- 在线时间
- 1 小时
- 最后登录
- 2012-9-26
- 注册时间
- 2012-5-7
- 听众数
- 0
- 收听数
- 0
- 能力
- 0 分
- 体力
- 7 点
- 威望
- 0 点
- 阅读权限
- 10
- 积分
- 4
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 2
- 主题
- 1
- 精华
- 0
- 分享
- 0
- 好友
- 5
升级   80% 该用户从未签到 - 自我介绍
- 2472842201
 |
EViews案例应用分析班 6 s3 {% p* s" w- n
培训时间:2012年11月2日-4日(三天)6 R3 E% i" z/ b6 l. y" `5 h
培训地点:上海;+ R. e3 h4 O9 u. b: R8 K7 u2 L) L
培训费用:2400元(含发票);学生1200元(凭学生证报名,无发票);
" t8 _% B, p [ 差旅及住宿费用自理
5 e/ N* N8 J5 ~4 c授课安排:4 W: q* a+ Y" d3 x# t" m; U
(1) 授课方式:使用Eviews6.0。中文多媒体互动式授课方式) E3 B5 k. O9 L8 T: l1 J
(2) 授课时间:上午9:00-12:00,下午13:30-16:30(16:30-17:00答疑)* ^; ]7 ?6 [' C; ^9 w# h
3 v' G4 `' b' d# D/ |8 j
3 \$ ]7 r5 v6 {# S' |讲师介绍:
2 z; `- G4 m7 {9 N 人大经济论坛数据处理和分析研究中心是人大经济论坛下属的研究机构,具有强大的统计计量和数据处理方面的实力,我们服务过的客户包括中国人民银行、世界银行、亚洲开发银行、各大高校研究机构、科研院所、公司和个人等,数据处理和分析的实践经验丰富、理论功底深厚。
/ l2 x, z) t) T! H5 `/ p8 @* w. a 本研究中心应用的解决数据处理和分析问题的工具包括. SAS、SPSS、MATLAB、STATA、EVIEWS、EXCEL、SPLUS&R、LINGO、MAPLE、MATHEMATICA、MATHCAD等。在对外承接数据处理业务的同时,我们也把实际数据处理的经验转化为课程,供广大有兴趣的会员朋友们学习使用。! _! l- c) T% D. Q8 s
! T2 A2 T8 R5 d 5 C4 @3 k( u$ F
讲师对Eviews软件的认识:7 i1 M- {# _) E1 G; M' T
在数字化的今天,学习一门软件是至关重要的。无论哪个行业的从业人员都意识到了这一点,无论是教学还是公司办公,excel等基础软件已不能满足人们的各类关于数据分析的需求。统计学的软件从小的到大的,不开源的到开源的,数目众多。6 [" x3 p2 I4 r2 Z" D/ M4 Z
EVIEWS软件之所以成为比较受欢迎的软件是有原因的:2 ~( G- I0 x+ P/ ~
1.这个软件有友好的操作界面,使一个初学者能够很快上手。
9 A1 _% ?' L' ?, H6 {- C8 c2.软件的更新速度适度,更新后的软件功能变强大,但是依然界面友好。* v" a( X6 D: D0 B" R
3.强大的运算速度绝不容忽略,它在估计用极大似然法估计的模型时表现出来的运算效果是惊人的。这是因为这个软件的算法优化做的非常出色,使得模型能够尽快达到收敛效果。+ M) w& Y: K; w; h/ ^* D5 M$ @
4.对象化方式,所有的变量也好模型也好,矩阵也好都是以对象的形式存在的。正因为是对象化存在,所以你再调用时就变的非常简单直接。3 D9 t9 m" `- e8 d% z
5.eviews的程序语言非简单易懂,对于一个没有接触过程序的人员来讲,这款软件的程序语言绝对是非常好的程序入门软件。( D# R: `# J" [. ^; T, Y
