EViews6.0计量经济与时间序列分析班
Eviews入门1.Eviews工作界面介绍
2.Eviews工作文件及常用对象介绍
3.变量的建立，变量中数据的录入
4.删除变量或观察值
5.样本区间的调整
6.变量的排序
7.通过数学运算生成新的变量
8.工作文件的保存与EViews软件的退出
9.如何调用已保存过的工作文件
第二讲 Eviews图形对象介绍1.关于单个变量的作图
2.关于多个变量的作图
第三讲 描述性统计分析1.序列窗口下的描述性统计分析
2.序列组窗口下的描述性统计分析
第四讲 一元线性回归模型1.做两个变量的散点图，从而看两个变量是否具有线性关系。
2.通过建立方程对象的方式来估计一个方程
3.对方程估计结果的解释与评价
4.在回归估计结果中显示方程的三种形式
5.如何根据我们估计的回归方程计算需求的价格弹性
6.如何查看因变量的实际值、拟合值和回归方程的残差
7.如何用我们建立的方程进行预测
第五讲 多元线性回归模型1.做以因变量为横轴，多个自变量为纵轴的散点图，
2.建立组对象查看自变量的相关系数矩阵。
3.以建立方程对象的方式来建立多元线性回归模型。
4.对模型结果的解释和评价。
5.我们选取删除引起共线性的变量的办法来克服多重共线性。
6.对我们消除共线性后的模型进行检验，最后对模型进行解释和评价
第六讲 非线性回归模型1.双对数模型。
2.半对数模型。
3.倒数模型。
第七讲 虚拟变量模型1.虚拟变量的定义及意义。
2.如何通过加项的形式将虚拟变量引入到模型中去。
3.如何通过乘项的方式将虚拟变量引入到模型中去。
4.模型中加入季节虚拟变量。
第八讲 单个经济时间序列的趋势模型、季节调整、分解与平滑1.趋势模型。
2.季节调整方法。
3.HP滤波和BP滤波
4.指数平滑方法
第九讲 离散因变量与受限因变量模型1.二元选择模型
2.排序选择模型
3.计数模型
4.删截回归模型（censored regression model）
5.截尾回归模型（Truncated Regression Model）
第十讲 分布滞后模型1.回归方程残差的序列相关性检验
2.回归方程残差的自回归模型（AR Error Model）
3.自回归模型
4.有限分布滞后模型
5.自回归分布滞后模型
第十一讲 时间序列ARIMA模型1.如何通过观察时间序列的自相关图和偏自相关图来判断时间序列的平稳性。
2.检验序列是否可以通过差分的方式来实现平稳性。
3.通过观察自相关图和偏自相关图对平稳后的序列确定AR和MA和SAR的阶数。
4.对估计的模型进行检验，包括显著性检验和残差序列的相关性检验。
第十二讲 单位根检验和基于残差的协整检验1.时间序列数据的平稳性说明
2.时间序列平稳性的DF和ADF单位根检验
3.时间序列平稳性的DFGLS单位根检验
4.时间序列平稳性的PP单位根检验
5.时间序列平稳性的KPSS单位检验
6.时间序列平稳性的ERS单位根检验
7.时间序列平稳性的NP单位根检验
8.协整检验
9.建立误差修正模型
第十三讲 自回归条件异方差模型1.通过日收盘价生成对数收益率变量
2.对数收益率序列的平稳性检验
3.均值方程的确定以及残差的序列相关检验
4.对残差平方的序列相关检验
5.对残差平方做线形图
6.对均值方程的残差做ARCH-LM检验
7.建立各种形式的ARCH模型并对新的残差序列进行ARCH—LM检验。
8.根据我们建立的ARCH模型对收益率序列的方差进行预测
第十四讲 联立方程计量经济学模型1.联立方程模型的介绍
2.联立方程模型的概念以及分类
3.联立方程模型的识别
4.联立方程模型的估计
第十五讲 向量自回归模型1.VAR模型的有关概念(非结构化的向量自回归模型)
2.有关SVAR模型的有关概念。
3.VAR模型的识别条件
4.SVAR模型的短期约束
5.格兰杰因果关系检验
6.VAR模型滞后阶数p的的确定。
7.脉冲响应函数。
8.方差分解
9.Johansen协整检验
10.向量误差修正模型
eviews矩阵计算1.矩阵的建立
2.方阵的行列式.
