計量財稅建模與應(yīng)用

第1章 EViews軟件使用初步
1.1 Eviews軟件簡介
1.2 Eviews軟件窗口功能介紹及基本操作
1.2.1 主窗口
1.2.2 工作文件的建立
1.2.3 輸入數(shù)據(jù)
1.2.4 改動數(shù)據(jù)
1.2.5 刪除某一列數(shù)據(jù)和插入一列數(shù)據(jù)
1.2.6 改變工作文件區(qū)間
1.2.7 改變z序列和y序列的位置
1.2.8 把若干序列放在一個表格中
1.3 Eviews軟件數(shù)據(jù)及圖形操作
1.3.1 數(shù)據(jù)簡單處理
1.3.2 計算描述統(tǒng)計量
1.3.3 用數(shù)據(jù)繪制圖
1.4 EViews編程
1.4.1 EViews編程語言入門
1.4.2 程序文件的相關(guān)操作
1.4.3 常用的程序命令
第2章 線性、非線性模型參數(shù)估計
2.1 雙變量線性回歸模型
2.1.1 雙變量線性回歸模型的OLS估計
2.1.2 雙變量線性回歸模型舉例
2.2 多變量線性回歸模型
2.2.1 多變量線性回歸模型的OLS估計
2.2.2 幾點說明
2.3 可以線性化的非線性模型參數(shù)估計
2.3.1 可以線性化的非線性模型的含義
2.3.2 雙對數(shù)回歸模型的參數(shù)估計
2.4 不可以線性化的非線性模型參數(shù)估計（迭代線性化法）
2.4.1 不可以線性化的非線性模型的含義
2.4.2 迭代線性化法
2.4.3 舉例
第3章 異方差、自相關(guān)和多重共線性
3.1 異方差檢驗及修正
3.1.1 案例
3.1.2 異方差檢驗
3.1.3 異方差修正
3.2 自相關(guān)的檢驗及修正
3.2.1 案例
3.2.2 自相關(guān)的檢驗
3.2.3 自相關(guān)的修正
3.3 多重共線性
第4章 虛擬變量、多線段回歸與分布滯后模型
4.1 利用虛擬變量建模
4.1.1 案例1
4.1.2 案例2
4.1.3 案例3
4.1.4 測量斜率變動的模型
4.1.5 測量斜率和截距都變動的模型
4.2 多線段線性回歸模型
4.2.1 多線段線性回歸模型的原理
4.2.2 案例1
4.2.3 案例2
4.3 分布滯后模型
4.3.1 案例
4.3.2 阿爾蒙估計法基本原理
4.3.3 阿爾蒙估計法的EViews軟件的簡單操作方法
4.3.4 用經(jīng)驗權(quán)數(shù)法估計有限分布滯后模型的參數(shù)
第5章 模型的診斷和檢驗
5.1 檢驗若干線性的約束條件是否成立的F檢驗
5.1.1 案例
5.1.2 完成F檢驗的其他方法
5.2 似然比（LR）檢驗
5.2.1 似然比（LR）檢驗的基本原理
5.2.2 似然比（LR）檢驗的EViews軟件操作
5.3 Wald檢驗
5.3.1 案例
5.3.2 Wald檢驗原理
5.3.3 Wald檢驗的EViews軟件操作
5.4 拉格朗日乘子（LM）檢驗
5.4.1 案例
5.4.2 拉格朗日乘子（LM）檢驗的原理
5.5 鄒突變點檢驗
5.5.1 案例
5.5.2 鄒突變點檢驗的EViews軟件操作
5.6 JB正態(tài)分布檢驗
5.6.1 JB正態(tài)分布檢驗的基本原理
5.6.2 案例
5.7 格蘭杰因果性檢驗
5.7.1 格蘭杰因果性原理
5.7.2 格蘭杰因果性檢驗原理
5.7.3 案例
第6章 協(xié)整分析
6.1 單位根檢驗
6.1.1 協(xié)整原理
6.1.2 單位根檢驗的一般原理
6.2 協(xié)整檢驗
6.3 誤差修正模型
6.4 案例
6.4.1 案例1
6.4.2 案例2
第7章 聯(lián)立方程組模型
7.1 聯(lián)立方程組模型初步建立
7.1.1 建立簡單的凱恩斯宏觀經(jīng)濟模型
7.1.2 數(shù)據(jù)
7.1.3 模型的參數(shù)估計
7.2 克萊因（KleinⅠ）模型
7.2.1 克萊因（KleinⅠ）模型的形式
7.2.2 數(shù)據(jù)
7.2.3 模型參數(shù)的估計方法
7.3 聯(lián)立方程模型的模擬與預(yù)測
7.3.1 克萊因（KleinⅡ）模型
7.3.2 克萊因（KleinⅡ）模型的參數(shù)估計
7.3.3 聯(lián)立方程模型的模擬
第8章 月度、季度數(shù)據(jù)處理
8.1 移動平均法
8.1.1 簡單的移動平均公式
8.1.2 中心化移動平均
