第一章 绪论 1
1.1 计量经济学的特质 1
1.2.1 前提 2
1.2 计量性经济知识的探寻 2
1.2.2 实验 4
1.3 建立非实验性模型建置的限制条件 5
1.4 本书与其他各章的目的 7
1.5 本书的编排次序 8
第一部份 基本原理：统计模型的模式设定说明、估计与推测 11
2.2 抽样、样本空间与随机变数 13
2.1 前言 13
第二章 样本资料分析 13
2.2.1 随机变数和机率密度函数 15
2.2.2 平均数和变异数 18
2.3 估计随机变数的平均数和变异数的线性统计模型 21
2.4 随机变数之均数的估计量 30
2.5 应用抽样理论方法进行推论 33
2.6 随机变数之变异数的估计量 38
2.7 均数线性统计模型之蒙地卡罗实验 40
2.8 样本均数最小平方估计量的大样本性质 42
2.9 重点摘要 43
2.10.1 个别性练习题 44
2.10 练习题 44
2.10.3 代数性练习题 45
2.10.2 分组班级练习题 45
2.11 参考文献 46
3.1 常态线性统计模型 49
第三章 抽自常态分配母体的样本分析 49
3.2 应用最大概似方法进行估计 51
3.3.1 理论 55
3.3 β最大概似估计量的抽样分配 55
3.3.2 实验 56
3.4.1 理论 57
3.4 σ2最大概似估计量的抽样分配 57
3.4.2 实验 59
3.5 卡拉摩-劳下界值 60
3.6 重点摘要 64
3.7.1 个别性练习题 65
3.7 练习题 65
3.7.3 代数性练习题 66
3.7.2 分组班级练习题 66
3.8 参考文献 68
4.2 均数的区间估计 69
4.1 前言 69
第四章 常态线性模型的区间估计量和假设检定 69
4.2.1 当σ2是已知情况下β的区间估计 70
4.2.2 当σ2是未知情况下β的区间估计 72
4.3 σ2的区间估计 75
4.4 一个母体均数未知的假设检定 76
4.4.1 概似比检定 77
4.4.2 当σ2未知时，常态母体均数的概似比检定 83
4.5 常态母体变异数的概似比检定 85
4.6 重点摘要 87
4.7.1 个别性练习题 88
4.7 练习题 88
4.8 参考文献 89
4.7.3 代数性练习题 89
4.7.2 分组班级练习题 89
5.1 贝氏推论和贝氏定理 91
第五章 估计一个常态母体均数和变异数的贝氏方法 91
5.2.1 非资讯性事前机率 94
5.2 均数和变异数的事前机率分配 94
5.2.2 资讯性事前机率 96
5.2.2a 珈玛函数 99
5.2.2b 充分统计量 100
5.2.3 资讯性事前机率密度的例子 101
5.3 事後机率分配 104
5.3.1 非资讯性事前机率所导出的联合事後机率密度 105
5.3.2 资讯性事前机率所导出的联合机率密度 106
5.4 均数和变异数的边际分配 108
5.4.1 续前例题 111
5.5 损失函数和贝氏点估计 113
5.5.1 二次式损失函数下的贝氏点估计量 114
5.5.2 线性损失函数下的贝氏点估计量 115
5.5.3 贝氏估计量与抽样理论估计量间的关系 116
5.6.1 区间估计 120
5.6 假设检定和区间估计 120
5.6.2 假设检定 123
5.7 重点摘要 129
5.8.1 一般练习题 131
5.8 练习题 131
5.8.2 应用蒙地卡罗资料的练习题 132
5.9 参考文献 133
第二部份 一般线性统计模型 135
第六章 一般线性统计模型 137
6.1 统计模型的模型设定与说明方法 138
6.1.1 误差向量 140
6.1.2 抽样过程 141
6.1.3 统计模型 142
6.1.4 范例 145
6.1.5 模型的检讨 147
6.2 点估计 150
6.2.1 β向量的推估 151
6.2.2 最小平方准则 152
6.2.3 求解二次式的极小值解 154
6.2.4 线性联立方程式系统的求解方法 157
6.2.5 最小平方法则 160
6.2.6 范例 161
6.3.1 最小平方估计量的均数 168
6.3 最小平方法则的抽样性质 168
