EViews的用途:统计、计量分析和预测。 除菜单操作外,EViews还提供命令语言 矩阵语言和程序设计。 共分六个部分: ·第一部分: EViewsEViews基础介绍 的基本用法。另外对基本的 Windows操作系 统进行讨论,解释如何使用 EViews来管理数 据。(1-10章)

EViews中的大多数统计工具都是用来建立随机变量的条件均值模 型。本章讨论的重要工具具有与以往不同的目的建立变量的条件 方差或变量波动性模型。 我们想要建模并预测其变动性通常有如下几个原因:首先,我们 可能要分析持有某项资产的风险;其次,预测置信区间可能是时变性 的,所以可以通过建立残差方差模型得到更精确的区间;第三,如果 误差的异方差是能适当控制的,我们就能得到更有效的估计

本章描述了对一个单方程进行预测或计算拟合值的过程 。这里描述的技术是利用通过回归方法估计得到的方程来进 行预测

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(TSL),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

单方程回归是最丰富多彩和广泛使用的统计技术之一。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。这些技术和模型都是建立在本章介 绍的基本思想的基础之上的

EViews的对象(序列、组、方程等)可以用图、表、文本等形式表现 出来。这些视图是动态的,即当基础对象或活跃的样本变化时其展现形式 也会发生变化。 为防止视图随着对象的改变而改变,人们常将当前的视图保护起来。 在 EViews中这要靠 freezing(固化)来实现。固化一个视图将产生一个对象 (这个对象是该视图内容的“瞬象”)。原始视图的多样化产生了不同的 对象类型:固化一个图相当于建了一个图对象,固化一个表相当于建了一 个表对象,固化一个文本相当于建了一个文本对象

EViews提供了几种对数据进行初步分析的方法。在第九章 我们已列出了几种图来描述序列分布特征。在本章,列出了几 种散点图且允许我们可以用有参数或无参数过程来做拟合曲线 图。 这些图包含着复杂计算和大量的特殊操作,这些将在下面 详细论述。对某些完全技术性的介绍,不必掌握所有细节。 EViews中设置的缺省值除了对极特殊的分析外,对一般分析而 言是足够的。直接点击ok键接受缺省设置,就可以轻松的展现 出每个图

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

本章主要介绍电力机车辅助线路的作用、组成和辅助设备的设置等内容,以SS型机 车为代表讲述其辅助线路的工作原理、分析方法,并讨论SS型机车的列车供电系统。通 过学习要达到的要求是: