計(jì)量經(jīng)濟(jì)分析方法與建模：EViews應(yīng)用及實(shí)例·中高級(jí)（第4版）

第1章經(jīng)濟(jì)時(shí)間序列的處理、季節(jié)調(diào)整與分解

1．1經(jīng)濟(jì)時(shí)間序列的處理和頻率轉(zhuǎn)換方法

1．1．1經(jīng)濟(jì)指標(biāo)中數(shù)據(jù)類型的概念

1．1．2頻率轉(zhuǎn)換

1．2季節(jié)調(diào)整

1．2．1移動(dòng)平均公式

1．2．2Census X13ARIMASEATS季節(jié)調(diào)整方法

1．2．3TRAMO/SEATS方法

1．3趨勢(shì)分解

1．3．1HodrickPrescott濾波方法

1．3．2頻譜濾波(BP濾波)方法

1．4EViews軟件的相關(guān)操作

1．4．1頻率轉(zhuǎn)換

1.4.2季節(jié)調(diào)整

1.4.3HodrickPrescott濾波

1.4.4BP濾波

第2章非平穩(wěn)時(shí)間序列建模

2.1非平穩(wěn)時(shí)間序列和單位根檢驗(yàn)

2.1.1非平穩(wěn)序列和單整

2.1.2單位根檢驗(yàn)

2.1.3突變點(diǎn)單位根檢驗(yàn)(breakpoint unit root test)

2.2非平穩(wěn)時(shí)間序列建模

2.2.1ARIMA模型

2.2.2ARFIMA模型

2.2.3自回歸分布滯后模型

2.3協(xié)整和誤差修正模型

2.3.1協(xié)整關(guān)系

2.3.2基于殘差的協(xié)整檢驗(yàn)

2.3.3誤差修正模型(ECM)

2.4EViews軟件的相關(guān)操作

2.4.1單位根檢驗(yàn)

2.4.2非平穩(wěn)時(shí)間序列建模

2.4.3基于殘差的EG協(xié)整檢驗(yàn)

第3章擴(kuò)展的回歸方法

3.1分位數(shù)回歸

3.1.1分位數(shù)回歸的基本思想和系數(shù)估計(jì)

3.1.2系數(shù)協(xié)方差的估計(jì)

3.1.3模型評(píng)價(jià)和檢驗(yàn)

3.2非線性最小二乘法

3.2.1非線性模型概念

3.2.2非線性模型估計(jì)方法

3.3非參數(shù)回歸模型

3.3.1密度函數(shù)的非參數(shù)估計(jì)

3.3.2一元非參數(shù)計(jì)量經(jīng)濟(jì)模型

3.4混頻數(shù)據(jù)抽樣回歸模型

3.4.1模型介紹

3.4.2權(quán)重函數(shù)

3.5穩(wěn)健(Robust)最小二乘法

3.5.1M估計(jì)

3.5.2S估計(jì)

3.5.3MM估計(jì)

3.5.4系數(shù)協(xié)方差的計(jì)算方法

3.6有限信息極大似然估計(jì)和K類估計(jì)

3.6.1有限信息極大似然(LIML)估計(jì)

3.6.2K類估計(jì)

3.7EViews軟件的相關(guān)操作

3.7.1分位數(shù)回歸

3.7.2非線性最小二乘估計(jì)

3.7.3非參數(shù)估計(jì)

3.7.4混頻回歸估計(jì)

3.7.5Robust最小二乘估計(jì)

3.7.6LIML和K類估計(jì)

第4章具有結(jié)構(gòu)變化特征的回歸模型

4.1間斷點(diǎn)回歸模型

4.1.1多個(gè)間斷點(diǎn)的檢驗(yàn)

4.1.2包含多個(gè)間斷點(diǎn)時(shí)的方程估計(jì)

4.2門限回歸模型

4.2.1門限回歸模型

4.2.2自激勵(lì)門限自回歸模型

4.3平滑轉(zhuǎn)換回歸模型

4.3.1平滑轉(zhuǎn)換回歸模型的基本形式

4.3.2轉(zhuǎn)換函數(shù)的類型

4.3.3平滑轉(zhuǎn)換回歸模型的設(shè)定與估計(jì)

4.3.4平滑轉(zhuǎn)換模型估計(jì)結(jié)果的進(jìn)一步檢驗(yàn)

