当前位置:首页 > 经济
高等计量经济学基础
高等计量经济学基础

高等计量经济学基础PDF电子书下载

经济

  • 电子书积分:12 积分如何计算积分?
  • 作 者:缪柏其,叶五一编著
  • 出 版 社:北京:高等教育出版社
  • 出版年份:2013
  • ISBN:7040372403
  • 页数:314 页
图书介绍:量经济学是金融工程的基础课程。《高等计量经济学基础》由缪柏其、叶五一编著,本书介绍了回归分析、时间序
《高等计量经济学基础》目录

第一章 线性代数和矩阵基本知识 1

1.1线性代数基本知识 1

1.1.1向量空间 1

1.1.2 Gram-Schmidt正交化程序 3

1.1.3向量的正交投影和Bessel不等式 4

1.2矩阵的一般理论和性质 5

1.3矩阵的数字特征 10

1.4几类特殊的矩阵 15

1.5二次型 19

1.6矩阵的特殊运算与矩阵的微商 22

第二章 多元统计分析基本知识 27

2.1随机向量的数字特征 27

2.2多元正态及由它生成的统计量 31

2.3矩阵正态分布和Wishart分布 33

2.4相关性分析和关联性分析 37

2.5其他重要的多元分布 44

2.6Copula 48

2.6.1 Copula的定义和性质 48

2.6.2几个重要的Copula 54

2.6.3阿基米德Copula与对应的秩相关系数 57

2.6.4 Copula的C藤和D藤分解 60

2.7大数定律和中心极限定理 64

第三章 回归分析 65

3.1多元线性回归模型 65

3.1.1古典假定以及统计推断 65

3.1.2 多重共线性 81

3.1.3异方差性 87

3.1.4自相关性 93

3.1.5解释变量与误差项的相关性 100

3.1.6分块回归与偏回归估计 109

3.2多元统计分析 111

3.2.1多元模型 111

3.2.2主成分分析与因子分析 113

3.2.3偏最小二乘方法 122

3.3非线性回归模型 125

3.3.1可化为线性的非线性回归模型 125

3.3.2非线性回归模型及其最小二乘估计 131

3.3.3变参数线性回归模型 134

3.4非参数回归方法 142

3.4.1非参数归模型 142

3.4.2核密度估计 143

3.4.3非参数均值回归 146

3.4.4局部多项式回归 150

3.4.5半参数模型 152

3.4.6样条方法 155

3.5分位点回归模型 158

3.5.1线性分位点回归模型 158

3.5.2非线性分位点回归模型 162

第四章 时间序列分析 169

4.1差分方程 169

4.1.1常系数齐次差分方程 169

4.1.2非齐次差分方程 172

4.2平稳过程的定义 175

4.3线性时间序列 177

4.3.1常用时间序列的定义 177

4.3.2 ARMA (p,q)的平稳性 179

4.3.3时间域上平稳ARMA (p,q)的研究 181

4.3.4频率域上平稳ARMA (p,q)的研究 187

4.4平稳线性序列的参数估计 192

4.4.1平稳过程均值μ的估计 193

4.4.2平稳过程自协方差和自相关函数的估计 194

4.4.3自回归模型的参数估计 195

4.4.4自回归模型阶数p的估计 197

4.5非平稳过程与单位根 198

4.5.1单整 198

4.5.2单位根检验 200

4.5.3结构突变序列单位根检验 203

4.6协整与误差修正模型 206

4.6.1协整 206

4.6.2 协整的检验 207

4.6.3误差修正模型 210

4.7非线性时间序列 212

4.7.1门限自回归模型 212

4.7.2异方差性与GARCH模型 216

4.7.3非参数时间序列模型 224

第五章 面板数据分析 227

5.1面板数据模型简介 227

5.1.1面板数据模型简介 228

5.1.2面板数据模型的协方差分析 229

5.1.3面板数据模型的设定 232

5.2变截距简单回归模型 234

5.2.1固定效应变截距模型 234

5.2.2随机效应变截距模型 237

5.2.3 Mundlak公式 242

5.2.4固定效应以及随机效应模型的选择 243

5.3面板数据的单位根检验 244

5.4面板数据的协整检验 245

第六章 属性数据分析 249

6.1属性数据简介 249

6.2虚拟解释变量模型 249

6.2.1虚拟变量 249

6.2.2虚拟解释变量综合应用 250

6.3虚拟被解释变量模型 252

6.3.1广义线性模型 252

6.3.2二元数据广义线性模型 254

6.3.3多元数据广义线性模型 261

第七章 常用的估计方法 265

7.1极大似然估计 265

7.1.1极大似然估计简介 265

7.1.2简单线性回归模型的极大似然估计 267

7.1.3多元线性回归模型的极大似然估计 268

7.1.4非线性模型的极大似然估计 272

7.1.5似然比检验 273

7.2广义矩估计 274

7.2.1参数的广义矩估计 274

7.2.2矩条件以及广义矩估计 276

7.2.3一些估计量的GMM估计解释 279

7.2.4关于广义矩估计的假设检验 282

7.2.5 GMM方法的具体应用 283

7.3 Bayes估计方法 285

7.3.1 Bayes估计方法简介 285

7.3.2 先验分布的确定 286

7.3.3正态线性回归模型的Bayes估计 290

7.3.4 Bayes统计推断 292

7.3.5 Bayes方法的应用——Bayes VaR 295

7.4联立方程模型及其估计 297

参考文献 307

名词索引 311

相关图书
作者其它书籍
返回顶部