应用数量经济学PDF电子书下载

第1章 数据的特征数 1

1.1累计求和算子的运算规则 1

1.2画图 3

直方图 3

折线图 4

散点图 5

1.3算术平均数 5

1.4几何平均数 7

1.5中位数 8

1.6极差 11

1.7方差 12

1.8标准差 13

1.9偏度 13

1.10峰度 14

1.11协方差 16

1.12相关系数 17

相关的定义与分类 17

简单线性相关的度量 19

相关系数的取值范围 19

线性相关系数的局限性 21

第2章 总体特征数的点估计与区间估计 22

2.1抽样的基本概念 22

2.2几种统计量的抽样分布 25

样本平均数？的抽样分布 25

统计量W=？的抽样分布 27

统计量t=？的抽样分布 28

统计量F的抽样分布 30

样本比率？的抽样分布 31

样本相关系数的抽样分布 31

2.3点估计 32

总体参数的点估计 32

评价估计量优劣的标准 33

2.4区间估计 36

区间估计的概念 36

总体均值μ的置信区间计算公式 37

总体方差σ2的区间估计 42

两个正态总体均值差（μ1-μ2）的置信区间 43

两个正态总体方差比σ22/σ21的置信区间 44

大样本条件下总体比率p的置信区间估计 46

第3章 总体特征数的假设检验 48

3.1假设检验的基本思想与方法 48

假设检验的原理与分类 48

假设检验的两类错误 50

p值 51

检验功效 52

3.2总体均值的假设检验 52

情形1：总体服从正态分布，总体方差σ2已知，样本大小无限制，检验μ=μ0 52

情形2：总体分布未知，总体方差σ2未知，大样本（n≥30），检验μ=μ0 54

情形3：总体服从正态分布，总体方差σ2未知，小样本（n＜30），检验μ=μ0 54

单侧检验 57

3.3两个正态总体均值差异的假设检验 58

3.4总体方差的假设检验 61

3.5总体比率的假设检验 63

大样本条件下单个总体比率的假设检验 63

两个总体比率的假设检验（大样本） 64

3.6总体分布律的假设检验（拟合优度检验） 66

离散型分布总体的分布率检验 68

连续型分布总体的分布率检验 69

3.7简单相关系数的检验 71

第4章 经济指数 73

4.1指数的定义和分类 73

指数简史 73

指数定义 74

指数的作用 74

指数的分类 75

4.2指数的计算 76

单一指数的计算 76

简单综合指数的计算 77

加权综合指数的计算 77

加权平均指数的计算 79

4.3指数基期的选择 80

4.4基期变换与指数序列的拼接 80

4.5固定（不变）价格经济序列的计算 81

4.6国内外主要指数介绍 83

商品零售价格指数 83

居民消费价格指数 83

香港恒生指数 83

上证综指 84

深证成指 84

道琼斯指数 84

第5章 一元线性回归模型 86

5.1模型的建立及其假定条件 86

建立模型的意义 86

一元线性回归模型的定义 86

一元线性回归模型的经济含义与特征 87

模型的假定条件 87

5.2一元线性回归模型的参数估计 88

估计方法初探 88

最小二乘估计法原理 89

最小二乘估计的计算 89

5.3 yt,？1和？0的分布 90

yt的分布 90

？的分布 90

？的分布 91

5.4σ2的估计 92

5.5最小二乘估计量的统计性质 92

线性特性 92

无偏性 93

最小方差性 93

渐近无偏性 94

一致性 94

5.6最小二乘回归函数的性质 94

5.7拟合优度的测量 95

5.8回归参数的显著性检验 96

5.9回归参数的置信区间 97

5.10单方程回归模型的预测 97

单个yT+1的点预测 98

单个yT+1的区间预测 98

E（yT+1）的区间预测 99

5.11回归系数？与相关系数r的关系 100

5.12案例分析：用回归模型预测木材剩余物 101

5.13主要公式一览 105

第6章 多元线性回归模型 107

6.1多元线性回归模型及其假定条件 107

模型的建立 107

模型的假定条件 108

6.2最小二乘法 108

6.3最小二乘估计量的特性 109

线性特性 109

无偏特性 109

最小方差性 110

渐近无偏性 110

一致性 110

6.4残差的方差 111

6.5 Y与最小二乘估计量？的分布 112

6.6多重可决系数（多重确定系数） 112

总平方和、回归平方和与残差平方和 112

多重确定系数R2 113

调整的多重确定系数？ 113

6.7 F检验 113

6.8 t检验和回归系数的置信区间 114

6.9预测 115

点预测 115

单个yT+1的置信区间预测 116

E（yT+1）的置信区间预测 116

预测的评价指标 116

6.10多元线性回归计算举例 117

6.11偏相关与复相关 122

偏相关 122

复相关 124

6.12案例分析 125

6.13实际建模过程中应该注意的若干问题 127

6.14多元线性回归公式一览 131

第7章 可线性化的非线性模型 133

7.1可线性化的7种非线性函数 133

幂函数模型 133

指数函数模型 135

对数函数模型 137

双曲线函数模型 139

多项式方程模型 141

生长曲线模型 143

龚伯斯曲线 146

7.2可线性化的非线性模型综合案例 147

7.3可线性化的非线性模型一览表 153

第8章 特殊解释变量 154

8.1虚拟变量 154

测量截距移动 154

用虚拟变量测量斜率变化 158

8.2工具变量 161

工具变量在一元线性回归模型中的应用 161

工具变量在多元线性回归模型中的应用 164

8.3滞后变量 164

分布滞后模型 165

自回归模型 166

8.4随机解释变量 166