4.4區(qū)制轉(zhuǎn)換回歸模型

4.4.1區(qū)制轉(zhuǎn)換回歸的基本模型

4.4.2馬爾可夫區(qū)制轉(zhuǎn)換模型

4.4.3動(dòng)態(tài)區(qū)制轉(zhuǎn)換模型

4.5EViews軟件的相關(guān)操作

4.5.1間斷點(diǎn)檢驗(yàn)和間斷點(diǎn)模型估計(jì)

4.5.2門限模型的估計(jì)

4.5.3平滑轉(zhuǎn)換方程的建立與估計(jì)

4.5.4區(qū)制轉(zhuǎn)換方程的建立與估計(jì)

第5章條件異方差模型

5.1自回歸條件異方差模型

5.1.1ARCH模型

5.1.2ARCH的檢驗(yàn)

5.1.3GARCH模型

5.1.4IGARCH模型

5.1.5約束及回推

5.1.6GARCH模型的殘差分布假設(shè)

5.1.7GARCHM模型

5.2非對(duì)稱的ARCH模型

5.2.1TARCH模型

5.2.2EGARCH模型

5.2.3PARCH模型

5.2.4非對(duì)稱的信息沖擊曲線

5.3成分ARCH模型

5.3.1成分ARCH模型的條件方差方程的設(shè)定

5.3.2非對(duì)稱的成分ARCH模型

5.4多變量ARCH方法

5.4.1多變量ARCH模型的基本形式

5.4.2多變量ARCH模型條件方差和協(xié)方差矩陣的設(shè)定方法

5.5EViews軟件的相關(guān)操作

5.5.1ARCH檢驗(yàn)

5.5.2ARCH模型的建立

5.5.3ARCH模型的輸出

5.5.4ARCH模型的視圖和過程

5.5.5繪制估計(jì)的信息沖擊曲線

5.5.6多變量ARCH模型的估計(jì)

第6章受限因變量模型

6.1受限因變量的數(shù)據(jù)特征與模型方法

6.1.1審查、截?cái)嗪瓦x擇性樣本

6.1.2受限因變量數(shù)據(jù)不能用普通最小二乘估計(jì)的原因

6.1.3審查回歸模型

6.1.4截?cái)嗷貧w模型

6.2Heckman樣本選擇模型

6.2.1Heckman樣本選擇模型的形式

6.2.2Heckman樣本選擇模型的估計(jì)方法

6.3計(jì)數(shù)模型

6.3.1泊松模型的形式與參數(shù)估計(jì)

6.3.2負(fù)二項(xiàng)式模型的形式與參數(shù)估計(jì)

6.3.3準(zhǔn)極大似然估計(jì)

6.4廣義線性模型

6.4.1廣義線性模型的形式

6.4.2廣義線性模型的參數(shù)估計(jì)

6.5EViews 軟件的相關(guān)操作

6.5.1審查回歸模型

6.5.2截?cái)嗷貧w模型

6.5.3Heckman選擇模型

6.5.4計(jì)數(shù)模型

6.5.5廣義線性模型

第7章極大似然估計(jì)

7.1極大似然估計(jì)的基本原理和計(jì)算方法

7.1.1極大似然估計(jì)的基本原理

7.1.2極大似然估計(jì)量的計(jì)算方法

7.1.3優(yōu)化算法

7.1.4極大似然估計(jì)量的特點(diǎn)分析

7.2極大似然的估計(jì)實(shí)例

7.2.1一元線性回歸模型的極大似然函數(shù)

7.2.2AR(1)模型的極大似然函數(shù)

7.2.3GARCH(q，p)模型的極大似然函數(shù)

7.2.4具有異方差的一元線性回歸模型的極大似然函數(shù)

7.3EViews軟件的相關(guān)操作

7.3.1似然對(duì)象的建立

7.3.2似然對(duì)象的估計(jì)、視圖和過程

7.3.3問題解答

第8章向量自回歸和向量誤差修正模型

8.1向量自回歸(VAR)模型

8.1.1非限制向量自回歸模型的一般形式

8.1.2非限制VAR模型的估計(jì)

8.1.3具有線性約束的VAR模型及估計(jì)方法

8.1.4滯后階數(shù)p的確定

8.1.5VAR模型的預(yù)測(cè)

8.2結(jié)構(gòu)VAR(SVAR)模型

8.2.1SVAR模型的形式

8.2.2SVAR模型的識(shí)別條件

8.2.3SVAR模型的約束形式

8.3Granger因果關(guān)系的定義和檢驗(yàn)

8.3.1Granger因果關(guān)系的定義

8.3.2Granger因果關(guān)系檢驗(yàn)