6.3.2 共变异数矩阵 170
6.4 抽样实绩表现——高斯——马克夫结论 173
6.5 纯量σ2的推估 176
6.5.1 b的共变异数矩阵的推估 180
6.6.1 预测 181
6.6 预测与解释度 181
6.6.2 范例 183
6.6.3 解释度 184
6.7 说明最小平方估计量抽样实绩表现情况的蒙地卡罗实验 187
6.7.1 抽样实验 188
6.7.2 抽样结果 189
6.9 练习题 194
6.8 重点摘要 194
6.9.1 个别练习题 195
6.9.2 分组班级练习题 196
6.9.3 其他练习题 197
6.10 参考文献 199
第七章 常态分配形式的一般线性统计模型 201
7.1.1 样本资讯的分解析说明 202
7.1 最大概似估计 202
7.1.3 最大概似估计量 203
7.1.2 准则 203
7.1.3a β的最大概似估计量 204
7.1.3b σ2的最大概似估计量 206
7.1.3c 二次项e′（IT-X(X′X)-1X′）e的分配 207
7.1.4 ？和？2的抽样实绩情况 211
7.1.5 重点摘要说明 213
7.1.6 抽样实验 214
7.1.6a 抽样结果 216
7.2.1 正交情况下的系数向量 219
7.2 区间估计 219
7.2.1a 单一系数 220
7.2.1b 两个或两个以上的联合系数 222
7.2.2a β向量的单一线性组合 226
7.2.2 一般情况 226
7.2.2b 两个或两个以上β向量线性组合的联合 229
7.2.3c 联合信赖区间范例 231
7.2.3 σ2的区间估计 232
7.2.4 预测值的区间估计 233
7.3 假设检定 236
7.3.1 概似比检定 237
7.3.1a 二次式型式比值的分配 240
7.3.2 一般线性假设 242
7.3.2a 受条件限制下的最大概似估计量 244
7.3.3 单一假设 248
7.3.4 有关σ2假设的检定 251
7.4 重点摘要说明 252
7.5.1 个别练习题 253
7.5 练习题 253
7.6 参考文献 255
7.5.2 分组班级练习题 255
7.A 附录——矩阵和分配的定理 256
7.A.1 矩阵和向量的微分 256
7.A.2 与常态理论有关的矩阵代数 257
7.A.3 常态分配 259
7.A.4 卡方分配，t分配，和F分配 260
7.A.5 康瑞克乘积，部份分割逆矩阵和落迟运算式子 262
8.1 贝氏方法 265
第八章 常态线性统计模型的贝氏估计与推测 265
8.2.1 非资讯性事前机率的设定与说明 267
8.2 非资讯性事前机率分析 267
8.2.2 由非资讯性事前机率所导出的联合事後机率密度函数 269
8.2.3a 多元变量t分配补述 271
8.2.3 由非资讯性事前机率所导出的边际事後机率密度函数 271
8.2.3b β向量中单一元素的边际事後机率密度函数 273
8.3.1 自然共轭事前机率的说明与设定 274
8.3 资讯性事前机率分析 274
8.3.2 自然共轭事前机率范例 277
8.3.3 资讯性事前机率的评估 281
8.3.4 由资讯性事前机率导出的事後机率密度函数 282
8.3.5 续前例题 284
8.4.1 点估计 287
8.4 点估计和区间估计 287
8.4.2 区间估计 290
8.5 假设检定 293
8.6 结论 300
8.7.1 一般练习题 301
8.7 练习题 301
8.7.2 应用蒙地卡罗样本资料的练习题 302
8.8 参考文献 304
第三部份 一般化线性统计模型 307
第九章 线性随机变异性回归变数模型和渐近理论 309
9.1 独立随机变异性回归变数模型 310
9.1.1 估计程序 311
9.1.2 最小平方估计量的抽样特性 322
9.2 部份独立随机变异回归自变数模型的问题 324
9.3 渐近理论 325
9.3.1 一致性和机率极限值 326
9.3.1a 机率极限 330
9.3.1b 向量和矩阵的机率极限 332
9.3.1c 最小平方一致性 333
9.3.2 渐近分配 335