第9章 异方差 168

9.1同方差假定 168

9.2异方差的表现与来源 169

9.3异方差的后果 170

9.4异方差检验 171

定性分析异方差 171

戈德菲尔德-匡特检验 172

怀特检验 173

戈列瑟检验 174

自回归条件异方差检验 174

9.5克服异方差的方法 174

用解释变量或解释变量的算术根除原回归式克服异方差 174

用戈列瑟检验式克服异方差 176

通过对数据取自然对数消除异方差 176

克服异方差的矩阵描述 177

9.6案例分析 178

第10章 自相关 184

10.1非自相关假定 184

10.2自相关的来源与后果 187

10.3自相关检验 189

图示法 189

DW检验法 189

LM检验（亦称BG检验）法 191

回归检验法 192

10.4自相关的解决方法 192

10.5克服自相关的矩阵描述 193

10.6自相关系数的估计 195

10.7案例分析 196

第11章 多重共线性 201

11.1非多重共线性假定 201

11.2多重共线性的来源 202

11.3多重共线性的后果 203

完全多重共线性对参数估计的影响 203

近似共线性对参数估计的影响 204

多重共线性后果的矩阵描述 205

11.4多重共线性的检测 206

11.5多重共线性的解决方法 207

直接合并解释变量 207

利用已知信息合并解释变量 207

增加样本容量或重新抽取样本 208

合并截面数据与时间序列数据 209

剔除引起多重共线性的变量 209

11.6案例分析 211

11.7多重共线性与解释变量的不正确剔除 215

11.8违反模型假定条件的其他几种情形 215

被解释变量存在测量误差 215

被解释变量、解释变量同时存在测量误差 216

随机解释变量 217

模型的设定误差 217

第12章 联立方程模型 219

12.1联立方程模型概念 219

12.2联立方程模型分类 219

结构模型 219

简化型模型 221

递归模型 223

12.3联立方程模型的识别 224

识别概念 224

结构模型的识别方法 226

12.4联立方程模型的估计方法 227

递归模型的估计方法 227

简化型模型的估计方法 228

结构模型的估计方法 228

12.5联立方程模型举例 229

第13章 模型检验的常用统计量 235

13.1检验模型总显著性的F统计量 235

13.2检验回归系数显著性的t统计量 236

13.3检验线性约束条件是否成立的F统计量 236

13.4似然比（LR）统计量 240

13.5沃尔德（Wald）统计量 241

13.6拉格朗日乘子（LM）统计量 244

13.7赤池信息准则、施瓦茨准则和汉南-奎因准则 247

13.8检验正态分布的JB统计量 250

13.9格兰杰因果性检验 251

13.10邹突变点检验 253

13.11回归系数稳定性的邹检验 258

13.12递归分析 261

第14章 时间序列ARIMA模型 266

14.1时间序列定义 266

14.2 ARIMA模型的分类 268

自回归（AR）模型 268

移动平均（MA）模型 271

自回归移动平均（ARMA）模型 273

单积自回归移动平均（ARIMA）模型 274

14.3伍尔德（Wold）分解定理 275

14.4自相关函数及其估计 277

自相关函数 277

自回归过程的自相关函数 278

移动平均过程的自相关函数 280

ARMA过程的自相关函数 281

相关图（估计的自相关函数） 281

14.5偏自相关函数及其估计 282

14.6 ARIMA模型的建立 287

模型的识别 288

模型参数的估计 288

模型的诊断与检验 293

ARIMA模型预测 293

14.7 ARIMA模型建模案例 295

14.8 SARIMA模型 302

SARIMA模型定义 302

SARIMA模型建模案例 304

14.9回归与ARMA组合模型 309

回归与ARMA组合模型定义 310

回归与ARMA组合模型案例分析 310

第15章 面板数据模型与应用 313

15.1面板数据定义 313

15.2面板数据模型分类 316

混合模型 316

固定效应模型 316

随机效应模型 318

15.3面板数据模型估计方法 319

混合最小二乘估计 319

平均数最小二乘估计法 319

离差变换最小二乘估计 320

一阶差分最小二乘估计 321

可行广义最小二乘估计法（随机效应估计法） 321

15.4面板数据模型的设定与检验 321

F检验 322

H检验 322

Wald检验 324

F检验和LR检验 324

15.5面板数据建模案例分析 325

15.6面板数据模型的EViews操作 332

建立混合数据库 332

面板数据模型估计的EViews操作 333

15.7面板数据的单位根检验 337

LLC检验 337

崔仁检验（Fisher-ADF检验） 339

第16章 单位根检验与协整 341

16.1非平稳时间序列与虚假回归 341

单积定义 341

单积时间序列的统计特征 342

虚假回归 343

16.2单位根检验 344

DF统计量的分布特征 344

AR（p）含单位根过程的DF分布 347

误差项为ARMA形式的I（1）过程的DF分布 348

单位根检验 348

单位根检验步骤 349

单位根检验的EViews操作 350

单位根检验案例分析 351

16.3结构突变序列的单位根检验 354

16.4经济变量的协整 360

均衡概念 360

协整定义 361

协整性检验 362

16.5误差修正模型 364

附录A 统计分布表 368

附录B 随机变量、概率极限、矩阵代数知识简介 379

参考文献 392