第1章 导论 1
1.1 计量经济学的概念与功能 1
1.1.1 什么是计量经济学 1
1.1.2 计量经济学的作用与功能 1
1.2 计量经济学的学科性质 2
1.2.1 计量经济学在经济学科中居于重要地位 2
1.2.2 计量经济学与其他学科的关系 3
1.2.3 计量经济学的分类 4
1.2.4 计量经济学的局限性 5
1.3 计量经济学的研究步骤 6
1.3.1 陈述理论 6
1.3.2 建立计量经济模型 7
1.3.3 收集样本数据 8
1.3.4 估计模型参数 9
1.3.5 检验模型 10
1.3.6 应用模型 11
1.4 计量经济学数据来源和软件 11
1.4.1 常用数据来源 11
1.4.2 计量经济学软件 12
1.5 本章小结 12
思考题与练习题 12
第2章 一元线性回归模型 14
2.1 一元线性回归模型概述 14
2.1.1 相关分析与回归分析 14
2.1.2 总体回归函数和总体回归模型 16
2.1.3 随机误差项的性质 18
2.1.4 样本回归函数和样本回归模型 19
2.2 一元线性回归模型的基本假定和参数估计 21
2.2.1 一元线性回归模型的基本假定 21
2.2.2 一元线性回归模型的参数估计 22
2.3 最小二乘估计量的性质 24
2.3.1 最小二乘估计量的均值和方差 24
2.3.2 最小二乘估计量的性质 25
2.4 拟合优度的度量 27
2.4.1 总变差的分解 27
2.4.2 判定系数 28
2.4.3 判定系数与相关系数的关系 29
2.5 回归参数的区间估计和假设检验 30
2.5.1 回归参数的区间估计 30
2.5.2 回归参数的显著性检验 33
2.6 一元线性回归模型的预测 34
2.6.1 点预测 34
2.6.2 区间预测 34
2.7 案例分析 36
2.8 本章小结 40
附录2.1 案例分析的R实现 40
附录2.2 σ2最小二乘估计的证明 41
思考题与练习题 42
第3章 多元线性回归模型 45
3.1 多元线性回归模型及古典假定 45
3.1.1 多元线性回归模型概述 45
3.1.2 多元线性回归模型的古典假定 46
3.2 多元线性回归模型的参数估计 48
3.2.1 多元线性回归模型参数的最小二乘估计 48
3.2.2 参数最小二乘估计量的性质 49
3.2.3 最小二乘估计的分布性质 51
3.2.4 随机扰动项方差的估计 52
3.3 多元线性回归模型的检验 52
3.3.1 拟合优度检验 52
3.3.2 回归方程的显著性检验 54
3.3.3 回归参数的显著性检验 54
3.4 多元线性回归模型的预测 55
3.4.1 点预测 55
3.4.2 区间预测 56
3.5 虚拟变量 57
3.5.1 虚拟变量的概念 57
3.5.2 虚拟变量引入模型的形式 57
3.5.3 虚拟变量个数的确定 60
3.6 案例分析 61
3.7 本章小结 63
附录3.1 案例分析的R实现 63
附录3.2 残差平方和均值的证明 64
思考题与练习题 65
第4章 放松经典假设的模型估计 66
4.1 多重共线性 66
4.1.1 多重共线性的涵义 66
4.1.2 多重共线性对普通最小二乘估计的影响 66
4.1.3 多重共线性的检验 67
4.1.4 多重共线性下模型的估计方法 68
4.2 异方差性 69
4.2.1 异方差性的涵义 69
4.2.2 异方差性对普通最小二乘估计的影响 70
4.2.3 异方差性的检验 71
4.2.4 异方差性下模型的估计方法 74
4.3 自相关性 76
4.3.1 自相关性的涵义 76
4.3.2 自相关性对普通最小二乘估计的影响 77
4.3.3 自相关性的检验 78
4.3.4 自相关性下模型的估计方法 79
4.4 随机解释变量 81
4.4.1 随机解释变量对普通最小二乘估计的影响 81
4.4.2 工具变量法 81
