本书结合实战案例介绍了Eviews软件的使用方法。首先介绍了Eviews软件的整体架构和设计理念然后围绕截面数据、时间序列、面板数据3种典型类型的数据，介绍了Eviews软件的功能。通过配合实战案例，本书重点介绍了Eviews的操作步骤、指令和输出结果的解读。
本书分为23章，主要内容有Eviews简介、Eviews的安装、初识Eviews、工作文件、对象、序列、组、样本、图形、图形工具、截面数据的基础性分析、回归分析、定性因变量模型、受限因变量模型、分位数回归模型、工具变量、岭回归和LASSO、主成分分析、因子分析、时间序列的基础性分析、ARIMA模型、GARCH模型、面板数据模型。
本书内容通俗易懂，案例丰富，实用性强，特别适合Eviews的入门用户和进阶用户阅读，也适合对经济计量学、金融计量学、统计学感兴趣的读者阅读。另外，本书也适合政府部门、研究机构从事经济管理工作的人士使用。

李宗璋，华南农业大学经济管理学院讲师、博士。长期从事统计学、经济计量学、多元统计、农业经济学的教学和科研工作，研究集中在农业全要素生产率、农业技术进步、农业高质量发展、基础设施建设与经济增长等领域。近年来参与国家自然科学基金、国家社会科学基金、广东省软科学、广东省哲学社会科学基金等课题研究多项；在国内外学术期刊发表论文10余篇。

第1篇 Eviews概览
第1章 Eviews简介
1.1 Eviews的发展历程
1.2 Eviews的优势
1.3 Eviews的学习资源
1.4 本书框架
第2章 Eviews的安装
2.1 Eviews的安装环境
2.2 Eviews的版本
2.3 免费获取Eviews12学生版
第3章 初识Eviews
3.1 Eviews界面
3.2 Eviews窗口
3.3 Eviews插件
第2篇 Eviews入门
第4章 工作文件
4.1 创建工作文件
4.2 工作文件窗口
第5章 对象
5.1 什么是对象？
5.2 对象的类型
5.3 对象的基本操作
5.4 对象窗口
第6章 序列
6.1 什么是序列？
6.2 创建序列
6.3 序列窗口的工具栏
6.4 数值代码与Valmap
第7章 组
7.1 创建组
7.2 组窗口的工具栏
第8章 样本
8.1 创建样本对象
8.2 调用样本对象
第9章 图形
9.1 创建图形对象
9.2 图形修饰
9.3 图形选项
9.4 批量修改多图
9.5 图形模板
9.6 图形输出
第3篇 截面数据
第10章 截面数据的图形工具
10.1 实战案例：基金经理特征分析
10.2 单个序列的图形工具
10.3 两个序列的图形工具
10.4 多个序列的图形工具
10.5 图形工具命令
第11章 截面数据的基础性统计分析
11.1 实战案例：基金经理业绩分析
11.2 单个序列的统计分析
11.3 多个序列的统计分析
11.4 基础性统计分析命令
第12章 回归分析基础工具
12.1 实战案例：基金收益率分析
12.2 方程的创建
12.3 方程窗口的工具栏
12.4 虚拟变量
12.5 方程形式变换
12.6 方程的诊断
12.7 线性方程的命令
第13章 定性因变量模型
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 受限因变量模型
14.1 Tobit模型
14.2 Heckman模型
14.3 计数模型
14.4 Tobit、Heckman和计数模型的命令
第15章 分位数回归模型
15.1 分位数回归模型简介
15.2 实战案例：个人医疗支出分析
15.3 分位数回归方程的估计
15.4 分位数回归方程的诊断
15.5 分位数回归方程的命令
第16章 工具变量
16.1 工具变量和TSLS方法
16.2 实战案例：工资影响因素分析
16.3 TSLS方程的估计
16.4 工具变量的检验
16.5 工具变量的命令
第17章 岭回归、LASSO回归和ElasticNet回归
17.1 正则化
17.2 实战案例：汽车性能和油耗分析
17.3 岭回归
17.4 LASSO回归
17.5 ElasticNet回归
17.6 ElasticNet方程、岭回归和LASSO的命令
第18章 主成分分析
18.1 主成分分析简介
18.2 实战案例：汽车性能主成分分析
18.3 主成分分析的实现
18.4 主成分分析的命令
第19章 因子分析
19.1 因子分析简介
19.2 实战案例：十项全能运动员成绩分析
19.3 因子分析的实现
19.4 因子分析的命令
第4篇 时间序列
第20章 时间序列的基础性分析
20.1 实战案例：宏观经济指标分析
20.2 日期函数和虚拟变量
20.3 时间序列回归模型
第21章 ARIMA模型
21.1 ARIMA模型简介
21.2 ARIMA方程的识别和估计
21.3 ARIMA方程的诊断
21.4 ARIMA方程的预测
21.5 ARIMA方程的命令
第22章 GARCH模型
22.1 GARCH模型及其扩展
22.2 实战案例：上证指数收益率分析
22.3 GARCH方程的估计
22.4 GARCH方程的预测
22.5 GARCH方程的诊断
22.6 GARCH方程的命令
第5篇 面板数据
第23章 面板数据模型
23.1 面板数据模型简介
23.2 实战案例：个人特征对工资的影响效应分析
23.3 创建面板数据工作文件
23.4 面板数据方程的估计
23.5 面板数据方程的诊断
23.6 面板数据方程的命令
参考文献
后记