9.3.2a 样本平均数的渐近分配和最小平方估计 337
9.4 部份独立随机变异性回归自变数模型上最小平方估计量的渐近性质 342
9.3.2b 最大概似估计量的渐近性质 342
9.5 一般线型随机变异性回归自变数模型上的问题 344
9.6 工具性变数估计 347
9.7 重点摘要说明 350
9.8.1 代数练习题 351
9.8 练习题 351
9.8.2 数值的个别练习题 352
9.8.3 分组班极练习题 354
9.A 附录——多元变量常态回归模型 355
9.9 参考文献 355
第十章 非纯量单位矩阵式共变异数矩阵的一般性统计模型 361
10.1.1 β的最小平方估计量 362
10.1 统计模型 362
10.1.2 一般化最小平方估计量 363
10.1.3 σ2的一个不偏估计量 368
10.1.4 重点摘要 369
10.2 常态线性统计模型 370
10.3 ？和？的抽样分配 372
10.4 区间估计量 373
10.5 假设检定 374
10.6 应用最小平方过程的结果 375
10.7 抽样实验 377
10.8 当？未知时的估计和假设检定 384
10.9 重点摘要说明 387
10.8.1 最大概似估计量 387
10.10.1 代数练习题 388
10.10 练习题 388
10.10.2 个别的数字练习题 389
10.11 参考文献 391
10.10.3 分组练习题 391
第十一章 关联性干扰项的回归方程式组合 393
11.1 具有同期相关干扰项的方程式组 394
11.1.1 康瑞克乘积 395
11.1.2 共变异数已知时的估计 398
11.1.3 共变异数矩阵未知时的估计 401
11.1.3b 蒙地卡罗实验 403
11.1.3a 范例 403
11.1.3d 反覆接近估计程序 406
11.1.3c 数种不同共变异数矩阵的估计量 406
11.1.4 假设检定 407
11.2.1 理论结果 410
11.2 各组样本资料观察值个数不等时的方程式组 410
11.2.2 范例 412
11.3 评论 413
11.4.1 数字性练习题 414
11.4 练习题 414
11.4.2 康瑞克乘积 415
11.5 参考文献 416
第四部份 联立线性统计模型 417
12.1 前言 419
第十二章 联立线性统计模型导论 419
12.2 抽样模型的设定与说明 421
12.2.1 统计模型 423
12.3 最小平方偏误 429
12.4 缩减式参数的估计 432
12.5 由缩减式参数估计结构式参数的问题 433
12.5.1 限制条件式的事前资讯型态 435
12.5.2 间接最小平方法的范例 437
12.6 联立方程式中单一方程式的认定 442
12.6.1 秩认定系件式 446
12.7 模型制定方法、认定、和估计上的范例 449
12.8 重点摘要说明 454
12.9.1 代数练习题 455
12.9 练习题 455
12.9.2 个别数字性练习题 456
12.9.3 数字性分组练习题 458
12.10 参考文献 459
第十三章 联立方程式统计模型的估计与推测 461
13.1.1 间接最小平方法 462
13.1 过度认定方程式上有的参数估计问题 462
13.1.2 一般化最小平方法 465
13.1.2a 一般化最小平方估计量 466
13.1.2b 抽样特性 468
13.1.2c 两阶段最小平方估计量 469
13.2 渐近有效估计量的探寻 470
13.2.1 三阶最小平方估计量 471
13.2.3 估计量的比较 475
13.2.2 抽样性质 475
13.2.4 有限和充分资讯最大概似方法 478
13.3 其他不同估计量的渐近和有限抽样性质 481
13.4 范例 484
13.5 在预测和决策目的下如使用有关计量经济模型的结论 492
13.6 重点摘要说明 495
13.7.2 个别数字性练习题 497
13.7.1 代数性练习题 497
13.7 练习题 497
13.7.3 练习题 498
13.A 附录——2SLS和3SLS 估计量的渐近抽样特性 499
13.8 参考文献 499
