本书结合大量实战案例，全面、系统地介绍EViews软件的基本用法及其在数据分析中的应用。本书每章的最后都提供上机练习题，帮助读者提高动手能力。另外，本书提供配套教学视频，帮助读者高效、直观地学习，还提供教学PPT和大纲，方便相关高校的老师教学。 本书共13章，分为4篇。第1篇“EViews数据分析基础”，涵盖EViews概述、EViews基本数据分析（单序列）、EViews基本数据分析（序列组）和EViews数据图形化分析；第2篇“EViews经典线性回归模型”，涵盖经典回归模型和违背经典线性回归模型假设的修正；第3篇“EViews时间序列模型”，涵盖时间序列模型与预测、带季节效应的时间序列模型、条件异方差模型、向量自回归模型和协整相关模型；第4篇“EViews的其他模型”，涵盖离散和受限因变量模型，以及混合数据与面板数据分析。 本书内容丰富，结构合理，逻辑清晰，步骤详细，特别适合证券、银行、保险和投资等经济与金融行业中从事数据分析的相关人员阅读，也适合政府和工业制造等领域从事宏观经济分析与预测的数据分析人员阅读，还适合作为高等院校“EViews应用”“计量经济学”和“时间序列分析”等课程的教材。

第1篇 EViews数据分析基础
第1章 EViews概述
1.1 EViews基础
1.1.1 EViews的版本和安装
1.1.2 EViews的启动与退出
1.1.3 EViews的主窗口
1.2 工作文件
1.2.1 新工作文件的建立
1.2.2 读取外部数据
1.2.3 工作文件窗口
1.3 对象
1.3.1 对象的建立
1.3.2 对象窗口
1.3.3 生成新序列
1.4 上机练习
第2章 EViews基本数据分析（单序列）
2.1 数据的展示
2.1.1 电子表格
2.1.2 绘图
2.2 基本统计量分析和检验
2.2.1 描述性统计量和检验
2.2.2 单因素统计表
2.2.3 重复值分析
2.3 时间序列分析
2.3.1 相关图
2.3.2 长期方差
2.3.3 单位根检验
2.3.4 断点单位根检验
2.3.5 季节单位根检验
2.3.6 方差比率检验
2.3.7 BDS独立性检验
2.3.8 预测效果评估
2.3.9 小波分析
2.4 标签
2.5 上机练习
第3章 EViews基本数据分析（序列组）
3.1 数据展示和基本操作
3.1.1 建立组
3.1.2 序列组数据比较
3.1.3 建立带日期的数据表格
3.1.4 序列组绘图
3.2 基本统计量分析和检验
3.2.1 基本描述性统计量和检验
3.2.2 多因素统计表分析
3.2.3 重复值分析
3.2.4 协方差和相关性分析
3.2.5 齐性检验
3.2.6 主成分分析
3.3 时间序列分析
3.3.1 相关图
3.3.2 交叉相关关系
3.3.3 长期方差
3.3.4 单位根检验
3.3.5 协整检验
3.3.6 格兰杰因果检验
3.4 标签
3.5 上机练习
第4章 EViews数据图形化分析
4.1 基本绘图功能
4.1.1 快速绘图
4.1.2 图形的个性化设置
4.1.3 图形对象
4.2 分类图
4.3 动态图
4.4 上机练习
第2篇 EViews经典线性回归模型
第5章 经典的回归模型
5.1 经典线性回归模型
5.1.1 经典线性回归模型的假设
5.1.2 最小二乘估计
5.1.3 建立回归模型的步骤
5.2 经典线性回归模型的拟合
5.2.1 一元线性回归模型的估计
5.2.2 多元线性回归模型的拟合
5.2.3 非线性回归模型的拟合
5.3 含虚拟变量的回归模型
5.3.1 虚拟变量的含义
5.3.2 虚拟变量的拟合
5.4 上机练习
第6章 违背经典线性回归模型假设的修正
6.1 多重共线性
6.1.1 多重共线性的含义和影响
6.1.2 多重共线性的解决方法
6.1.3 逐步回归法
6.2 异方差
6.2.1 异方差的含义和影响
6.2.2 EViews异方差的修正
6.2.3 加权最小二乘法
6.3 自相关
6.3.1 自相关的原理
6.3.2 自相关的检验和修正
6.3.3 广义最小二乘法
6.4 扰动项相关
6.4.1 扰动项原理
6.4.2 二阶段最小二乘法
6.4.3 LIML与GMM方法
6.5 上机练习
第3篇 EViews时间序列模型
第7章 时间序列模型与预测
7.1 平稳性和纯随机性
7.1.1 平稳性
7.1.2 纯随机性
7.2 平稳性检验和纯随机性检验
7.2.1 单位根检验
7.2.2 纯随机性检验
7.3 AR与MA模型
7.3.1 AR模型
7.3.2 经典线性回归模型与AR模型
7.3.3 MA模型
7.4 ARMA模型
7.4.1 ARMA模型的拟合
7.4.2 ARMA模型的预测
7.5 单整与ARIMA模型
7.5.1 差分和单整
7.5.2 ARIMA （p， d， q）模型估计
7.5.3 ARIMA疏系数模型
7.6 上机练习
第8章 带季节效应的时间序列模型
8.1 Census X-13季节调整模型
8.2 指数平滑预测模型
8.2.1 简单指数平滑法
8.2.2 ETS指数平滑法
8.3 加法和乘法模型
8.4 ARIMA加法模型
8.5 ARIMA乘法模型
8.6 上机练习
第9章 条件异方差模型
9.1 异方差问题
9.1.1 异方差的定义
9.1.2 异方差的判断
9.1.3 方差齐性变换
9.2 ARCH与GARCH模型
9.2.1 集群效应
9.2.2 ARCH模型
9.2.3 GARCH模型
9.3 GARCH模型的拟合
9.4 GARCH的衍生模型
9.4.1 IGARCH模型
9.4.2 GARCH-M模型
9.4.3 TGARCH模型
9.4.4 EGARCH模型
9.5 上机练习
第10章 向量自回归模型
10.1 VAR模型的特征
10.2 VAR模型的估计
10.3 上机练习
第11章 协整相关模型
11.1 单整
11.1.1 单整的概念
11.1.2 单整的性质
11.2 协整
11.3 Engle-Granger协整检验