3.矩阵的加法
4.矩阵的乘法
5.矩阵的秩（标量） 6.矩阵的迹（标量）
7.矩阵的转置
8.矩阵的逆
9.求矩阵各个列向量的相关系数
10.建立对称矩阵
11.对称矩阵的特征向量
12.矩阵的内积
13.用eviews解线性方程组
Eviews编程应用1.如何把以前一年为基期计算的居民消费价格指数换算成以某一年为
基期计算的居民消费价格指数。
2.如何把名义变量（分类变量）转换成虚拟变量
面板数据模型1.面板数据和面板数据模型的简单介绍
2.如何将面板数据导入到Eviews中？
3.面板数据模型的分类
4.固定影响（效应）变截距模型
5.随机影响（效应）变截距模型
6.Hausman检验
7.固定影响变系数模型
8.随机影响变系数模型
9.面板数据的单位根检验
10.面板数据的协整检验
方差膨胀因子1.方差膨胀因子计算公式
2.通过建立辅助回归方程的形式来计算方差膨胀因子
3.以矩阵计算的方式来计算变量的方差膨胀因子
4.方差膨胀因子大小评价准则
分位数回归1.分位数回归简单介绍
2.分位数回归的优势
3.分位数回归的操作步骤
4.分位数回归的结果分析
第二十一讲 极大似然估计1.极大似然估计的原理介绍
2.多元线性回归的对数似然函数及其推导
3.用EViews软件实现多元线性回归的极大似然估计
4.GARCH(1,1)模型的对数似然函数
5.用EViews软件实现GARCH(1,1)模型极大似然估计
EViews.视频教程课程概况规格:21课时培训形式：视频教程,购买后发送下载地址到邮箱 或者快递DVD使用权限：绑定2台电脑使用,无限次观看，老师在线答疑 使用方法：下载课程(或DVD拷贝)到本地电脑,用密码激活,激活后就可离线观看下载试听： &
课程详情讲师介绍： & 人大经济论坛数据处理和分析研究中心 & 人大经济论坛数据处理和分析研究中心是人大经济论坛下属的研究机构，具有强大的统计计量和数据处理方面的实力，我们服务过的客户包括中国人民银行、世界银行、亚洲开发银行、各大高校研究机构、科研院所、公司和个人等，数据处理和分析的实践经验丰富、理论功底深厚。 & 本研究中心应用的解决数据处理和分析问题的工具包括. SAS、SPSS、MATLAB、STATA、EVIEWS、EXCEL、SPLUS&R、LINGO、MAPLE、MATHEMATICA、MATHCAD等。在对外承接数据处理业务的同时，我们也把实际数据处理的经验转化为课程，供广大有兴趣的会员朋友们学习使用。课程特点：1. 结合案例讲解知识点，每个知识点都有相应的案例操作和结果解释，因此对于有无EViews和统计计量基础的人都比较适合。 2.EViews6.0是目前使用最广泛版本，本课程基于该版本进行讲解。3.本视频课程第17讲增加了程序实例介绍，EViews方便的程序编写将会使你对eviews有一个更深的认识。4.本课程涵盖面广，涵盖了计量经济学几乎所有常用模型，并随学科发展不定期进行更新培训内容目录:[]本视频课程共21讲，涵盖了大部分时间序列计量经济学模型。第一讲
Eviews入门1.Eviews工作界面介绍2.Eviews工作文件及常用对象介绍3.变量的建立，变量中数据的录入4.删除变量或观察值5.样本区间的调整6.变量的排序7.通过数学运算生成新的变量8.工作文件的保存与EViews软件的退出9.如何调用已保存过的工作文件第二讲 Eviews图形对象介绍1.关于单个变量的作图2.关于多个变量的作图第三讲 描述性统计分析1.序列窗口下的描述性统计分析2.序列组窗口下的描述性统计分析第四讲 一元线性回归模型1.做两个变量的散点图，从而看两个变量是否具有线性关系。2.通过建立方程对象的方式来估计一个方程3.对方程估计结果的解释与评价4.在回归估计结果中显示方程的三种形式5.如何根据我们估计的回归方程计算需求的价格弹性6.如何查看因变量的实际值、拟合值和回归方程的残差7.如何用我们建立的方程进行预测第五讲 多元线性回归模型1.