第五部份 处理未知互变异数矩阵的程序 507
14.1 背景 509
第十四章 非均齐变异性 509
14.2 经济和统计环境 511
14.3 一般化最小平方估计 513
14.3.1 变异数已知时的范例 516
14.4 变异数未知 517
14.4.1 变异数的估计 518
14.4.2 估计的一般化最小平方估计量 521
14.5.1 乘积式非均齐变异性的检定 523
14.5 非均齐变异性的检定 523
14.5.2 高德斐尔德——匡特检定 524
14.5.3 布鲁薛——培根检定 526
14.6 一般评语 527
14.7 范例 528
14.8.1 代数性练习题 534
14.8 练习题 534
14.8.2 个别数字性练习题 535
14.8.3 分组练习题 538
14.9 参考文献 539
15.1 背景与模型 541
第十五章 自行相关 541
15.2.1 最小平方法的性质 547
15.2 估计 547
15.2.2 一般化最小平方估计 548
15.2.3 估计的一船化最小平方估计 551
15.2.4 非线性最小平方估计 554
15.2.5 最大概似估计 557
15.3.1 渐近检定 559
15.3 一阶自行回归误差的检定 559
15.3.2 杜宾——瓦生检定 560
15.3.2a 摘要说明 567
15.3.2b 范例 568
15.3.3 杜宾氏h统计量 569
15.4 自行相关误差的预测涵义 570
15.4.1 最佳线性不偏预测 572
15.5 范例 576
15.6 摘要说明 580
15.7.1 一般练习题 582
15.7 练习题 582
15.7.2 应用蒙地卡罗样本资料的个别练习题 585
15.7.3 应用蒙地卡罗样本资料的分组练习题 588
15.8 参考文献 589
第六部份 资料的混合使用和变异性参数模型 591
16.1 背景与模型 593
第十六章 时间数列和横断面样本资料的应用 593
16.2 虚拟变数模型 594
16.2.1 参数估计 596
16.2.2 变异数估计 599
16.2.3 不同形式的参数化程序 600
16.2.4 虚拟变数系数的检定 602
16.2.5 范例 604
16.3 误差成份模型 607
16.3.1 一般化最小平方估计 609
16.3.2 变异数成份的估计 613
16.3.4 模型设定的检定 616
16.3.3 随机成份的预测 616
16.3.5 续前例题 617
16.4 固定或随机的影响效果？ 619
16.5 一般评论 621
16.6.1 代数性练习题 622
16.6 练习题 622
16.6.2 个别数字性练习题 623
16.6.3 分组练习题 625
16.7 参考文献 626
17.1 背景 627
第十七章 变异性参数模型 627
17.2 随机系数模型 628
17.3 系统变异性参数模型 630
17.3.1 一个基本的模型 631
17.3.2a 季节性模型 632
17.3.2 扭转式回归模型 632
17.3.2b 逐段回归模型 636
17.4 摘要说明 637
17.5 练习题 638
17.6 参考文献 640
第七部份 不可观测的变数和计质性变数 641
18.2 可获重覆样本资料观察值时的二元选择模型 643
18.1 背景 643
第十八章 计质性或受限因变数的模型 643
18.2.1 机率转换值模型 645
18.2.2 对数转换值模型 648
18.3 不可获重覆样本资料观察值时的二元选择模型 650
18.4 有限因变数模型 654
18.6 练习题 657
18.5 摘要说明 657
18.7 参考文献 659
第十九章 不可观测变数 661
19.1 变数中误差的统计结果 662
19.2 x和y同时都具含衡量误差时的最大概似估计量 666
19.3 外加无谓参数方程式形式的额外资讯 669
19.4 范例 674
19.5 摘要说明 677
19.6.1 代数性练习题 678
19.6 练习题 678
19.6.2 个别性练习题 679
19.7 参考文献 682
19.6.3 班级练习题 682