6.帮助文档非常容易调取。帮助文档有pdf格式,同时有网页格式,进行搜索时你会发现他的搜索是如此的简单。
8 n* c) u% |1 n$ m* o% d$ K
5 B8 e# w( l3 X+ }, {授课特色:! b, {- F, Q+ V$ o" `) N6 ~
主讲老师处理案例众多,经验丰富,对学员日常遇到的问题十分了解。 S/ v* X6 k6 X4 n2 T
本课程从导入数据开始到估计比较复杂的模型,本课程会让你发现这款软件的众多好处,所有的操作均以案例方式进行讲解,使课程生动活泼。课程内容丰富,几乎涵盖了所有计量模型,并且在你选择了这门软件后扩展到其他软件也非常简单。希望大家不要把学习当做负担,而是体会学习中的乐趣。2 v% m# e" I# P
: B) {3 c/ \$ M7 j8 H
课程内容安排:, G5 M4 |+ [7 l3 y* k
第一天:
4 A G4 \% G' ]8 t培训目录* p7 k4 ~3 ~7 y! [2 q5 ^$ s
案例数据说明
: K) E+ W3 T O) Z! _: f) i* V一、EViews入门介绍# z4 O( `3 _5 y3 a+ O
(1)Eviews工作界面介绍;
% t$ K p4 R5 b, T5 o1 k(2)变量的生成及编辑;" C0 d7 o; [4 A( X
(3)样本区间的调整;
- c$ g' I! p8 ` y& S(4)变量的排序及变量的运算;, m2 Y+ D! @, ?' h u7 W
(5)工作文件的保存与调用;8 k& U/ N6 G0 S
(6)EViews软件的退出; j1 X, _( w( i5 |5 X1 W
案例数据说明:本案例中所采用的数据均来自中国经济信息网,数据区间为1978-2008,北京市城镇家庭年平均每人可支配收入(x1),北京市城镇家庭平均每人全年消费性支出(y1),北京市居民消费价格指数(1978=100)(index)。
4 m: D2 c, y' G1 ?9 z8 Z3 y- N案例数据说明:上证综指日收盘价(2003-1-6,2009-6-29)
& `6 B2 ?9 ]8 j2 s/ i7 n1 Q% m8 Z二、Eviews图形对象介绍( [6 v: u. N# E5 a' O
(1)关于单个变量的作图:单变量的折线图,钉形图、柱形图;对于图形的编辑;3 Q2 v4 Y- B9 a/ T+ X
(2)关于多个变量的作图:多变量折线图;做多变量的散点图(如何修改横轴和纵轴的标签);做多变量的面积图(直观的看人口增长率)。+ M1 w& L, M" F4 `" p; U
案例数据说明:2003年1月6日-2009年6月26日上证综指日收盘价。
& d1 t, i: N+ }案例数据说明:1978年-2008年北京市城镇居民收入和消费性支出数据(已经经过物价调整的)。- Y4 I5 X c7 i' G8 \
案例数据说明:1985年和1998年城镇居民家庭8项支出占总支出的比重。! }# t8 K2 B" b2 P3 ^% r" {9 v
案例数据说明:1978年-2008年北京市城镇居民收入和消费性支出数据(已经经过物价调整的)。
8 l: I1 q5 I$ B1 I8 }8 }/ a案例数据说明:1980年-2008年中国人口出生率和死亡率。' q. S1 y( D+ ?* T9 H4 Q
三、描述性统计分析5 B2 ] Q+ t/ u# t8 B8 |
(1)借助组对象方便的导入数据;' g0 u h/ y* l
单变量和多变量的描述性统计和假设检验;
5 l' }6 p4 q9 g& F {; S(2)单变量的分类描述性统计和假设检验;
$ |3 P+ u* s- P2 w( g: R* ]! Y(3)QQ图和分布图及经验分布参数估计;# i, P) a. }! M
(4)把数据从excel中导入到EViews中;# t9 ~: j" I2 e( |. I
(5)变量的相关系数矩阵,协方差矩阵。
