- 1、本文档共49页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
《计量经济模型与统计软件应用》读书记录
目录
一、内容概括................................................3
1.1书籍简介.............................................4
1.2研究背景与目的.......................................5
二、计量经济学基础..........................................6
2.1经济模型的概念.......................................8
2.2计量经济学的发展历程................................10
三、常用计量经济模型.......................................11
3.1回归分析模型........................................12
3.1.1简单线性回归....................................13
3.1.2多元线性回归....................................14
3.1.3非线性回归......................................16
3.2时间序列分析模型....................................17
3.2.1移动平均模型....................................19
3.2.2指数平滑模型....................................20
3.2.3自回归移动平均模型..............................21
3.3单位根检验与协整理论................................23
3.3.1单位根检验方法..................................23
3.3.2协整理论及其在经济中的应用......................25
四、统计软件在计量经济学中的应用...........................25
4.1Excel在计量经济学中的应用...........................27
4.1.1数据的整理与描述性统计..........................28
4.1.2数据的图形展示..................................29
4.1.3线性回归分析....................................30
4.2R语言在计量经济学中的应用...........................31
4.2.1R语言的基本操作.................................32
4.2.2常用统计函数与数据结构..........................34
4.2.3基于R语言的计量经济学模型分析...................35
4.3Python在计量经济学中的应用..........................36
4.3.1Python语言的基本操作............................39
4.3.2NumPy库在数据处理中的应用.......................40
4.3.3Pandas库在数据清洗与分析中的应用................41
4.3.4Scikitlearn库在机器学习模型中的应用.............43
五、案例分析...............................................44
5.1案例一..............................................46
5.2案例二..............................................47
5.3案例三..............................................48
六、总结与展望.............................................49
6.1本书总结.......
文档评论(0)