第1篇 Eviews概覽
第1章 Eviews簡介
1.1 Eviews的發展歷程
1.2 Eviews的優勢
1.3 Eviews的學習資源
1.4 本書框架
第2章 Eviews的安裝
2.1 Eviews的安裝環境
2.2 Eviews的版本
2.3 免費獲取Eviews12學生版
第3章 初識Eviews
3.1 Eviews介麵
3.2 Eviews窗口
3.3 Eviews外掛程式

第2篇 Eviews入門
第4章 工作文件
4.1 創建工作文件
4.2 工作檔視窗
第5章 對象
5.1 什麼是物件？
5.2 對象的類型
5.3 物件的基本操作
5.4 物件視窗
第6章 序列
6.1 什麼是序列？
6.2 創建序列
6.3 序列窗口的工具列
6.4 數值代碼與Valmap
第7章 組
7.1 創建組
7.2 組窗口的工具列
第8章 樣本
8.1 創建樣本物件
8.2 調用樣本物件
第9章 圖形
9.1 創建圖形物件
9.2 圖形修飾
9.3 圖形選項
9.4 批量修改多圖
9.5 圖形範本
9.6 圖形輸齣

第3篇 截麵數據
第10章 截麵資料的圖形工具
10.1 實戰案例：基金經理特徵分析
10.2 單個序列的圖形工具
10.3 兩個序列的圖形工具
10.4 多個序列的圖形工具
10.5 圖形工具命令
第11章 截麵資料的基礎性統計分析
11.1 實戰案例：基金經理業績分析
11.2 單個序列的統計分析
11.3 多個序列的統計分析
11.4 基礎性統計分析命令
第12章 迴歸分析基礎工具
12.1 實戰案例：基金收益率分析
12.2 方程的創建
12.3 方程窗口的工具列
12.4 虛擬變數
12.5 方程形式變換
12.6 方程的診斷
12.7 線性方程的命令
第13章 定性因變數模型
13.1 LPM
13.2 logit模型
13.3 probit模型
13.4 有序logit模型
13.5 LPM、logit、probit和有序logit方程的命令
第14章 受限因變數模型
14.1 Tobit模型
14.2 Heckman模型
14.3 計數模型
14.4 Tobit、Heckman和計數模型的命令
第15章 分位元數迴歸模型
15.1 分位元數迴歸模型簡介
15.2 實戰案例：個人醫療支齣分析
15.3 分位數迴歸方程的估計
15.4 分位數迴歸方程的診斷
15.5 分位數迴歸方程的命令
第16章 工具變數
16.1 工具變數和TSLS方法
16.2 實戰案例：工資影響因素分析
16.3 TSLS方程的估計
16.4 工具變數的檢驗
16.5 工具變數的命令
第17章 嶺迴歸、LASSO迴歸和ElasticNet迴歸
17.1 正則化
17.2 實戰案例：汽車性能和油耗分析
17.3 嶺迴歸
17.4 LASSO迴歸
17.5 ElasticNet迴歸
17.6 ElasticNet方程、嶺迴歸和LASSO的命令
第18章 主成分分析
18.1 主成分分析簡介
18.2 實戰案例：汽車性能主成分分析
18.3 主成分分析的實現
18.4 主成分分析的命令
第19章 因數分析
19.1 因數分析簡介
19.2 實戰案例：十項全能運動員成績分析
19.3 因數分析的實現
19.4 因數分析的命令

第4篇 時間序列
第20章 時間序列的基礎性分析
20.1 實戰案例：宏觀經濟指標分析
20.2 日期函數和虛擬變數
20.3 時間序列迴歸模型
第21章 ARIMA模型
21.1 ARIMA模型簡介
21.2 ARIMA方程的識別和估計
21.3 ARIMA方程的診斷
21.4 ARIMA方程的預測
21.5 ARIMA方程的命令
第22章 GARCH模型
22.1 GARCH模型及其擴展
22.2 實戰案例：上證指數收益率分析
22.3 GARCH方程的估計
22.4 GARCH方程的預測
22.5 GARCH方程的診斷
22.6 GARCH方程的命令

第5篇 麵闆數據
第23章 麵闆資料模型
23.1 麵闆資料模型簡介
23.2 實戰案例：個人特徵對工資的影響效應分析
23.3 創建麵闆資料工作檔
23.4 麵闆資料方程的估計
23.5 麵闆資料方程的診斷
23.6 麵闆資料方程的命令
參考文獻
後記