经济计量学PDF电子书下载

目 录 1

绪论 1

§1 概述 1

§2什么是经济计量学？ 2

§3经济计量学的研究目的 2

§4经济计量学的研究方法 3

1．经济计量模型的制定 4

4．经济计量模型的应用——经济预测 5

3．经济计量模型的检验 5

2．模型参数的估计 5

第一章一元线性回归分析 7

§1一元线性回归模型及其基本假定 7

§2回归参数的最小平方估计 12

§3参数估计量的统计性质 15

1．线性 15

2．无偏性 16

3．最佳性 17

§4参数估计量的抽样分布及σu？的估计量 21

§5 回归参数的区间估计和显著性检验 24

1．？、？方差的估计量 24

2．α和β的置信区间 25

3．α和β的显著性检验 25

§6拟合优度和相关系数 27

§7 一元回归分析的具体步骤和分析结果的表示方法 33

1．回归分析结果的表示方法 33

2．一元回归分析的计算步骤 34

3．例 35

§8与常数项α有关的问题 37

1．常数项α一般不能抛弃 37

2．？作为常数项的估计值不可信赖 39

§9条件预测 41

1．E(yf)的置信区间 42

2．yf的预测区间 44

3．对E(yf)置信区间和yf预测区间有影响的几个因素 45

4．例 46

§10无条件预测和线性趋势模型 48

§11 无条件预测的误差问题 52

§12 回归模型的各种函数形式 53

1．双对数模型 53

2．半对数模型 54

3．倒数变换模型 55

第二章多元线性回归分析 59

§1 多元线性回归模型及其基本假定 59

1．二元回归的情形 61

§2回归参数的最小平方估计 61

2．k元回归的情形（k＞2） 64

§3 最小平方估计量的统计性质 66

1．线性 66

2．无偏性 66

3．最佳性 67

§4 二元模型中参数估计量的方差表达式 69

§5 k(k＞2)元回归模型中参数估计量的方差表达式 70

§6随机项方差的无偏估计量 73

1．参数估计量的抽样分布和方差估计量 77

§7回归参数的置信区间和显著性检验 77

2．回归参数的置信区间 78

3．回归参数的显著性检验 78

§8拟合优度和修正拟合优度 79

1．多元回归分析中的拟合优度 79

2．修正拟合优度 82

§9多元线性回归模型的整体显著性检验 84

§10多元线性回归分析举例 88

§11预测问题 98

1．因变量期望E(yf)的预测（二元回归） 98

2．因变量特殊值yf的预测 101

3 向任意个自变量情形的推广 101

*§12偏相关系数及其意义 104

§13多元非线性模型的线性化问题 109

1．可线性化模型的处理方法 110

2．不可线性化模型的处理方法 111

3．例 114

5．非线性预测问题 118

4．非线性样本回归便程的评价问题 118

第三章矩阵代数在线性回归分析中的应用 120

§1 矩阵代数基本知识的简单回顾 120

1．定义 120

2．基本运算法则 122

§2 k元线性回归模型及其基本假定 128

§3参数的最小平方估计 131

1．线性 132

§4参数估计量的统计性质 132

2．无偏性 133

3．？的方差——协方差矩阵 133

4．？的最佳性 138

§5 单个参数的区间估计和显著性检验 139

§6拟合优度和相关矩阵 140

1．拟合优度尺2 140

2．相关矩阵 141

§7预测 141

§8 用自变量偏差x和因变量偏差y表示的回归分析公式 143

1． 回归方程和参数估计量 144

2．？的方差——协方差矩阵 146

3．总平方和分解公式及拟合优度表达式 148

§9例 150

§10 E(yf)的置信区间和yf的预测区间 158

第四章经典回归基本假定的破坏 161

§1 关于假定1、2、5的进一步说明 161

§2 自相关 167

1．什么是自相关 167

2．引起自相关的原因 169

3．自相关强度的量度——自相关系数 170

§3 自相关所造成的后果 172

