
7.1.2  纯随机性 136
7.2  平稳性检验和纯随机性检验 137
7.2.1  单位根检验 138
7.2.2  纯随机性检验 139
7.3  AR与MA模型 140
7.3.1  AR模型 140
7.3.2  经典线性回归模型与AR模型 147
7.3.3  MA模型 148
7.4  ARMA模型 151
7.4.1  ARMA模型的拟合 152
7.4.2  ARMA模型的预测 156
7.5  单整与ARIMA模型 157
7.5.1  差分和单整 158
7.5.2  ARIMA (p, d, q)模型估计 158
7.5.3  ARIMA疏系数模型 164
7.6  上机练习 169
第8章  带季节效应的时间序列模型 171
8.1  Census X-13季节调整模型 171
8.2  指数平滑预测模型 174
8.2.1  简单指数平滑法 174
8.2.2  ETS指数平滑法 177
8.3  加法和乘法模型 178
8.4  ARIMA加法模型 181
8.5  ARIMA乘法模型 185
8.6  上机练习 189
第9章  条件异方差模型 191
9.1  异方差问题 191
9.1.1  异方差的定义 191
9.1.2  异方差的判断 192
9.1.3  方差齐性变换 193
9.2  ARCH与GARCH模型 196
9.2.1  集群效应 196
9.2.2  ARCH模型 198
9.2.3  GARCH模型 199
9.3  GARCH模型的拟合 199
9.4  GARCH的衍生模型 211
9.4.1  IGARCH模型 211
9.4.2  GARCH-M模型 212
9.4.3  TGARCH模型 212
9.4.4  EGARCH模型 213
9.5  上机练习 213
第10章  向量自回归模型 215
10.1  VAR模型的特征 215
10.2  VAR模型的估计 216
10.3  上机练习 227
第11章  协整相关模型 229
11.1  单整 229
11.1.1  单整的概念 229
11.1.2  单整的性质 229
11.2  协整 230
11.3  Engle-Granger协整检验 230
11.4  Johansen协整检验 235
11.5  误差修正模型 239
11.5.1  ECM模型 240
11.5.2  VEC模型 242
11.6  自回归分布滞后模型 246
11.6.1  ARDL模型的原理 246
11.6.2  ARDL模型估计 247
11.6.3  OLS估计 249
11.7  模型总结 250
11.8  上机练习 251
第4篇  EViews的其他模型
第12章  离散和受限因变量模型 254
12.1  二元因变量模型 254
12.1.1  二元因变量的原理 254
12.1.2  二元因变量模型的操作 255
12.2  审查回归模型 257
12.2.1  审查回归的原理 258
12.2.2  审查回归模型的操作 258
12.3  截断回归模型 261
12.3.1  截断回归的原理 261
12.3.2  截断回归模型的操作 261
12.4  排序因变量模型 263
12.4.1  排序因变量的原理 263
12.4.2  排序因变量模型的操作 264
12.5  上机练习 267
第13章  混合数据与面板数据分析 269
13.1  混合数据与面板数据的区别 269
13.2  混合数据的分析 270
13.2.1  混合数据工作文件 270
13.2.2  混合数据对象 271
13.2.3  混合数据的操作 274
13.3  混合数据模型的估计 280
13.3.1  无固定效应模型 280
13.3.2  固定效应模型 282
13.3.3  随机效应模型 284
13.3.4  模型检验 285
13.4  面板数据的分析 288
13.4.1  建立面板数据文件 288
13.4.2  面板数据模型的估计 290
13.5  上机练习 293
参考文献 295

EViews在数据分析中的应用
　　
目录
　　
·X·
　　
　　
·IX·
　　
　　
　　
　　
　　
　　

　　EViews（全称为Econometrics Views）是流行的计量经济建模和数据分析软件。它一开始是由经济学家开发的，主要应用于计量经济学研究，后来广泛应用于计量经济学、统计学、经济、金融和工业制造等领域的建模和预测，尤其在时间序列分析等方面功能强大，应用广泛，是宏观经济分析和预测的主要工具之一。
　　目前EViews的客户主要是政府部门和高等院校从事相关研究的人员等。全球有超过1?600所大学的经济系和商业系使用该软件；在每年的U.S. News世界大学排名中，有78%的高校在教学和研究中使用EViews；在经济、金融和统计分析领域的大量教科书中引入了EViews软件的介绍；全球有超过600家中央银行和政府机构使用EViews进行数据分析；国际货币基金组织、联合国和世界银行等机构也将EViews作为宏观经济预测的工具；能源、汽车制造、电信、航空、投资银行、零售和医药等行业也广泛使用EViews。
