曾康華編著的這本《計量財稅建模與應用》通過
實際例子詳盡地介紹了如何運用EViews軟件對財政、
稅收及其他經濟指標和數據進行建模
的操作。具體內容包括：EViews使用初步；線性、非
線性模型參數估計；異方差、自相關和多重共線性；
虛擬變量、多線段回歸與分布滯後模型；模型的診斷
和檢驗；協整分析；聯立方程組模型；月度、季度數
據
處理；向量自回歸模型；面板數據模型；主成分分析
和因子模型；狀態空間模型。
本書適合高等院校財稅專業及其他經濟類專業的
本科生和研究生使用。

第1章 EViews軟件使用初步
1.1 Eviews軟件簡介
1.2 Eviews軟件窗口功能介紹及基本操作
1.2.1 主窗口
1.2.2 工作文件的建立
1.2.3 輸入數據
1.2.4 改動數據
1.2.5 刪除某一列數據和插入一列數據
1.2.6 改變工作文件區間
1.2.7 改變z序列和y序列的位置
1.2.8 把若干序列放在一個表格中
1.3 Eviews軟件數據及圖形操作
1.3.1 數據簡單處理
1.3.2 計算描述統計量
1.3.3 用數據繪制圖
1.4 EViews編程
1.4.1 EViews編程語言入門
1.4.2 程序文件的相關操作
1.4.3 常用的程序命令
第2章 線性、非線性模型參數估計
2.1 雙變量線性回歸模型
2.1.1 雙變量線性回歸模型的OLS估計
2.1.2 雙變量線性回歸模型舉例
2.2 多變量線性回歸模型
2.2.1 多變量線性回歸模型的OLS估計
2.2.2 幾點說明
2.3 可以線性化的非線性模型參數估計
2.3.1 可以線性化的非線性模型的含義
2.3.2 雙對數回歸模型的參數估計
2.4 不可以線性化的非線性模型參數估計（迭代線性化法）
2.4.1 不可以線性化的非線性模型的含義
2.4.2 迭代線性化法
2.4.3 舉例
第3章 異方差、自相關和多重共線性
3.1 異方差檢驗及修正
3.1.1 案例
3.1.2 異方差檢驗
3.1.3 異方差修正
3.2 自相關的檢驗及修正
3.2.1 案例
3.2.2 自相關的檢驗
3.2.3 自相關的修正
3.3 多重共線性
第4章 虛擬變量、多線段回歸與分布滯後模型
4.1 利用虛擬變量建模
4.1.1 案例1
4.1.2 案例2
4.1.3 案例3
4.1.4 測量斜率變動的模型
4.1.5 測量斜率和截距都變動的模型
4.2 多線段線性回歸模型
4.2.1 多線段線性回歸模型的原理
4.2.2 案例1
4.2.3 案例2
4.3 分布滯後模型
4.3.1 案例
4.3.2 阿爾蒙估計法基本原理
4.3.3 阿爾蒙估計法的EViews軟件的簡單操作方法
4.3.4 用經驗權數法估計有限分布滯後模型的參數
第5章 模型的診斷和檢驗
5.1 檢驗若干線性的約束條件是否成立的F檢驗
5.1.1 案例
5.1.2 完成F檢驗的其他方法
5.2 似然比（LR）檢驗
5.2.1 似然比（LR）檢驗的基本原理
5.2.2 似然比（LR）檢驗的EViews軟件操作
5.3 Wald檢驗
5.3.1 案例
5.3.2 Wald檢驗原理
5.3.3 Wald檢驗的EViews軟件操作
5.4 拉格朗日乘子（LM）檢驗
5.4.1 案例
5.4.2 拉格朗日乘子（LM）檢驗的原理
5.5 鄒突變點檢驗
5.5.1 案例
5.5.2 鄒突變點檢驗的EViews軟件操作
5.6 JB正態分布檢驗
5.6.1 JB正態分布檢驗的基本原理
5.6.2 案例
5.7 格蘭傑因果性檢驗
5.7.1 格蘭傑因果性原理
5.7.2 格蘭傑因果性檢驗原理
5.7.3 案例
第6章 協整分析
6.1 單位根檢驗
6.1.1 協整原理
6.1.2 單位根檢驗的一般原理
6.2 協整檢驗
6.3 誤差修正模型
6.4 案例
6.4.1 案例1
6.4.2 案例2
第7章 聯立方程組模型
7.1 聯立方程組模型初步建立
7.1.1 建立簡單的凱恩斯宏觀經濟模型
7.1.2 數據