& _ i1 l, x3 g2 \# \案例数据说明:2003年1月6日-2009年6月26日上证综指日对数收益率。) r8 q( x$ S0 b6 L0 ~. @) L
案例数据说明:国家统计调查队分别在两个地区调查了10个家庭的收入# C+ T( K$ N" I
案例数据说明:1983-2000年我国粮食生产与相关投入的数据,变量包括粮食产量(单位:万吨)、农业化肥施用量(单位:万千克)、粮食播种面积(单位:公顷)。& S2 t/ O: n, \9 S) O$ s1 E
0 {; E. W9 m! w: w
四、一元线性回归模型3 ~' p$ t5 H, ^0 p7 P0 K4 M
(1)两个变量的散点图;
' K( @# h" e+ g x# d(2)一元线性回归方程的估计;对方程估计结果的解释与评价。6 B$ j: ^% a+ s% F0 y/ }3 `
(3)如何根据我们估计的回归方程计算需求的价格弹性;
% P. d1 o- S! ~" X(4)Eviews的计算器功能;/ f) N" W: P$ g8 \: U/ }( U9 O
(5)方程的预测,包括样本内预测和样本外预测。1 c/ t" C8 U& D8 b8 K; K
案例数据说明:1978年-2008年北京市城镇居民年家庭收入和年消费性支出数据(已经经过物价调整的)。
4 v* k1 v7 w0 X1 e' n案例数据说明:1970年-1980年美国的咖啡平均真实零售价格(每磅美元)与消费量(每人每日杯数)(其中,零售价格是已经经过物价调整的)。5 ]( `9 f, {' M
1 o, V5 _, a7 C) `6 l
五、多元线性回归模型% ~7 \, A' F: D- @* j0 z4 o" m
(1)做以因变量为横轴,多个自变量为纵轴的散点图;6 d, Z- r0 q( p7 A
(2)建立组对象查看自变量的相关系数矩阵;
! u5 n( A e" j9 L. t; j' b(3)多元线性回归模型的估计;对模型结果的解释和评价。多重共线性的识别及解决方案。
" N& v& Z) I7 c% I3 G& V(4)模型Wald系数约束性检验,冗余变量检验,遗漏变量检验,残差的异方差性检验和正态性检验。5 q( j1 L+ m% f! c0 J4 A
案例数据说明:2005年我国31个省、市、自治区的数据,因变量为地区生产总值(万元)y,各项财政支出(万元)为自变量,包括基本建设支出(x1),企业挖潜改造资金(x2),科技三项费用(x3),农业支出(x4),农林水利等部门事业费(x5),工业交通部门事业费(x6),流动部门事业费(x7),教育事业费(x8),科学事业费(x9),卫生经费(x10),行政管理费(x11),公检法司支出(x12),城市维护费(13)。: D5 X+ D9 f; A+ u- x9 j' j
9 _, c' q4 i, s$ a$ [
六、非线性回归模型, O2 i5 f* r4 r
(1)双对数模型;, `, }. s: w1 X) }1 R/ [
(2)半对数模型;
- Y, w+ U- t8 Y& C$ U(3)倒数模型;( u2 s- s$ x8 U( }7 a
这里要介绍3种建立非线性模型的方法。1、通过生成新变量的办法来估计双对数模型。2、不用生成新变量直接估计双对数模型的线性最小二乘法。然后和第一种方法的结果作比较。估计模型之后对模型进行评价和解释,并做wald系数约束性检验,看制造业总体是否呈现规模报酬不变的状态。3、直接用非线性最小二乘法估计非线性模型;+ C% j2 [: J( y5 }+ Q+ T* V7 J
案例数据说明:2000年按行业分的全部制造业国有企业以及一定规模以上的制造业非国有企业的工业总产值Y(亿元)和资产合计K(亿元)及职工人数L(万人)。一共是31个样本。