做以因变量为横轴，多个自变量为纵轴的散点图，2.建立组对象查看自变量的相关系数矩阵。3.以建立方程对象的方式来建立多元线性回归模型。4.对模型结果的解释和评价。5.我们选取删除引起共线性的变量的办法来克服多重共线性。6.对我们消除共线性后的模型进行检验，最后对模型进行解释和评价第六讲 非线性回归模型1.双对数模型。2.半对数模型。3.倒数模型。第七讲 虚拟变量模型1.虚拟变量的定义及意义。2.如何通过加项的形式将虚拟变量引入到模型中去。3.如何通过乘项的方式将虚拟变量引入到模型中去。4.模型中加入季节虚拟变量。第八讲 单个经济时间序列的趋势模型、季节调整、分解与平滑1.趋势模型。2.季节调整方法。3.HP滤波和BP滤波4.指数平滑方法第九讲 离散因变量与受限因变量模型1.二元选择模型2.排序选择模型3.计数模型4.删截回归模型（censored regression model）5.截尾回归模型（Truncated Regression Model）第十讲 分布滞后模型1.回归方程残差的序列相关性检验2.回归方程残差的自回归模型（AR Error Model）3.自回归模型4.有限分布滞后模型5.自回归分布滞后模型第十一讲 时间序列ARIMA模型1.如何通过观察时间序列的自相关图和偏自相关图来判断时间序列的平稳性。2.检验序列是否可以通过差分的方式来实现平稳性。3.通过观察自相关图和偏自相关图对平稳后的序列确定AR和MA和SAR的阶数。4.对估计的模型进行检验，包括显著性检验和残差序列的相关性检验。5.用我们建立的ARIMA或SARIMA模型进行预测。第十二讲 单位根检验和基于残差的协整检验1.时间序列数据的平稳性说明2.时间序列平稳性的DF和ADF单位根检验3.时间序列平稳性的DFGLS单位根检验4.时间序列平稳性的PP单位根检验5.时间序列平稳性的KPSS单位检验6.时间序列平稳性的ERS单位根检验7.时间序列平稳性的NP单位根检验8.协整检验9.建立误差修正模型第十三讲 自回归条件异方差模型1.通过日收盘价生成对数收益率变量2.对数收益率序列的平稳性检验3.均值方程的确定以及残差的序列相关检验4.对残差平方的序列相关检验5.对残差平方做线形图6.对均值方程的残差做ARCH-LM检验7.建立各种形式的ARCH模型并对新的残差序列进行ARCH—LM检验。8.根据我们建立的ARCH模型对收益率序列的方差进行预测第十四讲 联立方程计量经济学模型1.联立方程模型的介绍2.联立方程模型的概念以及分类3.联立方程模型的识别4.联立方程模型的估计第十五讲 向量自回归模型1.VAR模型的有关概念(非结构化的向量自回归模型)2.有关SVAR模型的有关概念。3.VAR模型的识别条件4.SVAR模型的短期约束5.格兰杰因果关系检验6.VAR模型滞后阶数p的的确定。7.脉冲响应函数。8.方差分解9.Johansen协整检验10.向量误差修正模型第十六讲
eviews矩阵计算1.矩阵的建立2.方阵的行列式.3.矩阵的加法 & 4.矩阵的乘法5.矩阵的秩（标量） 6.矩阵的迹（标量）7.矩阵的转置 & 8.矩阵的逆9.求矩阵各个列向量的相关系数10.建立对称矩阵11.对称矩阵的特征向量12.矩阵的内积13.用eviews解线性方程组第十七讲
Eviews编程应用1.如何把以前一年为基期计算的居民消费价格指数换算成以某一年为基期计算的居民消费价格指数。2.如何把名义变量（分类变量）转换成虚拟变量第十八讲
面板数据模型1.面板数据和面板数据模型的简单介绍2.如何将面板数据导入到Eviews中？3.面板数据模型的分类4.固定影响（效应）变截距模型5.随机影响（效应）变截距模型6.Hausman检验7.固定影响变系数模型8.随机影响变系数模型9.面板数据的单位根检验10.面板数据的协整检验第十九讲
