计量经济学PDF电子书下载

目录 1

译者序 1

前言 1

第一章 普通最小二乘法的有限样本性质 1

1.1 古典线性回归模型 2

1.1.1 线性假定 2

1.1.2 矩阵符号 3

1.1.3 严格外生性假定 4

1.1.4 严格外生性的含义 5

1.1.5 时间序列模型的严格外生性 6

1.1.6 模型的其他假定 6

1.1.7 随机样本的古典回归模型 7

复习题 8

1.1.8 固定回归量 8

1.2 最小二乘法的代数表示 9

1.2.1 OLS最小化残差平方和 9

1.2.2 正规方程组 9

1.2.3 OLS估计量的两种表示 11

1.2.4 其他概念和代数式 12

1.2.5 影响分析（选读） 14

1.2.6 计算OLS估计的若干注意事项 15

复习题 16

1.3 普通最小二乘法估计量的有限样本性质 17

1.3.1 b的有限样本分布 18

1.3.2 s2的有限样本性质 20

1.3.3 Var（b|X）的估计值 21

复习题 21

1.4 正态分布的假设检验 22

1.4.2 单个回归系数的假设检验 23

1.4.1 正态分布的误差项 23

1.4.3 t检验的判别准则 25

1.4.4 置信区间 26

1.4.5 p值 26

1.4.6 线性假设 27

1.4.7 F检验 28

1.4.8 F值的更简便表示 29

1.4.9 t值与F值 29

1.4.10 检验统计量的分布依赖X的例 31

复习题 32

1.5 极大似然原理 32

1.5.1 极大似然原理 33

1.5.2 条件似然和无条件似然 33

1.5.3 回归模型的对数似然函数 33

1.5.4 浓缩似然的ML估计量 34

1.5.5 古典回归模型的Cramer-Rao下界 35

1.5.6 似然比检验的F检验 37

1.5.7 拟极大似然 37

复习题 37

1.6 广义最小二乘法 38

1.6.1 放松假定1.4的推论 39

1.6.2 已知V的有效估计 39

1.6.3 特殊情况：加权最小二乘法 41

1.6.4 GLS的极限性质 41

复习题 42

1.7 应用：供电行业的规模收益 42

1.7.1 供电行业 42

1.7.2 数据 43

1.7.3 为何需要计量经济学？ 43

1.7.4 Cobb-Douglas技术 44

1.7.6 普通最小二乘法的假定是否满足？ 45

1.7.5 如何确定技术是否符合Cobb-Douglas形式？ 45

1.7.7 约束最小二乘法 46

1.7.8 成本函数的齐次性检验 46

1.7.9 R2的题外详解 47

1.7.10 规模收益不变的检验 48

1.7.11 残差图的重要性 48

1.7.12 后续发展 49

复习题 50

本章习题 51

部分习题答案 60

参考文献 61

第二章 大样本理论 63

2.1 随机变量序列的极限理论的复习 64

2.1.1 不同的收敛方式 64

2.1.2 三个有用的结果 66

2.1.3 估计量为随机变量序列 68

2.1.4 大数定理和中心极限定理 68

复习题 69

2.2 时间序列分析的基本概念 70

2.2.1 遍历平稳的要求 70

2.2.2 不同类型的随机过程 71

2.2.3 无序列相关的不同形式 76

2.2.4 遍历平稳的鞅差分序列的中心极限定理 76

复习题 77

2.3 普通最小二乘法估计量的大样本分布 78

2.3.1 模型 78

2.3.2 OLS估计量的渐近分布 81

2.3.3 s2的一致性 82

复习题 83

2.4.1 线性假设检验 84

2.4 假设检验 84

2.4.2 一致检验 86

2.4.3 渐近势 86

2.4.4 非线性假设检验 87

复习题 88

2.5 一致估计E（ε？xix？） 89

2.5.1 使用残差作为误差 89

2.5.2 S的数据矩阵表述 90

2.5.3 有限样本的情形 90

复习题 91

2.6 条件同方差的含义 91

2.6.1 条件同方差与无条件同方差 91

2.6.2 有限样本公式的导出 92

2.6.3 　t统计量和F统计量的大样本分布 92

2.6.4 条件同方差渐近检验的其他处理 93

2.7 条件同方差的检验 94

复习题 94

复习题 96

2.8 参数化条件异方差估计（选读） 96

2.8.1 函数形式 96

2.8.2 已知α的WLS估计 97

2.8.3 e？回归zi得到α的一致估计 98

2.8.4 利用α估计的WLS估计 98

2.8.5 OLS估计与WLS估计 99

复习题 99

2.9 最小二乘投影 99

2.9.1 最佳预测因变量的值 99

2.9.2 最优线性预测 100

2.9.3 投影系数的OLS一致估计 101

复习题 101

2.10 检验序列相关 102

2.10.1 Box-Pierce统计量和Ljung-Box统计量 102

2.10.2 残差计算的样本自相关 103

