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

EViews的核心就是对象。简言之,对象是相关信 息和操作的集合体,它被捆绑成一个容易使用的单元。 实际上,应用 EViews的所有工作都会涉及使用和操作 各种各样的对象。 EViews在对象集合中包含所有的对象。可以把对 象集合认为是各种各样数据的档案柜或者是组织者。在 EViews中最重要的对象集合是工作文件和数据库

联立方程组的结构性方法是用经济理论来建立变量之间关系的模型。但 是,经济理论通常并不足以对变量之间的动态联系提供一个严密的说明。并 且,内生变量既可以出现在等式的左端又可以出现在等式的右端使得估计和 推断更加复杂

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

第一节 蛋白质的营养作用 Nutritional Function of Protein 第二节 氨基酸的一般分解代谢 General Metabolism of Amino Acids 第三节 氨 的 代 谢 Metabolism of Ammonia 第五节 个别氨基酸的代谢 Metabolism of Individual Amino Acids

牵引电动机是驱动机车车辆动轮轴的主电动机,因此,在设计参数选择和 结构形式上不同于普通电动机,而成为电动机的一个单独类型。为了满足运输 生产的需要,必须对机车牵引性能提出一定要求,例如:能产生足够大的牵引 力;能方便和广泛地调节速度;有较强的过载能力;具备先进的经济技术指标 等。对机车牵引性能的要求,在很大程度上讲就是对牵引电动机性能的要求