4.5 案例分析 82
4.5.1 多重共线性的检验与处理 82
4.5.2 异方差性的检验与处理 86
4.5.3 自相关性检验及处理 90
4.6 本章小结 94
附录 案例分析的R实现 94
思考题与练习题 96
第5章 动态计量经济模型 99
5.1 分布滞后模型 99
5.1.1 考伊克分布滞后模型 99
5.1.2 考伊克变换法 100
5.1.3 非线性最小二乘法 100
5.2 局部调整模型和适应预期模型 101
5.2.1 局部调整模型 101
5.2.2 适应预期模型 101
5.3 自回归模型的估计 103
5.3.1 解释变量为随机变量时普通最小二乘估计量的统计性质 103
5.3.2 自回归模型的估计问题 103
5.4 阿尔蒙多项式分布滞后 104
5.5 案例分析 106
5.5.1 局部调整模型应用 106
5.5.2 适应预期模型应用 107
5.5.3 阿尔蒙多项式分布滞后模型应用 108
5.6 本章小结 110
附录5.1 证明考伊克模型中解释变量Yt-1与Vt相关 110
附录5.2 案例分析的R实现 110
思考题与练习题 110
第6章 时间序列分析 113
6.1 时间序列分析的基本概念 113
6.1.1 时间序列与随机过程 113
6.1.2 平稳性 113
6.1.3 五种经典的时间序列类型 114
6.1.4 单整 115
6.2 平稳性检验 115
6.2.1 图形检验法 116
6.2.2 单位根检验法 117
6.3 ARMA模型和ARIMA模型 118
6.3.1 ARMA模型 118
6.3.2 ARIMA模型 120
6.4 协整与误差修正模型 121
6.4.1 协整 121
6.4.2 误差修正模型 122
6.5 向量自回归模型 123
6.5.1 VAR模型 123
6.5.2 脉冲响应函数 124
6.6 案例分析 125
6.6.1 平稳性检验 125
6.6.2 通过自相关和偏自相关函数图识别模型类型 128
6.6.3 协整分析 129
6.7 本章小结 130
附录 案例分析的R实现 130
思考题与练习题 131
第7章 联立方程模型 132
7.1 联立方程模型及其偏倚 132
7.1.1 联立方程模型的基本概念 132
7.1.2 联立方程模型的变量类型 133
7.1.3 联立方程模型的偏倚性 133
7.1.4 联立方程模型的种类 134
7.2 联立方程模型的识别问题 138
7.2.1 模型识别问题 138
7.2.2 联立方程模型识别的类型 139
7.2.3 联立方程模型识别的方法 141
7.3 联立方程模型的估计 145
7.3.1 递归模型的估计——普通最小二乘法 145
7.3.2 恰好识别模型的估计——间接最小二乘法 146
7.3.3 过度识别模型的估计——二阶段最小二乘法 147
7.4 案例分析 149
7.4.1 模型设定 149
7.4.2 模型的识别 149
7.4.3 宏观经济模型的估计 150
7.5 本章小结 155
附录7.1 联立方程偏倚的证明 155
附录7.2 案例分析的Stata实现 156
思考题与练习题 156
第8章 面板数据模型 159
8.1 面板数据模型概述 159
8.1.1 面板数据概念 159
8.1.2 面板数据的优点 160
8.1.3 面板数据模型 160
8.2 面板数据模型的估计 161
8.2.1 固定效应模型 161
8.2.2 随机效应模型 162
8.2.3 固定效应还是随机效应——豪斯曼检验 163
8.3 案例分析 163
8.3.1 建立合成数据库对象 164
8.3.2 定义序列名并输入数据 166
8.3.3 估计模型 167
8.4 本章小结 171
附录 案例分析的Stata实现 171
思考题与练习题 171
参考文献 173
附录 统计分布表 174