1．自相关不影响OLS估计量的线性和无偏性 172

2．自相关使OLS估计量失去最佳性 172

3．自相关对参数显著性检验的影响 176

4．自相关对OLS估计线的拟合优度的影响 177

§4 自相关的诊断：杜宾——沃森检验法 178

§5 消除自相关影响的方法（ρ已知的情形） 184

2．用迭代法估计ρ 187

§6 消除自相关影响的方法（ρ未知的情形） 187

1．通过d统计量估计ρ 187

§7存在自相关时的预测问题 197

§8异方差性 202

§9异方差性的后果 205

1．线性和无偏性 205

2．最佳性 206

§10异方差性的诊断和异方差结构的确定 209

1．残差图判断法 209

2．斯皮尔曼等级相关检验法 210

3．戈特菲尔德——奎恩特检验法 213

4．帕克——格莱泽检验法 214

§11异方差性的处理方法 216

*§12 自相关问题的矩阵解法 222

1．一阶线性自相关假定下的协方差矩阵 222

2．参数的广义最小平方估计 223

*§13异方差问题的矩阵解法 228

1．参数的广义最小平方估计 229

2．随机项方差的估计 231

§14多重共线性 232

1．完全多重共线性 233

2．不完全多重共线性 233

§15 多重共线性的后果 235

§16多重共线性的诊断 240

1．不显著系数法 240

2．相关矩阵法 241

3．法勒——格洛柏检验法 243

2．收集补充数据 246

§17消除多重共线性的传统方法 246

1．不作处理 246

3．利用补充信息 247

4．将时间序列与横断面数据结合 247

5．对所有变量作滞后差分变换 248

6．将共线变量之一摒弃 249

第五章经济计量学中的某些特殊技巧 251

§1主成分分析 251

1．标准化变量和正交变量 251

2．正交模型 253

3．系数矩阵α和？的估计 255

4．多重共线性的诊断和处理 256

§2 用主成分分析消除自变量之间依赖关系的实例 258

1．求主成分 259

2．作主成分回归 261

§3岭回归理论 267

1．岭回归的一般概念 267

2．与岭估计量有关的某些关系和P值的确定 269

3．多重共线性的岭诊断法 272

§4 用岭回归方法分析多重共线性的实例 274

§5贝叶斯估计的一般概念 278

1．贝叶斯估计同经典估计的主要区别 278

2．贝叶斯公式 279

3．损失函数和贝叶斯估计量 280

§6样本分布、验前分布和验后分布的确定 282

1．样本密度函数 282

2．验前密度函数 284

3．验后密度函数 288

§7最佳贝叶斯估计量的确定，分析举例 290

§8质变量的定量表示——虚拟变量 296

§9虚拟变量作为自变量的应用 297

1．自变量集合中只含虚拟变量的情形 297

2．自变量集合中既含量变量又合虚拟变量的情形 300

§10虚拟变量作为因变量的应用——线性概率模型 305

1．因变量为虚拟变量的回归模型 305

2．线性概率模型的估计方法 307

3．线性概率模型的应用实例 310

*§11非线性概率模型 312

1．逻辑模型 312

2．逻辑模型的估计方法 314

第六章单方程模型中的其它问题 322

§1计量误差及其后果 322

1．因变量的计算误差 323

2．自变量的计量误差 325

§2克服计量误差困难的方法 325

3．巴特利特三组法 326

2．汰特二组法 326

1．逆最小平方法 326

4．加权回归法 327

5．工具变量法 330

§3利用组合数据估计回归参数的方法 332

§4模型的定型偏倚 337

1．遗漏重要自变量的情形 338

2．模型包含不相干自变量的情形 340

1．经济现象中的滞后效应 342

§5分布滞后模型和自回归模型 342

2．短期效应和长期效应 343

3．分布滞后模型的估计问题 346

§6柯克估计法 347

§7阿尔蒙估计法 350

§8 自回归模型 358