8.4脈沖響應(yīng)函數(shù)和方差分解

8.4.1脈沖響應(yīng)函數(shù)的基本思想

8.4.2VAR模型的脈沖響應(yīng)函數(shù)

8.4.3廣義脈沖響應(yīng)函數(shù)

8.4.4SVAR模型的脈沖響應(yīng)函數(shù)

8.4.5方差分解

8.5Johansen協(xié)整檢驗(yàn)

8.5.1特征根跡檢驗(yàn)

8.5.2最大特征值檢驗(yàn)

8.5.3協(xié)整方程的形式

8.6向量誤差修正(VEC)模型

8.6.1VEC模型的基本思想

8.6.2VEC模型的函數(shù)形式

8.7貝葉斯VAR模型

8.7.1貝葉斯VAR模型的基本思想

8.7.2先驗(yàn)分布

8.8EViews軟件的相關(guān)操作

8.8.1VAR模型的建立和估計(jì)

8.8.2估計(jì)SVAR模型的結(jié)構(gòu)因子矩陣

8.8.3Granger 因果檢驗(yàn)

8.8.4脈沖響應(yīng)函數(shù)和方差分解的計(jì)算

8.8.5協(xié)整檢驗(yàn)

8.8.6VEC模型的建立和估計(jì)

8.8.7貝葉斯VAR模型的估計(jì)

第9章擴(kuò)展的面板數(shù)據(jù)模型

9.1面板數(shù)據(jù)的單位根檢驗(yàn)

9.1.1相同根情形下的單位根檢驗(yàn)

9.1.2不同根情形下的單位根檢驗(yàn)

9.2面板數(shù)據(jù)的協(xié)整檢驗(yàn)

9.2.1Pedroni檢驗(yàn)

9.2.2Kao檢驗(yàn)

9.2.3Fisher面板協(xié)整檢驗(yàn)

9.3面板數(shù)據(jù)廣義矩方法（GMM）

9.3.1面板數(shù)據(jù)GMM的基本原理

9.3.2面板數(shù)據(jù)GMM的估計(jì)方法

9.4動(dòng)態(tài)面板數(shù)據(jù)回歸模型

9.4.1動(dòng)態(tài)面板數(shù)據(jù)回歸模型簡(jiǎn)介

9.4.2動(dòng)態(tài)面板數(shù)據(jù)模型的估計(jì)

9.5EViews軟件的相關(guān)操作

9.5.1構(gòu)建面板工作文件

9.5.2面板數(shù)據(jù)的基本分析

9.5.3面板數(shù)據(jù)模型的建立與估計(jì)

第10章狀態(tài)空間模型和卡爾曼濾波

10.1狀態(tài)空間模型的定義

10.2卡爾曼濾波

10.2.1Kalman濾波的一般形式

10.2.2Kalman濾波的解釋和性質(zhì)

10.2.3修正的Kalman濾波遞推公式

10.2.4非時(shí)變模型及Kalman濾波的收斂性

10.2.5Kalman濾波的初始條件

10.3狀態(tài)空間模型超參數(shù)的估計(jì)

10.3.1似然函數(shù)形式的預(yù)測(cè)誤差分解

10.3.2超參數(shù)的估計(jì)方法

10.4狀態(tài)空間模型的應(yīng)用

10.4.1可變參數(shù)模型的狀態(tài)空間表示

10.4.2季節(jié)調(diào)整的狀態(tài)空間形式

10.4.3ARMAX模型的狀態(tài)空間形式

10.5EViews軟件的相關(guān)操作

10.5.1定義狀態(tài)空間模型

10.5.2估計(jì)狀態(tài)空間模型

10.5.3狀態(tài)空間模型的視窗和過程

第11章主成分分析和因子分析

11.1主成分分析

11.1.1主成分分析的基本思想

11.1.2總體主成分求解及其性質(zhì)

11.1.3樣本的主成分

11.2因子分析

11.2.1基本的因子分析模型

11.2.2正交因子模型的性質(zhì)

11.2.3因子載荷的估計(jì)方法

11.2.4因子數(shù)目的確定方法及檢驗(yàn)

11.2.5因子旋轉(zhuǎn)

11.2.6因子得分

11.3EViews軟件的相關(guān)操作

11.3.1主成分分析的實(shí)現(xiàn)

11.3.2因子分析的實(shí)現(xiàn)

11.3.3因子旋轉(zhuǎn)的操作

11.3.4計(jì)算因子得分

11.3.5因子視圖

11.3.6因子過程

參考文獻(xiàn)

附錄