计量经济分析方法与建模：EViews应用及实例·中高级（第4版）

第1章经济时间序列的处理、季节调整与分解

1．1经济时间序列的处理和频率转换方法

1．1．1经济指标中数据类型的概念

1．1．2频率转换

1．2季节调整

1．2．1移动平均公式

1．2．2Census X13ARIMASEATS季节调整方法

1．2．3TRAMO/SEATS方法

1．3趋势分解

1．3．1HodrickPrescott滤波方法

1．3．2频谱滤波(BP滤波)方法

1．4EViews软件的相关操作

1．4．1频率转换

1.4.2季节调整

1.4.3HodrickPrescott滤波

1.4.4BP滤波

第2章非平稳时间序列建模

2.1非平稳时间序列和单位根检验

2.1.1非平稳序列和单整

2.1.2单位根检验

2.1.3突变点单位根检验(breakpoint unit root test)

2.2非平稳时间序列建模

2.2.1ARIMA模型

2.2.2ARFIMA模型

2.2.3自回归分布滞后模型

2.3协整和误差修正模型

2.3.1协整关系

2.3.2基于残差的协整检验

2.3.3误差修正模型(ECM)

2.4EViews软件的相关操作

2.4.1单位根检验

2.4.2非平稳时间序列建模

2.4.3基于残差的EG协整检验

第3章扩展的回归方法

3.1分位数回归

3.1.1分位数回归的基本思想和系数估计

3.1.2系数协方差的估计

3.1.3模型评价和检验

3.2非线性最小二乘法

3.2.1非线性模型概念

3.2.2非线性模型估计方法

3.3非参数回归模型

3.3.1密度函数的非参数估计

3.3.2一元非参数计量经济模型

3.4混频数据抽样回归模型

3.4.1模型介绍

3.4.2权重函数

3.5稳健(Robust)最小二乘法

3.5.1M估计

3.5.2S估计

3.5.3MM估计

3.5.4系数协方差的计算方法

3.6有限信息极大似然估计和K类估计

3.6.1有限信息极大似然(LIML)估计

3.6.2K类估计

3.7EViews软件的相关操作

3.7.1分位数回归

3.7.2非线性最小二乘估计

3.7.3非参数估计

3.7.4混频回归估计

3.7.5Robust最小二乘估计

3.7.6LIML和K类估计

第4章具有结构变化特征的回归模型

4.1间断点回归模型

4.1.1多个间断点的检验

4.1.2包含多个间断点时的方程估计

4.2门限回归模型

4.2.1门限回归模型

4.2.2自激励门限自回归模型

4.3平滑转换回归模型

4.3.1平滑转换回归模型的基本形式

4.3.2转换函数的类型

4.3.3平滑转换回归模型的设定与估计

4.3.4平滑转换模型估计结果的进一步检验

4.4区制转换回归模型

4.4.1区制转换回归的基本模型

4.4.2马尔可夫区制转换模型

4.4.3动态区制转换模型

4.5EViews软件的相关操作

4.5.1间断点检验和间断点模型估计

4.5.2门限模型的估计

4.5.3平滑转换方程的建立与估计

4.5.4区制转换方程的建立与估计

第5章条件异方差模型

5.1自回归条件异方差模型

5.1.1ARCH模型

5.1.2ARCH的检验

5.1.3GARCH模型

5.1.4IGARCH模型

5.1.5约束及回推

5.1.6GARCH模型的残差分布假设

5.1.7GARCHM模型

5.2非对称的ARCH模型

5.2.1TARCH模型

5.2.2EGARCH模型

5.2.3PARCH模型

5.2.4非对称的信息冲击曲线

5.3成分ARCH模型

5.3.1成分ARCH模型的条件方差方程的设定

5.3.2非对称的成分ARCH模型

5.4多变量ARCH方法

5.4.1多变量ARCH模型的基本形式

5.4.2多变量ARCH模型条件方差和协方差矩阵的设定方法

5.5EViews软件的相关操作

5.5.1ARCH检验

5.5.2ARCH模型的建立

5.5.3ARCH模型的输出

5.5.4ARCH模型的视图和过程

5.5.5绘制估计的信息冲击曲线

5.5.6多变量ARCH模型的估计

第6章受限因变量模型

6.1受限因变量的数据特征与模型方法

6.1.1审查、截断和选择性样本

6.1.2受限因变量数据不能用普通最小二乘估计的原因

6.1.3审查回归模型

6.1.4截断回归模型

6.2Heckman样本选择模型

6.2.1Heckman样本选择模型的形式

6.2.2Heckman样本选择模型的估计方法

6.3计数模型

6.3.1泊松模型的形式与参数估计

6.3.2负二项式模型的形式与参数估计

6.3.3准极大似然估计

6.4广义线性模型

6.4.1广义线性模型的形式

6.4.2广义线性模型的参数估计

6.5EViews 软件的相关操作

6.5.1审查回归模型

6.5.2截断回归模型

6.5.3Heckman选择模型

6.5.4计数模型

6.5.5广义线性模型

第7章极大似然估计

7.1极大似然估计的基本原理和计算方法

7.1.1极大似然估计的基本原理

7.1.2极大似然估计量的计算方法

7.1.3优化算法

7.1.4极大似然估计量的特点分析

7.2极大似然的估计实例

7.2.1一元线性回归模型的极大似然函数

7.2.2AR(1)模型的极大似然函数

7.2.3GARCH(q，p)模型的极大似然函数

7.2.4具有异方差的一元线性回归模型的极大似然函数

7.3EViews软件的相关操作

7.3.1似然对象的建立

7.3.2似然对象的估计、视图和过程

7.3.3问题解答

第8章向量自回归和向量误差修正模型

8.1向量自回归(VAR)模型

8.1.1非限制向量自回归模型的一般形式

8.1.2非限制VAR模型的估计

8.1.3具有线性约束的VAR模型及估计方法

8.1.4滞后阶数p的确定

8.1.5VAR模型的预测

8.2结构VAR(SVAR)模型

8.2.1SVAR模型的形式

8.2.2SVAR模型的识别条件

8.2.3SVAR模型的约束形式

8.3Granger因果关系的定义和检验

8.3.1Granger因果关系的定义

8.3.2Granger因果关系检验

8.4脉冲响应函数和方差分解

8.4.1脉冲响应函数的基本思想

8.4.2VAR模型的脉冲响应函数

8.4.3广义脉冲响应函数

8.4.4SVAR模型的脉冲响应函数

8.4.5方差分解

8.5Johansen协整检验

8.5.1特征根迹检验

8.5.2最大特征值检验

8.5.3协整方程的形式

8.6向量误差修正(VEC)模型

8.6.1VEC模型的基本思想

8.6.2VEC模型的函数形式

8.7贝叶斯VAR模型

8.7.1贝叶斯VAR模型的基本思想

8.7.2先验分布

8.8EViews软件的相关操作

8.8.1VAR模型的建立和估计

8.8.2估计SVAR模型的结构因子矩阵

8.8.3Granger 因果检验

8.8.4脉冲响应函数和方差分解的计算

8.8.5协整检验

8.8.6VEC模型的建立和估计

8.8.7贝叶斯VAR模型的估计

第9章扩展的面板数据模型

9.1面板数据的单位根检验

9.1.1相同根情形下的单位根检验

9.1.2不同根情形下的单位根检验

9.2面板数据的协整检验

9.2.1Pedroni检验

9.2.2Kao检验

9.2.3Fisher面板协整检验

9.3面板数据广义矩方法（GMM）

9.3.1面板数据GMM的基本原理

9.3.2面板数据GMM的估计方法

9.4动态面板数据回归模型

9.4.1动态面板数据回归模型简介

9.4.2动态面板数据模型的估计

9.5EViews软件的相关操作

9.5.1构建面板工作文件

9.5.2面板数据的基本分析

9.5.3面板数据模型的建立与估计

第10章状态空间模型和卡尔曼滤波

10.1状态空间模型的定义

10.2卡尔曼滤波

10.2.1Kalman滤波的一般形式

10.2.2Kalman滤波的解释和性质

10.2.3修正的Kalman滤波递推公式

10.2.4非时变模型及Kalman滤波的收敛性

10.2.5Kalman滤波的初始条件

10.3状态空间模型超参数的估计

10.3.1似然函数形式的预测误差分解

10.3.2超参数的估计方法

10.4状态空间模型的应用

10.4.1可变参数模型的状态空间表示

10.4.2季节调整的状态空间形式

10.4.3ARMAX模型的状态空间形式

10.5EViews软件的相关操作

10.5.1定义状态空间模型

10.5.2估计状态空间模型

10.5.3状态空间模型的视窗和过程

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总体主成分求解及其性质

11.1.3样本的主成分

11.2因子分析

11.2.1基本的因子分析模型

11.2.2正交因子模型的性质

11.2.3因子载荷的估计方法

11.2.4因子数目的确定方法及检验

11.2.5因子旋转

11.2.6因子得分

11.3EViews软件的相关操作

11.3.1主成分分析的实现

11.3.2因子分析的实现

11.3.3因子旋转的操作

11.3.4计算因子得分

11.3.5因子视图

11.3.6因子过程

参考文献

附录