Econometrics with Eviews: Time Series, and Panel Data

Kinh tế lượng với Eviews: Chuỗi thời gian và Dữ liệu bảng

Thành thạo Kinh tế lượng từ Cơ bản đến Nâng cao: OLS, ARDL, VAR, GARCH, Đồng liên kết, Quan hệ Nhân quả & Phân tích Dữ liệu Bảng

4.6

(217 đánh giá)

2,740 học viên

Giảng viên

Dr. Nasir Munir

Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao

50.000đ 409.000đ -88%

✓ Xem giỏ hàng và thanh toán

Bao gồm phụ đề tiếng Việt, tiếng Anh

14.0 giờ video

92 bài giảng

8 bài quiz

Truy cập vĩnh viễn

Học trên mọi thiết bị

Cập nhật: 29/05/2026

#Data Analysis #Econometrics #Eviews #Statistics

Bạn sẽ học được gì

Hiểu các khái niệm về dữ liệu.

Giải thích các tính chất của OLS.

Ước lượng các công cụ kinh tế lượng khác nhau được sử dụng trong dữ liệu chuỗi thời gian.

Xác định các mô hình kinh tế cơ bản và diễn giải chúng.

Yêu cầu

Ý tưởng cơ bản về xử lý dữ liệu,

Đối tượng phù hợp

Dành cho người mới bắt đầu với kinh tế lượng.

Nội dung khóa học

16 phần • 92 bài giảng

1 Giới thiệu

2 Đề cương và tổng quan khóa học

1 Tải Dữ liệu từ Chỉ số Phát triển Thế giới (WDI)

2 Tải Dữ liệu từ Quỹ Tiền tệ Quốc tế (IMF)

3 Cách tạo dữ liệu bảng

1 Các Loại Dữ liệu

1 Nhập dữ liệu vào Eviews

2 Tạo dữ liệu Thủ công trong E-views.

1 Kiểm tra tính dừng của dữ liệu chuỗi thời gian

2 Kiểm tra tính dừng của dữ liệu bảng

3 Giải thích kiểm định căn đơn vị dưới dạng bảng

4 Dữ liệu dừng so với không dừng

5 Chuyển đổi dữ liệu không dừng thành dừng

1 Ước lượng và diễn giải OLS

2 Thống kê mô tả

3 Suy diễn các ước lượng OLS

4 Suy diễn các ước lượng OLS bằng phương pháp thay thế

5 Tầm quan trọng của F-stat trong E-views

6 R-Bình phương và R-Bình phương Hiệu chỉnh

7 Kiểm tra độ ổn định của mô hình

8 Lấy phần dư

9 Kiểm định Đặc tả Mô hình (Kiểm định Ramsey Reset)

10 Kiểm định Biến Bị Bỏ sót

11 Cách tạo độ trễ trong Eviews

12 Cách chọn độ dài độ trễ tối ưu

13 Cách xác định điểm ngoại lai trong tập dữ liệu của bạn

14 MIDAS (Lấy mẫu Dữ liệu Hỗn hợp)

1 Các giả định của Mô hình Hồi quy Tuyến tính Cổ điển (CLRM)

2 Giả định 1: Tính Tuyến tính

3 Giả định 2: Giá trị X là phi ngẫu nhiên

4 Giả định 3: Giá trị X không được giống nhau (cố định/hằng số)

5 Giả định 4: Phương sai Sai số không đổi (Homoscedastic)

6 Giả định 5: Kỳ vọng Có điều kiện của phần dư bằng 0

7 Giả định 6: Không có ngoại sinh

8 Giả định 7: Số quan sát phải lớn hơn số tham số

9 Giả định 8: Không có Đa cộng tuyến

10 Giả định 9: Không có Tự tương quan

11 Giả định 10: Mô hình Phải được Đặc tả Đúng

1 Sự khác biệt giữa mô hình hồi quy tuyến tính đơn và bội

2 Suy diễn ước lượng của mô hình hồi quy tuyến tính bội

3 Suy diễn số học các ước lượng hồi quy bội

4 Hiểu Kiểm định Giả thuyết trong Phân tích Hồi quy Bội

5 Kiểm định Chow cho Đứt gãy Cấu trúc trong Eviews

6 Kiểm định Bry-Boschan (phát hiện đỉnh và đáy của chu kỳ kinh doanh)

7 Kiểm định Bai Perron cho Nhiều Đứt gãy

8 Phân tích Hồi quy Phân vị

9 ARIMAX (Mô hình Tự hồi quy Tích hợp Trung bình Trượt với biến Ngoại sinh)

1 Đặc điểm của mô hình hồi quy tốt - Buổi 1 (Lý thuyết)

2 Đặc điểm của mô hình hồi quy tốt - Buổi 2 (Thực hành)

