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

EViews的核心是对象,对象是指有一 定关系的信息或算子捆绑在一起供使用的单 元,用 EViews工作就是使用不同的对象。 对象都放置在对象集合中,其中工作文件( workfile)是最重要的对象集合

EViews编程的特征允许用户在程序中创建和存储命令,程序能 自动执行每个命令,或生成研究项目的结果。例如,用户可以编写一 个分析某个工业数据的程序,然后便可以用该程序分析其他工业的数 据。用户也可以创建一个程序,通过对最后结果的计算和图形表格的 表示结构来把用户从创建工作文件和读取原始数据中解脱出来

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

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)

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