本章我们讨论分析时间序列数据（检验序列相关性，估计ARMA模型，使用分布滞后，非平稳时间序列的单位根检验）的单方程回归方法

本章讨论加权最小二乘估计，异方差性和自相关一致协方差估计，两阶段最小二乘估计（TSLS），非线性最小二乘估计和广义矩估计（GMM）。这里的大多数方法在“联立方程系统”一章中也适用

本章介绍EViews中基本回归技术的使用：说明并估计一个回归模型，进行简单的特征分析并在深入的分析中使用估计结果。随后的章节讨论了检验和预测，以及更高级，专业的技术，如加权最小二乘法、二阶段最小二乘法(TSLS)、非线性最小二乘法、ARIMA/ARIMAX模型、GMM（广义矩估计）、GARCH模型,和定性的有限因变量模型

序列链接对象(简称链接)为合并来自不同工作文件的信息 提供了强大工具,这个工具是EViews55新增加的功能。对于大 范围复杂数据的操作提供了简单易用的接口,例如:把数据 从一个工作文件页合并到另一个工作文件页;把分组概要统 计数据保存到一个工作文件页中;在具有日期的工作文件页 间实现观测值的匹配

描述使用 EViews来完成数据的基本分析及利用 EViews画图和造表来描述数据。 第九章序列 第十章组 第十一章应用于序列和组的统计图 第十二章图、表和文本对象

这一章描述了组对象的视图与过程。对一个组我们可以计算各种统计量，描述不同序列之间的关系，并以各种方式显示出来，例如表格、数据表、图等

第18章ARCH GARCH和估计建立变量的条件方差或变量波动性模型。 第19章离散和受限因变量模型-讨论几种定性和受限因变量模型的估计方法。 EViews提供了二元或排序,检查或截断,和计数模型的估计程序。 第20章对数极大似然估计-论述了对数极大似然估计,给出似然函数的形式, EViews可以估计对数极大似然模型的参数

第五部分多方程分析 第21章系统估计--讨论了方程系统的估计 第22章向量自回归和误差修正模型-向量自回归模型以及向量误差修正模型估计。给出检验非稳定变量之间协整关系的工具。 第23章状态空间模型和卡尔曼滤波----利用状态空间模型和卡尔曼滤波工具建立结构时间序列模型

第13章基本回归模型----概述了 EViews中的普通最小二乘估计(OLS) 基础。 第14章其他回归方法--讨论加权最小二乘估计(WLS),二阶段最小二乘 估计(TSLS),和非线性最小二乘估计(NLS)技术

EViews提供序列的各种统计图、统计方法及过程。当用前 面描述的方法向工作文件中读入数据后,就可以对这些数据进 行统计分析和图表分析。 EViews可以计算一个序列的各种统计量并可用表单、表、 图等形式将其表现出来。视图包括最简单的曲线图一直到核密 度估计。通过过程可以用原有的序列创建新的序列。这些过程 包括季节调整、指数平滑和 Hodrick-Prescott-滤波 在第10章我们将讲述包括多个序列的组和组对象的统计方 法及过程