本书是在《数据分析与EViews应用（第3版）》基础上修订而成，紧密围绕IHS公司2022年推出的EViews 13.0版本展开，系统介绍其在数据处理、图形呈现、计量分析与统计建模等方面的多项新增与优化功能。 本书特色鲜明，突出体现为以下三点： 一是新版本、新功能全覆盖。详细解析EViews 13.0在界面设计、与R/Python的兼容性、VAR模型、贝叶斯时变系数VAR、Johansen协整检验、非线性ARDL估计等方面的核心改进，帮助读者直接掌握前沿工具。 二是立足中国数据，服务实际问题。本次修订特别选用我国宏观、中观及微观实际数据更新案例，使学习过程更贴近国内现实情境，助力读者提升运用数据分析和解决实际经济问题的能力。 三是内容详略得当，侧重操作应用。除介绍描述统计、回归分析、时间序列等基础方法外，本书深入讲解了条件异方差、面板数据模型、状态空间模型及混频数据处理等复杂计量模型，并新增因子分析章节，通过详尽的操作说明，力求使读者在理论学习与软件实践中获得全面提升。

第1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 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
2.7 分位数回归
第3章 线性回归问题与非线性回归分析
3.2 回归变量选择
3.3 非线性回归分析
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
第5章 ARMA模型应用
5.1 ARMA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 单方程估计
8.3 系统估计法
8.4 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
第10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
第11章 面板数据模型
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
第12章 混频数据模型
12.1 混频数据回归模型
12.2 MIDAS模型的估计
12.3 模型预测
第13章 因子分析
13.1 因子模型概述
13.2 因子分析实例
第14章 广义线性模型
14.1 二元选择模型
14.2 排序选择模型
14.3 计数模型
附录 EViews编程基础
附表 常用统计分布表
参考文献