本书以实际数据的分析处理为例，介绍相应统计方法的运用，以及在EViews10.0中的实现。本书涉及处理以时间序列为主的多种类型的数据，包括描述统计、回归分析、传统时间序列等基本的数据分析以及建立条件异方差、向量自回归（包括非结构化和结构化模型）、向量误差修正模型、Panel Data模型、状态空间模型、混频数据模型等复杂的计量经济模型．本书为运用各种统计方法和经济计量方法处理数据的读者，提供了一个简便易学、易操作的工具。读者可以省去许多时间，很快就能够学习掌握该软件的运用。

易丹辉，中国人民大学统计学院教授、博士生导师。研究方向为风险管理与保险、预测与决策，主要从事统计方法在经济、金融、保险、医疗、管理等领域应用的研究，讲授统计预测、预测动态、实验设计、金融风险分析技术、时间序列分析、数据挖掘技术及应用等课程。

章EViews软件使用初步
1.1工作文件及建立
1.2序列对象的基本操作
1.3数据分析的常用操作
1.4序列的描述统计分析
第2章线性回归分析
2.1线性回归概述
2.2常规检验
2.3第三节建模基本步骤和EViews操作
2.4自变量的选择
2.5预测
2.6含定性自变量的回归模型
第3章线性回归问题与非线性回归分析
3.1线性回归的常见问题
3.2非线性回归分析
3.3逐步回归法
3.4分位数回归
附录：例子中所用的EViews小程序
第4章传统时间序列分析
4.1趋势模型与分析
4.2季节模型与分析
4.3指数平滑法
附录：三和值法计算小程序
第5章ARMA模型应用
5.1ARMA模型概述
5.2随机时间序列的特性分析
5.3模型的识别与建立
5.4模型的预测
5.5序列相关与ARMA模型
第6章动态时间序列模型基础
6.1分布滞后模型
6.2单位根检验
6.3协整与误差修正模型
第7章条件异方差模型
7.1自回归条件异方差模型
7.2广义自回归条件异方差模型
7.3其他类型的条件异方差模型
7.4多变量ARCH模型
第8章联立方程模型
8.1模型的基本问题
8.2模型的估计
8.3联立方程模型的模拟
第9章向量自回归模型
9.1非结构化的向量自回归模型
9.2结构化的向量自回归模型
9.3向量误差修正模型
0章状态空间模型
10.1状态空间模型基本问题
10.2状态空间模型估计
1章PanelData模型
11.1模型的基本问题
11.2模型的建立与估计
11.3模型的检验及其他
2章混频数据模型
12.1混频数据回归模型
12.2混频数据预测模型
12.3混频数据模型估计
3章离散因变量模型和受限因变量模型
13.1二元选择模型
13.2排序选择模型
13.3受限因变量模型
13.4计数模型
附录EViews编程基础
附表常用统计分布表
参考文献