7.1.3 模型的參數估計
7.2 克萊因（KleinⅠ）模型
7.2.1 克萊因（KleinⅠ）模型的形式
7.2.2 數據
7.2.3 模型參數的估計方法
7.3 聯立方程模型的模擬與預測
7.3.1 克萊因（KleinⅡ）模型
7.3.2 克萊因（KleinⅡ）模型的參數估計
7.3.3 聯立方程模型的模擬
第8章 月度、季度數據處理
8.1 移動平均法
8.1.1 簡單的移動平均公式
8.1.2 中心化移動平均
8.1.3 加權移動平均
8.2 X12季節調整方法
8.2.1 X12季節調整方法介紹
8.2.2 X12季節調整方法的幾種模型
8.3 移動平均比率方法
8.3.1 基本原理
8.3.2 EViews軟件操作
8.4 趨勢分解
8.5 指數平滑方法
8.5.1 基本原理
8.5.2 指數平滑方法簡介
8.5.3 指數平滑方法的EViews軟件操作
8.6 季度、月度和旬度指標的預測
8.6.1 季度預算撥款預測
8.6.2 月度預算撥款預測
8.6.3 旬度預算撥款預測
第9章 向量自回歸模型
9.1 單位根檢驗與協整檢驗
9.1.1 數據說明
9.1.2 單位根檢驗
9.1.3 協整檢驗
9.2 向量自回歸模型的設定和參數估計
9.2.1 向量自回歸模型的設定
9.2.2 向量自回歸模型的參數估計
9.3 脈衝響應函數與方差分解
9.3.1 脈衝響應函數EViews軟件操作
9.3.2 方差分解EViews軟件操作
9.4 向量誤差修正模型
9.4.1 向量誤差修正模型的建立
9.4.2 向量誤差修正模型參數估計的EViews操作
9.4.3 向量誤差修正模型參數估計結果的另一種形式
9.4.4 結果
**0章 面板數據模型
10.1 利用Pool處理面板數據
10.1.1 建立面板數據文件
10.1.2 利用Pool進行數據計算
10.2 混合模型
10.2.1 混合模型的形式
10.2.2 混合模型的EViews軟件操作
10.3 固定效應變截距回歸模型
10.3.1 個體固定效應變截距回歸模型的形式
10.3.2 個體固定效應變截距回歸模型的估計方法
10.3.3 時點固定效應變截距回歸模型的形式
10.3.4 時點固定效應變截距回歸模型的估計方法
10.3.5 個體時點固定效應變截距回歸模型的形式
10.3 一個體時點固定效應變截距回歸模型的估計方法
10.4 隨機效應變截距回歸模型
10.4.1 個體隨機效應變截距回歸模型的形式
10.4.2 個體隨機效應變截距回歸模型的估計方法
10.4.3 時點隨機效應變截距回歸模型的形式
10.4.4 時點隨機效應變截距回歸模型的估計方法
10.4.5 個體時點隨機效應變截距回歸模型的形式
10.4.6 個體時點隨機效應變截距回歸模型的估計方法
10.5 固定效應變繫數回歸模型
10.5.1 個體固定效應變繫數回歸模型
10.5.2 個體固定效應變繫數回歸模型的估計方法
10.5.3 時點固定效應變繫數回歸模型
10.5.4 時點固定效應變繫數回歸模型的估計方法
10.5.5 個體時點固定效應變繫數回歸模型的形式
10.5.6 個體時點固定效應變繫數回歸模型的估計方法
10.6 面板數據模型的其他問題
10.6.1 固定效應和隨機效應檢驗
10.6.2 面板數據的單位根和協整檢驗
10.6.3 面板結構的工作文件
**1章 主成分分析和因子模型
11.1 主成分分析
11.1.1 數據及處理
11.1.2 主成分分析EViews軟件操作
11.2 因子模型分析
11.2.1 因子模型
11.2.2 實例
**2章 狀態空間模型
12.1 狀態空間模型概述
12.1.1 狀態空間模型原理
12.1.2 狀態空間模型的定義
12.2 狀態空間模型估計
12.2.1 創立狀態空間對像
12.2.2 可變邊際消費傾向的狀態空間模型
12.3 狀態空間模型的視窗和過程
12.3.1 視窗（View）
12.3.2 過程（Procs）
參考文獻