　　EViews软件的界面友好，操作简单，同时支持菜单操作和命令代码操作，通过菜单便可以实现大部分功能，非常容易入门，适合计量分析和统计分析的初学者使用，可以满足计量分析的主要需求。对于中高级使用者而言，可以通过EViews的代码编程功能完成各种分析任务。EViews拥有非常全面的回归分析和时间序列分析工具，特别适合经济和金融数据的分析与预测，因此成为高等院校“计量经济学”和“时间序列分析”等理论课与实训课常用的配套软件。
　　为了帮助经济和金融等领域的相关数据分析与建模人员系统地学习与掌握EViews软件的用法并将其应用于实际工作中，笔者耗费大半年的时间编写本书，希望能帮助EViews学习人员快速掌握该软件的使用。
本书特色
* 内容丰富：分别对EViews软件在基本统计和数据分析、经典回归分析、时间序列分析及其他模型中的应用进行详细的介绍。
* 容易上手：讲解的过程中除了介绍必要的公式和模型背景外，没有罗列大量的数学推导过程，非常容易上手。
* 案例丰富：结合90多个典型实战案例讲解重要的知识点，每个案例都给出详细的实现步骤，带领读者动手实践，加深对相关知识的理解。
* 提供上机练习题：每章的最后都提供上机练习题，帮助读者巩固和提高该章所学的知识。
* 提供教学视频：书中的所有案例和上机练习题均提供配套教学视频，帮助读者高效、直观地学习。
* 提供教学PPT和大纲：本书提供配套教学PPT和大纲，方便授课老师教学时使用。
本书内容
　　第1篇  EViews数据分析基础
　　第1章EViews概述，主要介绍EViews软件的基本操作、工作文件和对象等，适合初学者学习。
　　第2章EViews基本数据分析（单序列），主要介绍单序列基本统计量的分析和检验，以及时间序列分析的基本概念和原理，前者是数据分析的基础，后者是时间序列分析的基础。
　　第3章EViews基本数据分析（序列组），主要介绍序列组基本统计量的分析和检验，以及多个时间序列分析的基本概念和原理，包括协整检验和格兰杰因果检验。
　　第4章EViews数据图形化分析，主要介绍基本绘图功能，以及常用的分类图绘制和动态图绘制。其中，动态图绘制是EViews 12新增加的功能。
　　第2篇  EViews经典线性回归模型
　　第5章经典回归模型，主要介绍经典线性回归模型及其拟合，以及含虚拟变量的回归模型的相关知识。本章是EViews学习的重点，提供非常简洁和直观的多种分析方法，也是计量经济学要掌握的重点。
　　第6章违背经典线性回归模型假设的修正，主要介绍经典线性回归模型在拟合过程中经常遇到的多重共线性、异方差、自相关和扰动项等相关问题的判断及修正。
　　第3篇  EViews时间序列模型
　　第7章时间序列模型与预测，主要介绍平稳性和纯随机性检验，以及如何在EViews中建立和分析AR与MA模型、ARMA模型、ARIMA模型。
　　第8章带季节效应的时间序列模型，首先介绍Census X-13季节调整模型和指数平滑预测模型的分析，然后介绍在EViews中建立ARIMA加法模型和乘法模型的方法。
　　第9章条件异方差模型，主要介绍异方差问题，以及如何在EViews中建立和分析ARCH模型与GARCH模型。
　　第10章向量自回归模型，主要介绍如何在EViews中建立和分析VAR模型。
　　第11章协整相关模型，首先介绍单整和协整的相关概念，然后介绍如何在EViews中进行协整检验，以及如何建立误差修正模型和自回归分布滞后模型。
　　第4篇  EViews的其他模型
　　第12章离散和受限因变量模型，主要介绍如何在EViews中建立并分析二元因变量模型、审查回归模型、截断回归模型和排序因变量模型。
　　第?13?章混合数据与面板数据分析，主要介绍如何对混合数据与面板数据进行分析。在EViews中，混合数据和面板数据的分析方法是不同的。
读者对象
* EViews软件入门与进阶学习人员；
* 高等院校开设EViews应用、计量经济学和时间序列分析等课程的师生；
* 证券、银行、保险和投资等经济与金融行业从事数据分析的人员；
* 政府部门从事宏观经济分析和预测的人员；
* 工业制造行业从事数据分析和预测的人员；
* 对数据分析和建模感兴趣的其他人员；
* EViews软件培训学员。
配书资源获取方式
　　为了便于读者高效、直观地学习，本书提供以下配书资源：
* 配套教学视频；
* 案例与上级练习涉及的数据文件；
* 教学课件（PPT）；
* 教学大纲。
　　上述配书资源有两种获取方式：一是关注微信公众号“方大卓越”，回复数字“25”，自动获取下载链接；二是在清华大学出版社网站（www.tup.com.cn）上搜索到本书，然后在本书页面上找到“资源下载”栏目，单击“网络资源”按钮进行下载。
　　另外，笔者也会将本书教学视频发布在B站“何晓琦老师”（ID：630304558）的主页上，读者可以直接在线观看。
技术支持
　　虽然笔者对本书所述内容都尽量核对，并多次进行文字校对，但因时间所限，难免存在疏漏和不足之处，恳请广大读者批评与指正。读者在阅读本书时若有疑问，可以发送电子邮件反馈，邮箱地址为[email protected]或[email protected]。
　　
　　何晓琦
　　2024年5月
EViews在数据分析中的应用
　　
前言
　　
·II·
　　
　　
·III·