方差膨胀因子 1.方差膨胀因子计算公式2.通过建立辅助回归方程的形式来计算方差膨胀因子3.以矩阵计算的方式来计算变量的方差膨胀因子4.方差膨胀因子大小评价准则第二十讲
分位数回归1.分位数回归简单介绍2.分位数回归的优势3.分位数回归的操作步骤4.分位数回归的结果分析第二十一讲 极大似然估计1.极大似然估计的原理介绍2.多元线性回归的对数似然函数及其推导3.用EViews软件实现多元线性回归的极大似然估计4.GARCH(1,1)模型的对数似然函数5.用EViews软件实现GARCH(1,1)模型极大似然估计配套资料：1.视频21个，讲义。2.课程中的案例数据共有34个，有的案例数据在多个知识点中运用，即针对同一个数据做不同的分析本视频的数据大部分是宏观方面的时间序列数据，有一小部分是社会统计方面的横截面数据。讨论和建议：人大经济论坛计量版之EViews专版：培训优惠：为学员在论坛开设&统计软件培训班vip答疑区&，提供独享的疑难解答和经验交流，交费后可到论坛参与提问，授课老师负责回答。培训优惠：（1）同时报两个班及以上，9折优惠（2）为学员在论坛开设&统计软件培训班答疑区&，提供独享的疑难解答和经验交流，交费后可到论坛参与提问，授课老师负责回答。购买流程1.利用“购物车”功能选择课程2.在线支付-&&系统自动发送课程到邮箱银行汇款-&&通知我们，手工发送课程到邮箱报名咨询QQ: &电话： (010)（曾老师）邮箱： training@pinggu.org
内容不能少于5个字符！
Peixun.net
EViews6.0计量经济与时间序列分析班
请认真填写以下信息，方便为您服务
您还可以选择
更方便您管理课程。
Peixun.net
EViews6.0计量经济与时间序列分析班
的报名信息已经提交成功。
您可以选择
更方便您管理课程。
& 2018 Peixun.net 北京国富如荷网络科技有限公司 版权所有 未经许可 请勿转载 京ICP备号-4
扫描右侧二维码
下载 Peixun.net
随时随地 学更专业的
获取验证码
其他方式登录
邮箱找回密码
发送认证邮件
邮件已发送！
已成功发送邮件到您注册的邮箱
请前往查询并点击链接重置密码
获取验证码
有待解答的问题
3 名学员对您的课程提问，需要您作出回答。苹果/安卓/wp
积分 317, 距离下一级还需 133 积分
权限: 自定义头衔, 签名中使用图片
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡, 变色卡下一级可获得
道具: 抢沙发
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 8 天连续签到: 1 天[LV.3]偶尔看看II
在进行面板的工具变量回归时，使用xtivreg y x1 x2 (x3=iv),fe和xtivreg y x1 x2 (x3=iv),re。但是在没有使用工具变量回归时，使用了稳健标准误，导致工具变量回归结果不够显著。是否有选项可以调整标准误？为何我加入vce(boot)返回错误提示？
invalid syntax
syntax is &(all instrumented variables = instrument variables)&
an error occurred when bootstrap executed xtivreg
十分十分感谢！
请问楼主问题解决没有？
请问楼主怎么处理？我也有着问题
面板工具变量，稳健标准误
xtivreg depvar [varlist_1] (varlist_2 = varlist_iv), fe vce(bootstrap)
总评分:&论坛币 + 1&
学术水平 + 1&
热心指数 + 1&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师苹果/安卓/wp
积分 7, 距离下一级还需 3 积分