1 Giới thiệu về Phương sai Sai số Thay đổi và Không đổi

2 Phát hiện Phương sai Sai số Thay đổi Phần 1 (Lý thuyết)

3 Phát hiện Phương sai Sai số Thay đổi Phần 2 (Thực hành)

4 Nguyên nhân của Phương sai Sai số Thay đổi

5 Hậu quả của Phương sai Sai số Thay đổi

6 Biện pháp Khắc phục Phương sai Sai số Thay đổi

7 Loại bỏ Phương sai Sai số Thay đổi

1 Đa cộng tuyến và nguyên nhân của nó

2 Đa cộng tuyến Hoàn hảo và Không hoàn hảo

3 Nhận diện Đa cộng tuyến

4 Các kiểm định Phát hiện Đa cộng tuyến

5 Ảnh hưởng của Đa cộng tuyến

6 Phát hiện Đa cộng tuyến

7 Các cách tiếp cận Giải quyết vấn đề Đa cộng tuyến

1 Tự tương quan và các loại của nó

2 Nguyên nhân của Tự tương quan

3 Hậu quả của Tự tương quan (Lý thuyết)

4 Phát hiện Tự tương quan - Lý thuyết

5 Phát hiện, nguyên nhân và hậu quả của tự tương quan

6 Loại bỏ tự tương quan

1 ARDL

1 Kiểm định Quan hệ Nhân quả Granger

2 Kiểm định Đồng liên kết Johansen

1 VAR

2 VECM (mô hình hiệu chỉnh sai số vector / mô hình VAR hạn chế)

3 Hàm phản ứng xung (IRF)

1 Chuyển đổi Dữ liệu Gộp thành Dữ liệu Bảng bằng Eviews

2 Hiệu ứng Cố định và Hiệu ứng Ngẫu nhiên (Kiểm định Hausman)

3 Kiểm tra Tính Phân phối Chuẩn và Phụ thuộc Chéo của Dữ liệu hoặc Mô hình

4 Biểu diễn Đồ thị của Dữ liệu Bảng

5 Kiểm định căn đơn vị cho dữ liệu bảng

6 Kiểm định Đồng liên kết Bảng

7 Ước lượng Hợp lý Cực đại Giả Poisson (PPML)

8 Quan hệ Nhân quả Granger Bảng Dumitrescu-Hurlin

9 Nhóm Trung bình Gộp (PMG)

10 Phụ thuộc Chéo - Thế hệ thứ hai - Kiểm định Căn đơn vị

11 Nội sinh và Ngoại sinh trong Dữ liệu Bảng

12 OLS Động (DOLS) và OLS Được Sửa đổi Hoàn toàn (FMOLS)

13 VAR Bảng - Lý thuyết

14 VAR Bảng trong E-Views (Thực hành)

15 Mô hình Hiệu chỉnh Sai số Vector Bảng (VECM) - Lý thuyết

16 Mô hình Hiệu chỉnh Sai số Vector Bảng (VECM) trong E-views

17 Cách áp dụng và diễn giải GMM (Phương pháp Mô men Tổng quát)

Giới thiệu khóa học

In this course, you will learn:

How to collect, import, and structure data (World Bank, IMF, WDI, Panel Data)

Understanding types of data and preparing datasets for analysis

Testing for stationarity: Unit Root Tests & data transformations

Building & interpreting OLS regression models in EViews

Classical Linear Regression Model (CLRM) assumptions explained clearly

Advanced regression tools: Chow Test, Bai-Perron, Bry-Boschan

Detecting & solving econometric issues: Heteroscedasticity, Multicollinearity, Autocorrelation

Estimation & applications of ARDL Models, VAR, VECM & Cointegration Tests

Causality tests: Granger, Johansen, Dumitrescu-Hurlin, Toda-Yamamoto

Deep dive into Panel Data Analysis: Fixed/Random Effects, GMM, FMOLS, DOLS, PMG

Modeling volatility with ARCH & GARCH (and extensions)

Forecasting, impulse responses, and dynamic modeling for policy & research

Introduction to Machine Learning in Econometrics (LASSO, Random Forests, Big Data handling in EViews)

Why This Course?

Comprehensive – Covers both classical and modern econometric methods.
Hands-on – Every concept demonstrated directly in EViews with real data.
Research-Oriented – Designed for publishing-level analysis (thesis, research papers, reports).
Step-by-Step Learning – Starts from the basics and gradually advances to complex models.
Practical Assignments & Quizzes – Test your knowledge as you progress.

Who Should Enroll?

Undergraduate & Graduate Students in Economics, Finance, and Business

PhD Scholars & Researchers preparing econometric models for publications

Policy Analysts & Data Professionals applying econometrics in real-world decision-making

Anyone who wants to master EViews for econometric modeling

By the End of This Course:

You will be able to confidently analyze time series and panel data, detect econometric issues, apply advanced models, and present results like a professional researcher.
This will equip you with the skills to excel in academic research, consulting, and policy analysis.