宏观经济统计数据诊断 理论、方法及其应用PDF电子书下载

第1章 导论 1

1.1 国内外对经济统计数据质量研究方法现状及其评价 1

1.1.1 统计数据质量的定义 1

目录 1

1.1.2 中国宏观经济统计数据的特点 4

1.1.3 目前国外关于统计数据质量研究的主要内容 5

1.1.4 国内外对中国经济统计数据质量研究方法现状及其评价 5

1.2 本书的研究内容及其框架 9

1.3 本书的研究方法 12

第2章 经济变量的相关分析诊断方法及其应用研究 13

2.1 为什么要对经济变量进行因果性分析 13

2.2.1 小样本因果关系检验方法概述 15

2.2 经济变量的小样本因果关系检验方法及其应用研究 15

2.2.2 相关文献综述及评价 16

2.2.2.1 相关定义和引理的引入 16

2.2.2.2 相关文献综述及评价 17

2.2.3 各种准则函数的特征及其检验效力——基于仿真模型的分析 21

2.2.3.1 仿真模型的设定及选择 21

2.2.3.2 仿真模型的程序框图及程序 22

2.2.3.3 各种准则函数的检验特征——基于仿真模型的分析 24

2.2.4 小样本因果关系检验模型 29

2.2.5 对中国经济与能源增长之间的小样本因果关系分析 31

2.3 经济变量的Granger非因果关系检验性质及其适用性研究与应用 37

2.3.1 Granger非因果关系定义及其表述 37

2.3.2 相关文献综述及评价 38

2.3.3.1 Granger检验模拟临界值及其响应面 39

2.3.3 Granger非因果检验性质及适用性——基于仿真模型的分析 39

2.3.3.2 仿真模型的设定及选择 43

2.3.3.3 仿真模型的程序框图及程序 44

2.3.3.4 Granger检验式及其适用性——基于仿真模型的分析 44

2.3.4 对中国经济变量的Granger因果关系分析 49

2.3.4.1 中国宏观经济变量的选取及其说明 49

2.3.4.2 对中国主要宏观经济变量的Granger因果关系分析 50

2.3.4.3 对中国经济增速的协整分析 61

2.4 本章要点 65

3.1 宏观经济统计数据质量模型诊断概述 67

3.1.1 模型诊断的任务和方法 67

第3章 基于模型的统计诊断方法及其应用研究 67

3.1.2 模型中“异常点”和“强影响点”的联系和区别 68

3.2 线性回归模型及其诊断统计量 69

3.2.1 线性回归的异常点诊断分析 69

3.2.1.1 数据删除模型、均值漂移模型和方差扩大模型 69

3.2.1.2 识别异常点的残差诊断统计量及性质 76

3.2.2 线性回归的强影响点分析 78

3.2.2.1 度量影响的基本统计量——cook统计量 78

3.2.2.2 cook距离的“污染”现象——基于仿真模型的分析 82

3.2.2.3 基于预测均方误差的诊断统计量 93

3.2.2.4 强影响数据集诊断统计量——影响矩阵 95

3.2.2.5 度量影响的其他统计量 98

3.2.2.6 似然距离 100

3.3.1 广义线性模型概念、模型表述及参数估计 102

3.3 广义线性回归模型及其诊断统计量 102

3.3.2 广义线性模型诊断统计量 104

3.4 非线性回归模型及其诊断统计量 106

3.4.1 非线性回归模型概念及其模型表述 106

3.4.2 诊断模型分析 107

3.4.3 基于线性模型近似的诊断方法及统计量 107

3.5 对中国经济统计数据质量的模型诊断分析 109

3.6 本章要点 116

第4章 时间序列经济变量的异常值诊断方法及其应用研究 118

4.1 相关文献综述及其评价 119

4.1.1 时间序列中“异常点”的定义、分类及其影响 119

4.1.2 异常点主要诊断方法及其文献 122

4.1.3 与时间序列异常点有关的专题文献及其评价 126

4.2 经典经济变量异常值识别方法概述及其评价 128

4.2.1 三种经典方法表述及其比较 128

4.2.2 对经典异常值识别方法的评价 129

4.3 数据删除模型及其诊断统计量 129

4.3.1 时间序列和线性模型诊断的联系和区别 130

4.3.2 基于自回归的数据删除模型 130

4.3.3 数据删除模型的诊断统计量 131

4.3.3.1 残差诊断统计量 131

4.3.3.2 cook距离诊断统计量 132

4.3.3.3 score诊断统计量 132

4.3.3.4 影响度量诊断统计量 132

4.4.1 强影响点片和异常点片诊断概述 133

4.4 ARMA模型的强影响点片和异常点片诊断 133

4.4.2 基于数据删除的强影响点片诊断思想及其步骤 134

4.4.3 基于Gibbs算法及其样本的异常点片诊断方法 134

4.5 异常点诊断的贝叶斯方法 140

4.5.1 单个异常点和强影响点 141

4.5.1.1 诊断方法 141

4.5.1.2 稳健估计 142

4.5.1.3 线性模型贝叶斯诊断的概率比较 143

4.5.2 多个异常点及其识别 146

4.5.2.1 贝叶斯稳健曲线 146

4.5.2.2 自适应Gibbs算法及其样本 147

4.5.2.3 “污染”现象及其贝叶斯诊断 147

4.5.3 异质性和模型的不确定性 150

4.6.1.1 中国宏观经济变量的选取及其说明 152

4.6 对中国经济统计数据质量的时间序列诊断分析 152

4.6.1 中国宏观经济变量时间序列数据的选取及相关的国外研究 152

4.6.1.2 国外的相关研究及其结论 153

4.6.2 中国宏观经济时间序列异常点联合估计诊断及其结论分析 154

4.6.3 中国宏观经济时间序列的结构变化分析 165

4.7 本章要点 172

第5章 保障、改进我国政府统计数据质量的对策及建议 173

5.1 我国统计数据质量现状分析及其国际比较 173

5.1.1 我国政府统计数据质量的现状分析 173

5.1.2 外国政府对统计数据的管理及对我国的启示 176

5.2 改进我国政府统计数据质量障碍因素分析及其对策 180

参考文献 183

附录 201