; \7 A, o: _1 c6 `案例数据说明:1973年-1987年美国GNP与货币供给(其中,GNP是经过季度调整的年度数据,M2=现钞+活期存款+旅行支票+其他支票存款+隔日RPS 和欧元+MMMF(货币市场共同基金)结余+MMDAS(货币市场存款账户)+储蓄及小额存款。)两个变量的单位是10亿美元;- d( _) v4 K J8 O( w
案例数据说明:某硫酸厂的硫酸的透明度(y)和铁杂质含量(x),共47个观测值。0 k+ O) g) i& s; m
& {3 l- ?5 p' Z7 q- @# ^! c
七、虚拟变量模型
( b+ X. e3 _1 I! R& T(1)虚拟变量的定义及意义;) T; s! U; Y [$ N6 j* B! u: o
虚拟变量的生成;- `( [+ e( p. w& B( h
(2)如何通过加项的形式将虚拟变量引入到模型中去,及其意义解释;
% l1 E/ B" C; }7 a, a(3)如何通过乘项的方式将虚拟变量引入到模型中去,及其意义解释。
) q0 M+ s3 J% _: S! u2 C) [- x' G案例数据说明:如果你想研究教授的薪金是否受性别的影响,这时候就需要加入性别虚拟变量。这里我们有某学校的10位学院教授的起薪Y(千美元)和性别资料。& `; J) N) S! K$ G
案例数据说明:中国1980-2001年以城乡储蓄存款新增额S代表的居民当年储蓄及以GNP代表的居民当年收入。我们建立这个模型的目的是为了检验1997年前后,居民的储蓄行为有没有发生变化。; L# ?- ]2 |* M$ o+ H0 X7 H
案例数据说明:美国1965年第一季度-1970年第四季度蔬菜业的利润(百万美元)和销售量(百万美元)。: J! ]9 @3 L! r' a/ m x
八、eviews矩阵计算& }6 H; ^+ }. Z6 q0 x0 }, ~7 L
(1)矩阵的建立;. [/ k4 m; E+ X6 a! j' W4 w% o
(2)方阵的行列式;* Z1 `8 B5 @+ w+ v% j9 S
(3)矩阵的加法;
$ s% ~. J0 T+ o. m- p$ d8 f) f* M(4)矩阵的乘法;' m B, `% A3 {) p: q/ ^
(5)矩阵的秩(标量);
9 A/ [, H# x7 _( ?7 r- F: t5 a; @(6)矩阵的迹(标量);2 @6 B( i% e$ e% ~. P0 I
(7)矩阵的转置;- G* R; `# i* k
矩阵的逆;
5 d( I2 J3 R4 M" l(8)求矩阵各个列向量的相关系数;
6 u1 ^8 Q) |. k$ O) U' {( N: D(9)建立对称矩阵;
+ v% t1 Q0 R t" d9 |# W(10)对称矩阵的特征向量;+ Y0 o! o4 S2 e4 i
(11)矩阵的内积;
" b5 D& l3 C, {7 J$ A, L5 J0 A(12)用eviews解线性方程组。' A& P( Z$ ?; i2 r; V1 g
% G' j' |. X' s# ?
第二天:* v E# q# v$ c/ d
培训目录
1 I# I7 _0 x2 `4 C, t0 t' g2 C案例数据说明
5 x) h, u2 F6 _+ T+ B; b, w2 Y一、单个经济时间序列的趋势模型、季节调整、分解与平滑
) j% z+ C3 q m+ D4 a- b(1)趋势模型。也就是以时间变量t为自变量的模型;
6 z l/ g/ ]! w8 d$ T(2)季节调整方法。传统的时间序列分析把时间序列的波动归结为四大因素:趋势变动、季节变动、循环变动、和不规则变动。其中循环变动指周期为数年的变动,通常指经济周期。季节调整方法的一个目的是为了将时间序列的各波动因素分解开,可以清楚的观察各部分的波动的具体情况,以便为更为深入研究各部分波动的变化规律提供条件。而目的之二,就是在充分了解各因素的规律后再将各因素合成在一起,从而起到预测的目的; HP滤波和BP滤波;指数平滑方法。" P& p! y7 u& o. f) c( ?
