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

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（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

吉林大学：《数量经济软件选讲》课程教学资源（PPT课件讲稿）EViews基础——第12章 图、表和文本对象

吉林大学：《数量经济软件选讲》课程教学资源（PPT课件讲稿）EViews基础——第11章 应用于序列和组的统计图

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

教学内容 首先介绍专家系统基本概念、特征、组成以及基本类型。。然后讲授专家控制系统的工作原理，最后介绍了建立专家系统的步骤和专家控制器。 教学重点 1．专家系统的概念，即它是一种模拟人类专家解决领域问题的计算机程序系统。将专家系统同控制理论和技术相结合，对系统进行控制形成专家控制系统。把专家系统作为控制器称为专家控制器。专家系统的基本组成，即由知识库、推理机、解释接口等组成。 2．专家控制系统工作原理。专家系统设计的基本步骤：认识和阶段化概念，实现阶段，获取知识、构造外部知识库，调试和检验阶段

教学内容 首先介绍人工神经网络的基本概念和 ANN 的特性，以及神经网络的学习方法。然后讲授典型的前向神经网络、反馈神经网络的原理、结构、基本算法，给出了 BP 网络的算法改进。最后介绍了神经网络 PID 控制。 教学重点 1. 神经网络的各种学习算法，神经网络的训练。 2. 感知器网络、BP 网络的结构和算法、BP 网络学习算法的改进，反馈网络的结构、学习算法。 3. 神经网络 PID 控制