2.10.3 前定而非严格外生的回归量的检验 105

2.10.4 基于回归的辅助检验 106

复习题 107

2.11 应用：理性预期计量经济学 108

2.11.1 有效市场假说 108

2.11.2 可检验的含义 109

2.11.3 检验序列相关 110

2.11.4 名义利率是否是最佳预测量？ 111

2.11.5 Rt并非严格外生 113

2.11.6 后续发展 114

复习题 115

2.12 时间回归方程 115

2.12.1 普通最小二乘估计量的渐近分布 115

2.12.2 时间回归的假设检验 117

复习题 118

附录2.B：命题2.10的证明 119

附录2.A：固定回归量的渐近性 119

本章习题 121

部分习题答案 133

参考文献 134

第三章 单方程广义矩法 136

3.1 内生性偏差：Working模型 137

3.1.1 市场均衡的联立方程模型 137

3.1.2 内生偏差 138

3.1.3 可观测的供给扰动 138

复习题 140

3.2 更多范例 141

3.2.1 简单宏观经济模型 141

3.2.2 变量误差 142

3.2.3 生产函数 143

3.3.1 回归量与工具变量 144

复习题 144

3.3 一般性描述 144

3.3.2 识别 146

3.3.3 识别阶条件 147

3.3.4 渐近正态假定 147

复习题 148

3.4 定义广义矩法 149

3.4.1 矩法 149

3.4.2 广义矩法 150

3.4.3 样本误差 151

复习题 151

3.5 广义矩法的大样本性质 152

3.5.1 GMM估计量的渐近分布 152

3.5.2 误差方差的估计 153

3.5.3 假设检验 154

3.5.5 有效GMM估计量 155

3.5.4 S的估计 155

3.5.6 渐近势 156

3.5.7 小样本性质 157

复习题 158

3.6 检验过度识别限制 159

3.6.1 检验正交条件的子集 160

复习题 162

3.7 基于似然比原理的假设检验 162

3.7.1 回归模型的LR统计量 164

3.7.2 增加变量的检验（选读） 164

复习题 165

3.8 条件同方差的含义 165

3.8.1 有效GMM估计量变成2SLS估计量 166

3.8.3 2SLS估计量的小样本性质 167

3.8.2 J统计量变成Sargan统计量 167

3.8.4 2SLS的推导 168

3.8.5 回归量为前定变量 170

3.8.6 检验正交条件的子集 170

3.8.7 检验条件同方差 172

3.8.8 检验序列相关性 172

复习题 172

3.9 应用：学校教育的收益 173

3.9.1 NLS-Y数据 173

3.9.2 半对数工资方程 174

3.9.3 忽略变量的偏差 175

3.9.4 能力度量的IQ 175

3.9.5 变量误差 176

3.9.6 修正偏差的2SLS估计 177

复习题 178

3.9.7 后续发展 178

本章习题 179

部分习题答案 187

参考文献 187

第四章 多方程广义矩法 190

4.1 多方程模型 191

4.1.1 线性性 191

4.1.2 平稳和遍历 192

4.1.3 正交条件 192

4.1.4 识别 193

4.1.5 渐近正态假定 194

4.1.6 联系完全联立方程模型 195

4.2 多方程广义矩法的定义 195

4.3 大样本理论 198

4.4 单方程估计与多方程估计 199

4.4.1 何时二者等价？ 201

4.4.2 联合估计的风险 202

复习题 203

4.5 多方程广义矩法的特例：FIVE、3SLS与SUR 203

4.5.1 条件同方差 203

4.5.2 完全信息有效工具变量（FIVE） 203

4.5.3 三阶段最小二乘法（3SLS） 205

4.5.4 似不相关回归（SUR） 207

4.5.5 SUR与OLS 208

复习题 210

4.6 相同系数 211

4.6.1 相同系数模型 212

4.6.2 GMM估计量 213

4.6.3 条件同方差约束 214

4.6.4 混同OLS 215

4.6.5 改进公式 216

4.6.6 相同系数约束与无相同系数约束 217

复习题 218

4.7 应用：相关要素需求 219

4.7.1 超对数成本函数 220

4.7.2 要素份额 220

4.7.3 替代弹性 221

4.7.4 成本函数的性质 221

4.7.5 随机项设定 222

4.7.6 约束性质 223

4.7.7 跨方程约束的多元回归 224

4.7.8 删除哪个方程？ 225

4.7.9 结论 225

复习题 227

本章习题 227

部分习题答案 237

参考文献 238

第五章 面板数据 239

5.1 误差成分模型 240

5.1.1 误差成分 240

5.1.2 组均值 242