1．适应性期望模型 359

2．部分调整模型 360

§9 自回归模型的估计问题 363

1．普通最小平方法 364

2．关于D-W检验法的适用性问题 366

3．自相关的h检验法 369

4．广义最小平方法 370

第七章时间序列分析和预测 372

§1 时间序列的数学模型及其一般性质 373

1．随机过程 373

2．自相关函数 374

3．平稳随机过程 375

4．滞后算符 376

§2 自回归过程 377

1．自回归过程的平稳条件 377

2．自回归过程的自相关函数 380

3．自回归过程的识别和估计 381

§3移动平均过程 385

1．移动平均过程的可转换条件 386

2．移动平均过程的自相关函数 387

§4 移动平均过程的识别和估计 390

2．移动平均过程的参数估计 391

1．移动平均过程的识别 391

§5 自回归移动平均模型 394

1．自回归移动平均模回的原理 395

2．ARMA(p、q)的自相关函数 396

§6 自回归移动平均模型的识别和估计 399

1．ARMA模回的识别 399

2．ARMA模型的估计 403

§7 ARIMA模型和博克斯——詹金斯方法 405

1．非平稳过程的差分子稳化 405

2．博克斯——詹金斯方法 408

§8 以时间序列模型为基础的预测方法 411

1．MA过程的预测 411

2．ARMA过程和AR过程的预测 416

3．ARIM过程的预测 419

§9 ARIMA预测值的性质 423

1．AR(1)过程 423

2．MA(1)过程 424

3．ARMA(1,1)过程 424

4．ARIMA(1,1,0)过程 425

第八章联立方程模型及其识别 428

§1 联立方程模型的一般概念 428

1．变量之间的双向因果关系和联立方程模型 428

2．OLS估计法遇到的困难 429

3．联立方程模型举例 430

§2 OLS估计量的同时方程偏倚 434

§3联立方程模型的结构形式和约化形式，递回模型 436

1．模型的结构形式 436

2．模型的约化形式 437

3．递归模型 439

§4同时方程模型的识别问题 441

1．不可识别的情形 443

2．正确识别的情形 445

3．过度识别的情形 446

4．整个模型正确识别的情形 448

§5结构方程的识别规则 449

1．阶识别条件 450

2．秩识别条件 453

3．某些实际识别规则 458

*§6阶识别条件和秩识别条件的证明 459

*§7识别问题和多重共线性问题 465

第九章联立方程模型的估计方法 467

§1估计方法概述 467

§2普通最小平方法（OLS法） 468

§3间接最小平方法（ILS法） 470

§4工具变量法（IV法） 475

1．2SLS法的基本思想 478

§5二阶段最小平方法（2SLS法） 478

2．方程正确识别时2SLS法与ILS法的等价性 480

3．2SLS估计法举例 481

4．2SLS估计量的统计性质 482

5．自由度问题 485

6．2SLS法的一些突出优点 486

*§6有限信息最大似然法 487

1．2SLS法的局限性 487

2．有限信息最小方差比法（LI/LVR法） 489

3．例 491

4．LI/ML(LI/LVR)法的优缺点 494

*§7表观独立方程模型和系统估计的概念 495

*§8 同时方程模型和3SLS估计法 502

1．2SLS估计 503

2．广义最小平方估计（GLS估计） 506

*§9估计量样本性质的研究和估计方法的选择 511

1．蒙特卡罗法的基本概念 512

2．各种估计量的小样本性质 514

3．估计方法的选择问题 516

参考书目 516

附录Ⅰ 几个与偏差有关的恒等式 517

附录Ⅱ 多元线性模型的对称性及其应用 518

附录Ⅲ 统计表 519

表1 正态曲线下的面载 519

表2 t分布的百分位数 519

表3 F分布的百分位数 519

表4 杜宾－沃特森检验的临界值表 519