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
调节变量显著，加入与解释变量的交互项后不显著了，什么原因，应该怎么调整，求大神解答
可能交互性不强，一种是自变量共线了，还有一种就是可能交互项不适合加入
个人意见供参考啊
yes, good answer
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师苹果/安卓/wp
积分 177, 距离下一级还需 83 积分
权限: 自定义头衔
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡下一级可获得
权限: 签名中使用图片道具: 变色卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
请问利用时间序列数据观察两个变量之间的趋势图，从图形来说明一个变量是另一个变量的滞后变量，一个变量是另一个变量的前导变量所用的数据是季节调整之前的变量还是季节调整之后的变量？
用季节调整后的可能会好点。
本帖被以下文库推荐
& |主题: 8540, 订阅: 61
用季节调整后的可能会好点。
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
leihengzhishang 发表于
用季节调整后的可能会好点。谢谢回答！
做单位根检验（主要方法是ADF） 通过采用差分、滞后等形式就可以发现平稳的时间序列了 不然可能出现数据伪回归现象
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师苹果/安卓/wp
积分 39, 距离下一级还需 6 积分
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯下一级可获得
道具: 显身卡, 匿名卡, 金钱卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
如题 ，想请问怎么设置的，多谢！
季节调整(Seasonal Adjustment)在序列窗口的工具栏中单击Procs/Seasonal Adjustment，有4种季节调整方法， X12方法、X11方法、Tramo/Seats方法和移动平均方法。一、&&Census X12方法调用X12季节调整过程 Census X12，X12方法有5种选择框。1．季节调整选择（Seasonal Ajustment Option）① X11方法（X11 Method）这一部分指定季节调整分解的形式：乘法；加法；伪加法（此形式必须伴随ARIMA说明）；② 季节滤波(Seasonal F ...
如果是在回归方程中引入季节调整的虚拟变量的话，可以用@SEAS(d)这个函数。在QUICK-GENERATE SERIES BY EQUATION，弹出选项框中分别输入：q1=@seas(1)q2=@seas(2)q3=@seas(3)q4=@seas(4)这样就生成了四个序列，q1-q4。分别代表四个季节。说明：
当使用含有季节因素的经济数据进行回归分析时，可以对数据进行季节调整消除原数据带有的季节性影响，也可以使用虚拟变量描述季节因素，进而可以同时计算出各个不同季度对经济变量的不同 ...
本帖被以下文库推荐
& |主题: 8540, 订阅: 61
我也想知道
古墓派预测分支
如果是在回归方程中引入季节调整的虚拟变量的话，可以用@SEAS(d)这个函数。在QUICK-GENERATE SERIES BY EQUATION，弹出选项框中分别输入：))))这样就生成了四个序列，q1-q4。分别代表四个季节。说明： + + + = 1
热心帮助其他会员
总评分:&经验 + 20&
论坛币 + 20&
Out of difficulties, makes miracles.