5.1.3 参数重置 242

复习题 243

5.2 固定效应估计量 244

5.2.1 公式 244

5.2.2 大样本性质 245

5.2.3 题外话：球形ηi 246

5.2.4 随机效应与固定效应 247

5.2.5 放松条件同方差 248

复习题 249

5.3.1 “零化”遗漏观测值 250

5.3 非平衡面板数据（选读） 250

5.3.2 零化与压缩 251

5.3.3 无选择性偏差 251

复习题 252

5.4 应用：各国经济增长的差异 253

5.4.1 推导估计方程 253

5.4.2 添加误差项 254

5.4.3 αi的处理 254

5.4.4 收敛速度的一致估计 255

复习题 256

附录5.A：Hausman统计量的分布 256

本章习题 258

部分习题答案 268

参考文献 269

第六章 序列相关 270

6.1.2 均方极限的MA（∞） 271

6.1.1 MA（q） 271

6.1 模型化序列相关：线性过程 271

6.1.3 滤子 273

6.1.4 滞后多项式的逆 275

复习题 277

6.2 自回归移动平均过程 278

6.2.1 AR（1）及其MA（∞）表示 278

6.2.2 AR（1）的自协方差 279

6.2.3 AR（p）及其MA（∞）表示 280

6.2.4 ARMA（p，q）过程 281

6.2.5 具有相同根的ARMA（p，q） 282

6.2.6 可逆性 282

6.2.7 自协方差母函数与谱 283

复习题 284

6.3 向量过程 285

6.3.2 滤子的逆 286

6.3.1 滤子的乘积 286

6.3.3 滞后多项式的绝对可和逆 287

6.3.4 自协方差母函数 288

复习题 288

6.4 估计自回归 289

6.4.1 AR（1）的估计 289

6.4.2 AR（p）的估计 290

6.4.3 滞后期数的选择 291

6.4.4 VAR的估计 292

6.4.5 ARMA（p，q）的估计 293

复习题 294

6.5 序列相关过程的样本均值的渐近性 295

6.5.1 协方差平稳过程的大数定理 295

6.5.2 两个中心极限定理 296

6.5.4 向量遍历平稳过程的Gordin条件 298

6.5.3 多变量拓展 298

复习题 299

6.6 考虑序列相关的广义矩法 299

6.6.1 模型与渐近结果 299

6.6.2 估计有限滞后的自协方差消失的S 300

6.6.3 使用核估计S 301

6.6.4 VARHAC 302

复习题 304

6.7 条件同方差的估计（选读） 304

6.7.1 条件同方差的S的核估计 304

6.7.2 长期方差估计的数据矩阵描述 305

6.7.3 联系GLS 306

复习题 307

6.8 应用：远期汇率的最优预测 308

6.8.1 市场有效性假说 308

6.8.2 检验无条件均值是否为零 309

6.8.3 回归检验 312

复习题 315

本章习题 315

部分习题答案 323

参考文献 326

第七章 极值估计量 327

7.1 极值估计量 328

7.1.1 ？的可测性 328

7.1.2 两类极值估计量 329

7.1.3 极大似然（ML） 329

7.1.4 条件极大似然 331

7.1.5 ML的不变性 332

7.1.6 非线性最小二乘法（NLS） 333

7.1.7 线性与非线性GMM 333

复习题 334

7.2 一致性 335

7.2.1 两个极值估计量的一致性定理 335

7.2.2 M估计量的一致性 337

7.2.3 重置参数的凹性 339

7.2.4 ML与NLS的识别 340

7.2.5 GMM的一致性 343

复习题 344

7.3 渐近正态性 345

7.3.1 M估计量的渐近正态性 345

7.3.2 一致渐近方差估计 348

7.3.3 条件ML的渐近正态性 348

7.3.4 两个范例 350

7.3.5 GMM的渐近正态性 352

7.3.6 GMM与ML 354

7.3.7 样本误差的相同表示形式 355

复习题 358

7.4 假设检验 359

7.4.1 原假设 359

7.4.2 指导性假定 360

7.4.3 Wald统计量 360

7.4.4 Lagrange乘子（LM）统计量 362

7.4.5 似然比（LR）统计量 363

7.4.6 总结（三位一体） 364

复习题 365

7.5 数值计算 366

7.5.1 Newton-Raphson算法 366

7.5.2 Gauss-Newton算法 366

7.5.3 Newton-Raphson与Gauss-Newton的相同形式 367

7.5.4 仅参数非线性的方程 367

复习题 368

本章习题 369

参考文献 372

部分习题答案 372

第八章 极大似然范例 374

8.1 定性反应模型 375

