統(tǒng)計(jì)分析軟件EViews及其應(yīng)用

定　價(jià)：￥20.00

作　者：	劉亞清，魯亞松
出版社：	知識(shí)產(chǎn)權(quán)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 行業(yè)軟件及應(yīng)用

購買這本書可以去

ISBN：	9787513042062	出版時(shí)間：	2016-06-01	包裝：	平裝
開本：	32開	頁數(shù)：	116	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書分為三個(gè)部分的內(nèi)容。首先，從統(tǒng)計(jì)學(xué)軟件Eviews入手，對(duì)其基礎(chǔ)知識(shí)進(jìn)行了簡(jiǎn)單概述，讓讀者可以了解和簡(jiǎn)單使用Eviews軟件。該部分分為兩章內(nèi)容，即數(shù)據(jù)處理、圖形與表格的處理和應(yīng)用。其次，本書對(duì)統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)進(jìn)行系統(tǒng)介紹，分為四章，即統(tǒng)計(jì)學(xué)基礎(chǔ)、統(tǒng)計(jì)推斷、參數(shù)估計(jì)和假設(shè)檢驗(yàn)。從而，讓讀者對(duì)統(tǒng)計(jì)學(xué)的相關(guān)知識(shí)有所了解與認(rèn)識(shí)。因?yàn)楸緯鴤?cè)重于統(tǒng)計(jì)學(xué)軟件Eviews的實(shí)際應(yīng)用，故在第三部分在，著重于一元線性回歸、多元線性回歸以及幾個(gè)重要模型估計(jì)與檢驗(yàn)上的實(shí)例分析研究。

作者簡(jiǎn)介

　　劉亞清，1978年3月23日生，數(shù)量經(jīng)濟(jì)學(xué)博士，清華大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)博士后，現(xiàn)就職于北方工業(yè)大學(xué)。2008年畢業(yè)于華中科技大學(xué)經(jīng)濟(jì)學(xué)院金融系。2009年至2012年間在清華大學(xué)經(jīng)管學(xué)院應(yīng)用經(jīng)濟(jì)學(xué)數(shù)量經(jīng)濟(jì)方向研究區(qū)域經(jīng)濟(jì)協(xié)同與差異。協(xié)助李子奈教授創(chuàng)辦國(guó)家開發(fā)銀行與清華大學(xué)合辦的“區(qū)域規(guī)劃研究院”。自2008年以來一直從事數(shù)量經(jīng)濟(jì)學(xué)以及統(tǒng)計(jì)應(yīng)用的研究工作

圖書目錄

第一部分 EVIEWS概述第1章數(shù)據(jù)處理 1.1 用鍵盤輸入序列數(shù)據(jù) 1.2 通過公式生成新序列 1.3 設(shè)定樣本范圍 1.4 樣本對(duì)象 1.5 通過已有序列生成新序列 1.6 序列窗口 1.7序列組 1.8 公式的運(yùn)用 1.9 季節(jié)調(diào)整第2章圖形和表格 2.1 畫圖 2.2 改變圖形的其他方法 2.3 凍結(jié)圖形 2.4 圖形模板 2.5 合并圖形 2.6 打印圖形 2.7 把圖形移到文檔中第二部分第3章統(tǒng)計(jì)學(xué)基礎(chǔ) 3.1 描述性統(tǒng)計(jì)量 3.2 概率分布和概率密度函數(shù) 3.3 數(shù)字特征第4章統(tǒng)計(jì)推斷 4.1 一般問題 4.2 抽樣分布 4.3 兩個(gè)定理第5章參數(shù)估計(jì) 5.1 點(diǎn)估計(jì) 5.2 區(qū)間估計(jì) 第6章假設(shè)檢驗(yàn) 6.1 假設(shè)檢驗(yàn)的邏輯 6.2 假設(shè)檢驗(yàn)的步驟和方法 6.3 統(tǒng)計(jì)假設(shè)的單側(cè)檢驗(yàn) 6.4 兩種類型的錯(cuò)誤 6.5 統(tǒng)計(jì)假設(shè)的F檢驗(yàn) 第三部分第7章一元線性回歸 7.1 回歸模型的數(shù)學(xué)表達(dá) 7.2 一個(gè)實(shí)例第8章多元線性回歸 8.1 多元線性回歸模型的矩陣形式 8.2 一個(gè)實(shí)例第9章幾個(gè)重要模型估計(jì)與檢驗(yàn) 9.1 非線性回歸模型估計(jì) 9.2 時(shí)間序列模型估計(jì)（1） 9.2 時(shí)間序列模型估計(jì)（2） 9.3 VAR模型分析與協(xié)整檢驗(yàn) 9.4 面板數(shù)據(jù)模型分析 9.5 LPM模型、Logit模型和Probit模型 9.6 Panel Data 模型