古墓派预测分支
[原创]季节调整问题
季节调整(Seasonal Adjustment)在序列窗口的工具栏中单击Procs/Seasonal Adjustment，有4种季节调整方法， X12方法、X11方法、Tramo/Seats方法和移动平均方法。一、&&Census X12方法调用X12季节调整过程 Census X12，X12方法有5种选择框。1．季节调整选择（Seasonal Ajustment Option）① X11方法（X11 Method）这一部分指定季节调整分解的形式：乘法；加法；伪加法（此形式必须伴随ARIMA说明）；② 季节滤波(Seasonal Filter)当估计季节因子时，允许选择季节移动平均滤波（可能是月别移动平均项数），缺省是X12自动确定。近似地可选择(X11 defaul)缺省选择。③ 趋势滤波（Trend Filter (Henderson)）指定亨德松移动平均的项数，可以输入大于1和小于等于101的奇数，缺省是由X12自动选择。④ 存调整后的分量序列名（Component Series to save）X12将加上相应的后缀存在工作文件中。2．ARIMA选择（ARIMA Option）X12允许你在季节调整前对被调整序列建立一个合适的ARMA模型。可以在进行季节调整和得到用于季节调整的向前/向后预测值之前，先去掉确定性的影响（例如节假日和贸易日影响）。①&&&& 数据转换（Data Transformation）②&&&& ARIMA说明(ARIMA Spec)允许你在2种不同的方法中选择你的ARIMA模型。·Specify in-line 选择要求提供ARIMA模型阶数的说明（p，d，q）(P，D，Q)，缺省的指定是“(0 1 1)(0 1 1)”是指季节的IMA模型：L是滞后算子，这里季节差分是指 ，季度数据时s =4；月度数据时s =12。·Select from file X12将从一个外部文件提供的说明集合中选择ARIMA模型。③&&&& 回归因子选择（Regressors）允许你在ARIMA模型中指定一些外生回归因子，利用多选钮可选择常数项，或季节虚拟变量，事先定义的回归因子可以捕捉贸易日和节假日的影响。④&&&& ARIMA估计样本区间 (ARIMA Estimation Sample)3．贸易日和节假日影响选择4．外部影响(Outlier Effects)5．诊断（Diagnostics）二、X11方法X-11法是美国商务部标准的调整方法(乘法模型、加法模型)，乘法模型适用于序列可被分解为趋势项与季节项的乘积，加法模型适用于序列可被分解为趋势项与季节项的和。乘法模型只适用于序列值都为正的情形。关于调整后的序列的名字。Eviews在原序列名后加SA，可以改变序列名，将被存储在工作文件中。应当注意，季节调整的观测值的个数是有限制的。X-11只作用于含季节数据的序列，需要至少4整年的数据，最多能调整20年的月度数据及30年的季度数据。三、移动平均方法四、tramo/Seats指数平滑指数平滑是可调整预测的简单方法。当你只有少数观测值时这种方法是有效的。选择Procs/Exponential Smoothing ，提供以下信息：一、 平滑方法 在5种方法中选择一种方法。二、平滑参数 可以让Eviews估计它们的值。在填充区内输入字母e，Eviews估计使误差平方和最小的参数值。在填充区内输入参数值，所有参数值在0-1之间。三、平滑后的序列名 Eviews在原序列后加SM指定平滑后的序列名，也可以改变。四、估计样本 必须指定预测的样本区间。缺省值是当前工作文件的样本区间。五、季节循环 可以改变每年的季节数（缺省值为每年12个月、4个季度）。Hodrick-Prescott滤波具体可参见高铁梅老师《计量经济分析方法与建模》，第二章。 [此贴子已经被作者于 11:43:05编辑过]
热心帮助其他会员
解释得很完整，也很严谨。
总评分:&学术水平 + 2&
Out of difficulties, makes miracles.
快乐如初！
受益匪浅！
碧海苍茫一线纤，磐心葳蕤万古贤。
谢谢楼主详细的解答与释疑
谢谢了，受益匪浅
我不相信失败，我知道总有一种方法可以反败为胜
一、X11、X12 ，还有其他一个什么滤波的，的确是用于季节调整的。
通过不断的迭代运算，将序列中的季节周期波动给过滤掉，这是X11,X12的原理。X系列的季节调整算法，有很久远的历史，原先美国国家统计局用的是X11，后来经过演进、优化，现在一般用X12，就可以很好的祛除序列的季节周期，然后可以用一般的时间序列建模方法建模。
二、至于H-P滤波，这是用于计算经济周期的一个方法，我记得我用的一个软件，它用的是美国一百年的数据，通过H-P滤波，就可以算出经济的周期波动。
至于是否有你说的季节调整的功效，我还没认真查阅EVIEWS的教程。
不过你的回答很完整，的确是论坛里少有的能认真回答、解决问题的回帖。
知识经济时代金融创客 期待合作方
谢谢楼上各位！
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师