案例数据说明:1979年-2008年我国的氮肥施用量。根据该时间序列的规律我们选择用logistic曲线建模。这种模型是不可线性化的,所以需要用非线性最小二乘法直接估计。首先需要生成时间自变量t,然后才能估计方程。这里我们采用三和值法计算非线性估计参数的初值,计算过程可以手动计算也可以通过编程计算。- ^* N7 x0 h+ v/ s" D+ {
案例数据说明:使用上面的经过季节调整后的GDP季度数据的趋势与循环成分。这里我们要用HP滤波方法将趋势成分和循环成分分开,从而可以计算产出缺口。. `4 c U' D0 I
案例数据说明:我国的季度GDP(单位:亿元,)指标时间段为1992年第一季度到2007年第四季度,是按当季现价计算的。
5 A7 t$ J# z8 E! E$ u0 ^数据案例说明:2003年1月6日到2009年6月26日上证综指周五收盘价。共312个数据。
1 O4 w2 K6 O- O0 ^
3 y5 Y3 N: L( \; b' ~; b" h二、离散因变量与受限因变量模型
- ` Z/ q9 M# h% Y' g5 _1 f9 {(1)二元选择模型;0 D: J$ R% j; M+ \! N' [/ O
(2)排序选择模型;7 L- Q7 o6 a( ]+ N. l
(3)计数模型;
1 i2 s5 F$ b$ V( T(4)删截回归模型(censored regression model);% R& \9 R* Y! \4 h* W. j
(5)截尾回归模型(Truncated Regression Model);* Y% f4 ]8 e1 ~5 |" C6 {
7 G6 ^5 X8 v" l; L1 e, q案例数据说明:变量的取值来自21个横截面个体。因变量为选择哪种交通工具上班的方式,这里只有两种选择,要么自己开车要么乘坐公共汽车,因此因变量是由两种选择的变量。因变量为选择两种交通方式去上班所用的时间差。即自变量为自己开车去上班所用的时间减去乘公交车去上班所用的时间。4 D9 X% _+ q# H" g7 f" N6 x3 B( V
案例数据说明:在调查执政者的支持率的民意测验中,由于执政者执行了对某一收入阶层有利的政策而使得不同收入的市民对其支持不同,所以我们把被调查者的收入作为自变量也就是解释变量。而因变量为y表示三种态度(0,1,2分别表示支持、中立、不支持)一共24个样本数据。7 R( g' O) G9 z2 W9 G6 B- e
案例数据说明:因变量为轮船发生事故的次数,自变量为轮船的特征属性和运行时间。轮船类型有五种,分别用x1-x5表示,建造时间有四个分别用m1、m2 m2 m3 m4表示,表示使用时期的两个变量分别为z1、z2表示,运行时间用da表示。
( h7 ?, W. Y1 [. H案例数据说明:共调查了753个已婚妇女,因变量为工作时间hours,自变量分别为家庭中小于6岁的小孩个数(kidsl6),已婚妇女的年龄(age),已婚妇女的受教育年限(educ),丈夫收入(hwage)。, W! x5 T* v! _
三、分布滞后模型
3 g' D# X- @, B/ ?! D(1)回归方程残差的序列相关性检验;
; Z# v7 W( y" e+ V(2)回归方程残差的自回归模型(AR Error Model);! l! @4 {) }. {1 X
(3)自回归模型(把因变量的滞后期作为解释变量);3 \; ]# Y6 u' ^, Z ^" ]
(4)有限分布滞后模型(将自变量的当前期和滞后期作为解释变量);
) q; U& ]7 h( _( ^$ b, H- K" c* A$ H(5)自回归分布滞后模型(将自变量的当前期、滞后期作为解释变量和因变量的滞后期作为解释变量)。
6 k& x7 y3 }- N, v! J0 o1 K! s 9 q/ A' E0 C% E# _1 Z% w4 e
案例数据说明:1978-2001年中国商品进口M(单位亿元)与国内生产总值GDP(单位亿元)。其中,因变量为商品进口额,自变量为国内生产总值。+ H3 a$ `4 j! \0 A
案例数据说明:承接上面的案例,修正模型中存在的序列相关性问题。调整模型之后要进行序列相关性检验。3 |, p; m6 E& q* m% D# {
案例数据说明:数据为1983年12月到2006年5月美国的居民消费价格指数(CPI)。" s4 `% x5 c$ d8 ]2 i! X% E7 T