8.1.3 加權(quán)移動平均
8.2 X12季節(jié)調(diào)整方法
8.2.1 X12季節(jié)調(diào)整方法介紹
8.2.2 X12季節(jié)調(diào)整方法的幾種模型
8.3 移動平均比率方法
8.3.1 基本原理
8.3.2 EViews軟件操作
8.4 趨勢分解
8.5 指數(shù)平滑方法
8.5.1 基本原理
8.5.2 指數(shù)平滑方法簡介
8.5.3 指數(shù)平滑方法的EViews軟件操作
8.6 季度、月度和旬度指標的預(yù)測
8.6.1 季度預(yù)算撥款預(yù)測
8.6.2 月度預(yù)算撥款預(yù)測
8.6.3 旬度預(yù)算撥款預(yù)測
第9章 向量自回歸模型
9.1 單位根檢驗與協(xié)整檢驗
9.1.1 數(shù)據(jù)說明
9.1.2 單位根檢驗
9.1.3 協(xié)整檢驗
9.2 向量自回歸模型的設(shè)定和參數(shù)估計
9.2.1 向量自回歸模型的設(shè)定
9.2.2 向量自回歸模型的參數(shù)估計
9.3 脈沖響應(yīng)函數(shù)與方差分解
9.3.1 脈沖響應(yīng)函數(shù)EViews軟件操作
9.3.2 方差分解EViews軟件操作
9.4 向量誤差修正模型
9.4.1 向量誤差修正模型的建立
9.4.2 向量誤差修正模型參數(shù)估計的EViews操作
9.4.3 向量誤差修正模型參數(shù)估計結(jié)果的另一種形式
9.4.4 結(jié)果
第10章 面板數(shù)據(jù)模型
10.1 利用Pool處理面板數(shù)據(jù)
10.1.1 建立面板數(shù)據(jù)文件
10.1.2 利用Pool進行數(shù)據(jù)計算
10.2 混合模型
10.2.1 混合模型的形式
10.2.2 混合模型的EViews軟件操作
10.3 固定效應(yīng)變截距回歸模型
10.3.1 個體固定效應(yīng)變截距回歸模型的形式
10.3.2 個體固定效應(yīng)變截距回歸模型的估計方法
10.3.3 時點固定效應(yīng)變截距回歸模型的形式
10.3.4 時點固定效應(yīng)變截距回歸模型的估計方法
10.3.5 個體時點固定效應(yīng)變截距回歸模型的形式
10.3 一個體時點固定效應(yīng)變截距回歸模型的估計方法
10.4 隨機效應(yīng)變截距回歸模型
10.4.1 個體隨機效應(yīng)變截距回歸模型的形式
10.4.2 個體隨機效應(yīng)變截距回歸模型的估計方法
10.4.3 時點隨機效應(yīng)變截距回歸模型的形式
10.4.4 時點隨機效應(yīng)變截距回歸模型的估計方法
10.4.5 個體時點隨機效應(yīng)變截距回歸模型的形式
10.4.6 個體時點隨機效應(yīng)變截距回歸模型的估計方法
10.5 固定效應(yīng)變系數(shù)回歸模型
10.5.1 個體固定效應(yīng)變系數(shù)回歸模型
10.5.2 個體固定效應(yīng)變系數(shù)回歸模型的估計方法
10.5.3 時點固定效應(yīng)變系數(shù)回歸模型
10.5.4 時點固定效應(yīng)變系數(shù)回歸模型的估計方法
10.5.5 個體時點固定效應(yīng)變系數(shù)回歸模型的形式
10.5.6 個體時點固定效應(yīng)變系數(shù)回歸模型的估計方法
10.6 面板數(shù)據(jù)模型的其他問題
10.6.1 固定效應(yīng)和隨機效應(yīng)檢驗
10.6.2 面板數(shù)據(jù)的單位根和協(xié)整檢驗
10.6.3 面板結(jié)構(gòu)的工作文件
第11章 主成分分析和因子模型
11.1 主成分分析
11.1.1 數(shù)據(jù)及處理
11.1.2 主成分分析EViews軟件操作
11.2 因子模型分析
11.2.1 因子模型
11.2.2 實例
第12章 狀態(tài)空間模型
12.1 狀態(tài)空間模型概述
12.1.1 狀態(tài)空間模型原理
12.1.2 狀態(tài)空間模型的定義
12.2 狀態(tài)空間模型估計
12.2.1 創(chuàng)立狀態(tài)空間對象
12.2.2 可變邊際消費傾向的狀態(tài)空間模型
12.3 狀態(tài)空間模型的視窗和過程
12.3.1 視窗（View）
12.3.2 過程（Procs）
參考文獻