8.1.1 Score向量与Hessian矩阵 375

8.1.2 一致性 376

8.1.3 渐近正态性 376

复习题 377

8.2 断尾回归模型 377

8.2.1 模型 378

8.2.2 断尾分布 378

8.2.3 似然函数 379

8.2.4 似然函数的参数重置 380

8.2.5 验证一致性和渐近正态性 380

复习题 382

8.2.6 还原原始参数 382

8.3 截取回归（Tobit）模型 383

8.3.1 Tobit模型的似然函数 383

8.3.2 参数重置 384

复习题 385

8.4 多元回归 385

8.4.1 重述多元回归模型 386

8.4.2 似然函数 386

8.4.3 极大化似然函数 387

8.4.4 一致性和渐近正态性 388

复习题 388

8.5 完全信息的极大似然估计 389

8.5.1 重述相同工具变量的多方程模型 389

8.5.2 联立方程的完备模型 391

8.5.3 （Г0，B0）与δ0的联系 391

8.5.4 FIML似然函数 392

8.5.5 FIML浓缩似然函数 393

8.5.6 检验过度识别约束 394

8.5.7 FIML估计量的性质 394

8.5.8 SUR模型的ML估计 396

复习题 397

8.6 有限信息的极大似然估计 398

8.6.1 定义LIML 398

8.6.2 LIML的计算 399

8.6.3 LIML与2SLS 400

复习题 401

8.7 序列相关观测值 402

8.7.1 两个问题 402

8.7.2 序列相关观测值的无条件ML 403

8.7.3 AR（1）过程的ML估计 403

8.7.4 AR（1）过程的条件ML估计 404

8.7.5 AR（p）和VAR（p）过程的条件ML估计 406

复习题 407

本章习题 407

参考文献 410

第九章 单位根计量经济学 412

9.1 趋势建模 413

9.1.1 积分过程 413

9.1.2 过程是否为I（1）的重要性 415

9.1.3 原假设应为I（0）或I（1） 416

9.1.4 趋势建模的其他方法 416

复习题 417

9.2 单位根计量经济学的工具 417

9.2.1 线性I（0）过程 417

9.2.2 利用随机游动近似I（1） 418

9.2.3 联系ARMA模型 419

9.2.4 Wiener过程 420

9.2.5 有用引理 422

复习题 423

9.3 Dickey-Fuller检验 423

9.3.1 AR（1）模型 424

9.3.2 推导I（1）原假设的极限分布 424

9.3.3 存在截距 427

9.3.4 存在时间趋势 430

复习题 432

9.4 扩展的Dickey-Fuller检验 434

9.4.1 扩展自回归 434

9.4.2 OLS估计量的极限分布 435

9.4.3 推导检验统计量 437

9.4.4 检验ζ的假说 438

9.4.5 如何处理未知p 439

9.4.7 存在截距的回归 441

9.4.6 选择pmax（T）的建议 441

9.4.8 存在时间趋势 443

9.4.9 归纳DF和ADF检验及其他单位根检验 445

复习题 445

9.5 单位根检验的选择 446

9.5.1 局部趋向1的渐近性 446

9.5.2 小样本性质 447

9.6 应用：购买力平价 447

9.6.1 随机游动模型的困惑适应性 448

本章习题 449

部分习题答案 459

参考文献 460

第十章 协整 463

10.1 协整系统 464

10.1.1 线性向量I（0）和I（1）过程 464

10.1.2 Beveridge-Nelson分解 466

10.1.3 协整的定义 467

复习题 470

10.2 协整系统的其他表示形式 470

10.2.1 Phillips三角表示形式 471

10.2.2 VAR与协整 472

10.2.3 向量误差修正模型（VECM） 474

10.2.4 Johansen ML方法 475

复习题 476

10.3 检验无协整的原假设 477

10.3.1 伪回归 478

10.3.2 基于残差的协整检验 478

10.3.3 检验协整的原假设 482

复习题 482

10.4 协整向量的推断 482

10.4.1 SOLS估计量 483

10.4.2 双变量例 484

10.4.3 双变量例（续） 485

10.4.4 存在序列相关 486

10.4.5 一般情形 488

10.4.6 其他估计量与有限样本性质 489

复习题 489

10.5 应用：美国的货币需求 489

10.5.1 数据 490

10.5.2 （m-p，y，R）形成协整系统 490

10.5.3 DOLS 491

10.5.4 货币需求是否稳定 492

本章习题 494

参考文献 495

附录A：分块矩阵与Kronecker内积 498

术语表 502