案例数据说明:数据为1983年12月到2006年5月美国的居民消费价格指数(CPI)和工资率(wage),建立完模型之后要进行序列相关性检验。
, C& ~8 w' p1 o案例数据说明:数据为1983年12月到2006年5月美国的居民消费价格指数和工资率。建立完模型之后要进行序列相关性检验。
: x( H! q9 f' Z; C l- C) U& p) d3 V四、时间序列ARIMA模型
$ s! S0 ]* a! R; k4 \4 d2 j/ N(1)如何通过观察时间序列的自相关图和偏自相关图来判断时间序列的平稳性;8 ~6 r0 Z& z* p- D) l* e1 f
(2)检验序列是否可以通过差分的方式来实现平稳性;; O/ r. k. d" O3 a: _
(3)通过观察自相关图和偏自相关图对平稳后的序列确定AR和MA和SAR的阶数; k; B" }9 O/ V
(4)对估计的模型进行检验,包括显著性检验和残差序列的相关性检验;
, ^/ b# c' Y+ |% \" l+ G) Y(5)用我们建立的ARIMA或SARIMA模型进行预测;
0 V8 ^: F5 q2 [2 B) `; Y案例数据说明:中国1949-2008年底总人口数。单位:万人。(ARIMA)
* E9 C& s3 w/ _! x, S案例数据说明:北京市1978年1月至1989年12月社会商品零售额月度序列(单位:亿元)。共144个观测值。(SARIMA)
8 m, d, R# A* ^
% p p: J1 _! c0 p) H* r) M$ @五、单位根检验和基于残差的协整检验- u( ~+ ?4 ]; X% e: ?' I
(1)时间序列数据的平稳性说明;/ e5 A, j5 k# u3 t" Y, q% t
(2)时间序列平稳性的DF和ADF单位根检验;8 ?8 f7 k2 q2 q+ `! c+ B
(3)时间序列平稳性的DFGLS单位根检验;
4 h8 |; l- {6 y9 W, b(4)时间序列平稳性的PP单位根检验;
4 r/ Z# |# i; f/ K9 x% p( l7 p(5)时间序列平稳性的KPSS单位检验;" }1 S! Y G0 z' X% |+ N) j& L# x
(6)时间序列平稳性的ERS单位根检验;
6 Q9 n6 r5 c7 o$ y8 l; w(7)时间序列平稳性的NP单位根检验;) Z& ?7 i( [+ ]
(8)协整检验;
6 c% Y$ }) ~2 \1 B' W2 ~7 E1 m% E(9)建立误差修正模型;( P0 h7 Y" v9 c
案例数据说明:1978年-2008年北京市城镇居民年家庭收入和年消费性支出数据(已经经过物价调整的)。
" e) ~, b/ w' L7 Q3 F* z1 q7 b9 {
! ~5 t9 T( ~5 S* B' e0 p1 |( D5 `: m六、 自回归条件异方差模型
5 \# c& b8 Q6 V' P(1)通过日收盘价生成对数收益率变量;) [/ \. M6 \- z, h% f9 [
(2)对数收益率序列的平稳性检验;
$ M& ^4 q$ N& P& b: u# B- U(3)均值方程的确定以及残差的序列相关检验;
% v- V! f ]' `! d1 n! g2 x(4)对残差平方的序列相关检验;
! w; A7 @* w: O# \8 f(5)对残差平方做线形图;' e8 B9 f2 l+ P! [8 P7 Z j
(6)对均值方程的残差做ARCH-LM检验;
7 a, L" D& l0 ~! i8 k) Q(7)建立各种形式的ARCH模型并对新的残差序列进行ARCH—LM检验;
$ _$ I0 R. T5 B5 d(8)根据我们建立的ARCH模型对收益率序列的方差进行预测。# T1 ~! Q* {- t+ O0 I% h; {
6 H9 w! p' \) N( Z, ^
案例数据说明:2003年1月6日—2009年6月26日上证综指日收盘价,共1569个观测值。
& J$ @ E. O* l4 f" Y+ } {
8 I; Y! t+ u6 X0 v7 F% q七、Eviews编程应用
/ O! k- R1 P) K$ k1 m# W(1)如何把以前一年为基期计算的居民消费价格指数换算成以某一年为基期计算的居民消费价格指数;
- Y, o- Y: a' I(2)如何把名义变量(分类变量)转换成虚拟变量。; I5 i; Z9 D/ [0 e
, h2 e+ [, O. k, M
案例数据说明:1978-2008年以前一期为基期计算的居民消费价格指数。
* B( C' Z3 Y$ B: z案例数据说明:2003年1月6日—2009年6月26日上证综指日收盘价,共1569个观测值。7 N, j! [) X3 m, U! N* h1 |
' R% G" x. t' I4 S" G3 s第三天
% g3 C9 K+ \6 O培训目录# ~* D: I* a# y2 b$ J1 y) J. _
案例数据说明
& F9 T, x. S" H/ N" f8 O9 F! I J一、联立方程计量经济学模型
- k# O$ Y4 o7 L/ A/ V! k6 c(1)联立方程模型的介绍;
) Y+ [' r0 J5 _5 A(2)联立方程模型的概念以及分类;
3 c* O. q; I" Z* L(3)联立方程模型的识别;
/ V+ D0 ?8 E$ T# ^- F8 h! X* y(4)联立方程模型的估计;. H6 z! B, f' s) i; [
案例数据说明:一个包含3个方程的中国宏观经济模型9 _7 O* Z& `2 u& P% c" G; P I
3 _8 b2 S' A( }: o+ z
二、向量自回归模型. h8 i, S% T8 i; u
(1)VAR模型的有关概念(非结构化的向量自回归模型);7 x" F& c* M4 C* w& t: }
(2)有关SVAR模型的有关概念;VAR模型的识别条件;
3 m2 J8 z6 K5 c+ p+ B(3)SVAR模型的短期约束;
+ ?8 B; Z( z# C# S0 L- F(4)格兰杰因果关系检验;VAR模型滞后阶数p的的确定;
2 T1 T( ^: ^( l3 e* h2 {7 N(5)脉冲响应函数;
9 v, d' q, v1 F! [* m" Q' U0 G(6)方差分解;
6 S+ q+ h' y3 Q4 g/ \2 y; G(7)Johansen协整检验;/ j" |$ W" Y5 [. j& a- Q- {+ b
(8)向量误差修正模型;5 L2 q7 n( o# \$ \2 M9 o# |. ?0 a
案例数据说明:1978-2008年工业增加值指数(y1),房地产业增加值指数(y2),批发和零售业增加值指数(y3),交通运输、仓储和邮政业增加值指数(y4)。为避免数据的剧烈波动首先需要进行对数化处理。
+ V, ]8 n' a+ @$ ^# A! v
6 e% B, `, F7 V6 o三、面板数据模型; O; h( q& `/ P% [* P
(1)面板数据和面板数据模型的简单介绍;
* n+ G% B0 O `) F# u1 f(2)如何将面板数据导入到Eviews中;
B( S; t; k: w J% T; [(3)面板数据模型的分类;; [% M+ X0 a8 w- `4 R; Y) x7 Q0 t; e
(4)固定影响(效应)变截距模型;+ ~* x% G) O* p8 t
(5)随机影响(效应)变截距模型;" a+ M8 t2 q! ]+ J/ ~: t. k
(6)Hausman检验;& a8 B! v) Q, c- ^
(7)面板数据的单位根检验;9 Y2 ~' }. u/ A
(8)面板数据的协整检验。. J- d2 _7 x4 x1 ~8 x+ c
案例数据说明:2001-2008年中国31个省级地区的城镇居民家庭全年人均消费性支出、全年人均可支配收入、城镇居民消费价格指数(1978=100)。0 F3 `$ y8 ?0 ?2 `/ m! `) }- J6 a
/ Y7 _6 T0 k1 W, t2 Y G/ d
四、分位数回归: o8 t" b5 |. _7 y+ I
(1)分位数回归简单介绍;
+ T1 |1 O9 L/ ~ n% w5 W9 q(2)分位数回归的优势;
7 a9 C& A: g+ P4 a3 u(3)分位数回归的操作步骤;1 W; j! t3 C8 ~4 c. ^
(4)分位数回归的结果分析。
2 F, v$ p) ]/ X( _" F. y案例数据说明:这个案例是计算教育收益率的。数据为某一年的城镇用户调查,共选了600条观测。
1 u& G4 L y4 h* D/ \" j9 A
) Q: L5 o! b: h( E2 ]7 d% q五、极大似然估计
3 J U; g1 P8 Z6 K9 @" _% c(1)极大似然估计的原理介绍;
) E J3 y* T% H9 g# A# Q4 t$ d2 e2 ^ W(2)多元线性回归的对数似然函数及其推导;
5 j3 j, o- R Q3 w |/ D8 N' ](3)用EViews软件实现多元线性回归的极大似然估计;& t7 [$ e( P' W- m h e7 t X
GARCH(1,1)模型的对数似然函数;
8 X* j9 }* E' e; q+ r(4)用EViews软件实现GARCH(1,1)模型极大似然估计+ O4 [% Y. S, x+ G: E
Z: a' Y. q# r- Q
案例数据说明:中国客运总量模型。因变量为中国客运总量,用y表示(单位为10亿人次)。自变量为全国人口数(单位为亿人),人均国内生产总值(单位为千元),铁路营业里程数(单位为万公里),公路水路营业里程之和(单位为万公里),分别用X1,X2,X3,X4表示。时间区间为1990年到2003年。
! B ^) ^2 q$ }案例数据说明:深证成指2007-1-1到2010-12-31的日收盘价。5 G( |9 A* i" R, B, t; P X1 c7 \2 X
六、方差膨胀因子
6 v$ |7 w& v; c' f3 E0 G(1)方差膨胀因子计算公式;# \$ g2 ?' q% x; h/ J9 A. _: X
(2)通过建立辅助回归方程的形式来计算方差膨胀因子;. x9 c0 u, M( O5 E" i8 e3 a
(3)以矩阵计算的方式来计算变量的方差膨胀因子;
, o P. y# s% E) S& L" O) q. X(4)方差膨胀因子大小评价准则。% \6 B- |& M6 C6 L- A" m1 t; _
( I8 D a* E! y* t8 {
案例数据说明:2005年我国31个省、市、自治区的数据,因变量为地区生产总值(万元)y,各项财政支出(万元)为自变量,包括基本建设支出(x1),企业挖潜改造资金(x2),科技三项费用(x3),农业支出(x4),农林水利等部门事业费(x5),工业交通部门事业费(x6),流动部门事业费(x7),教育事业费(x8),科学事业费(x9),卫生经费(x10),行政管理费(x11),公检法司支出(x12),城市维护费(13)。
. G" v+ v+ x0 F- t l0 j 0 l. w$ M. }: P5 x0 D
培训优惠
: d/ w, v, M9 G& u7 e4 A (1)10月13日之前报名缴费8折优惠。(学生价不参与此项优惠)+ L7 {& N5 r) i; C, T
(2)10月20日之前报名缴费9折优惠。(学生价不参与此项优惠)% z$ e7 t6 D6 g0 y1 w* [+ l2 @% f
(3)同一单位3人以上报名,9折优惠。
- p; T* n8 U" N8 k& M5 r5 p9 [ 8 Y3 Y* d/ n: Q3 g, {2 m
报名流程5 ~) e# h- G/ `: u6 C l1 N" E
1. 提交报名信息:baoming.pinggu.org/PostMyInfo.aspx?id=152 (复制到浏览器打开)
& `4 d8 L1 M, g2. 给予反馈,确认报名信息5 a( w2 w. x( Q1 M7 }; A
3. 交费:baoming.pinggu.org/paycenter.aspx (复制到浏览器打开)
# r1 S+ O/ ^' L8 m* ]4. 开课前一周发送培训教室路线图,培训现场领取发票$ e0 K% j/ K1 [$ m; {* q
# o0 s# t4 U" B8 m4 E5 Y咨询联系方式# `' m5 i, Z7 v# ]) `
张老师- ]( t8 t) F) B2 x5 T. w! ?5 _
电话: (010)68472707
# T2 [8 x, T$ i4 j$ |+ r7 W手机:13021256707
5 Q! P9 ?6 y8 {! e+ |7 m/ kQ Q: 2472842201
" k. V2 e! _6 [, A+ G邮箱: zhangyi@pinggu.org |
zan
|