第八部份 非样本资讯、偏颇的估计及设计矩阵维度和形式的选择 683
第二十章 非样本资讯的应用 685
20.1 精确的事前资讯 686
20.1.1 平均数和共变异数 689
20.1.2 不正确限制的结果 691
20.1.3 精确评估估计量实绩结论情况的探讨 692
20.1.4 一般线性假设 697
20.2 随机变异线性限制条件式 700
20.2.1 统计模型 701
20.2.2 估计量 702
20.2.3 抽样比较分析 703
20.2.4 随机变异线性假设 705
20.3 线性不等式限制条件式 707
20.3.1 不等式限制估计量 708
20.3.2 抽样性质 710
20.3.2a 平均数 712
20.3.2b 风险 714
20.3.3 假设检定 715
20.3.3a 检定统计量 716
20.4 摘要说明 717
20.5.1 与本章第一节有关的个别练习题 718
20.5 练习题 718
20.5.4 与本章第二节有关的联合或班级练习题 719
20.5.3 与本章第二节有关的个别练习题 719
20.5.2 与本章第一节有关的联合或班级练习题 719
20.5.6 与本章第三节有关的联合或班级练习题 720
20.5.5 与本章第三节有关的个别练习题 720
20.6 参考文献 721
21.1 事前检定估计量 723
第二十一章 偏颇的估计 723
21.1.1b 风险 726
21.1.1a 偏异性 726
21.1.1 抽样实绩情况 726
21.1.1c 最适显著水准 729
21.2 史典法则 730
21.2.1 詹姆士—史典法则 731
21.2.2 重新制定法则 732
21.2.4 摘要说明 734
21.2.3 正数法则 734
21.3 类似史典法则的事前检定估计量 735
21.4 评语 737
21.5.1 个别练习题 738
21.5 练习题 738
21.6 参考文献 739
21.5.2 联合或班级练习题 739
22.1 前言 741
第二十二章 模型的设定—变数选择 741
22.2 不正确设计矩阵的统计结果 742
22.2.1 平均平方误差规范 747
22.3 假设检定和模型认定 749
22.4.1 R2和？2准则 750
22.4 特定选择法则 750
22.4.2 Cp准则 752
22.4.3 阿美米亚预测准则（PC） 753
22.5 史典法则 754
22.4.4 评语 754
22.5.1 史典法则公式 755
22.5.2 史典正数法则 757
22.6 结论评语 758
22.7 练习题 759
22.7.2 联合或班级练习题 760
22.7.1 个别练习题 760
22.8 参考文献 761
23.1 前言 763
第二十三章 线型重合 763
23.2.1 逐对线性相关的影响效果 766
23.2 线型重合的统计结果 766
23.2.2 一般线性相关的影响效果 768
23.2.3 与实数根有关的一些实用矩阵的结果 771
23.2.4 线型重合的影响效果 772
23.3 侦测线型重合的存在性，严重性，和形式 775
23.3.1 侦测线型重合的方法 775
23.3.2 范例——克莱-哥德堡格消费函数 778
23.4 线型重合问题的解决办法 781
23.4.1 额外样本资讯 781
23.4.2 真正线性限制条件 783
23.4.3 随机变异线性限制条件 785
23.5 摘要 785
23.6 练习题 787
23.7 参考文献 788
第九部份 非线性统计模型 789
第二十四章 非线性回归模型 791
24.1 前言 791
24.2 非线性统计模型的参数估计 794
24.2.1 最小平方估计 795
24.2.2 最大概似估计量 797
24.2.3 βML的渐近变异数-互变异数矩阵 800
24.2.4 βLS的渐近分配 801
24.3 计算估计值 805
24.3.1 高斯法 806
24.3.2 坡度法 812
24.4 非样本资讯的应用 815
24.4.1 恒等式限制条件 817
24.4.2 不等式条件限制 820
24.5 信赖区间与假设检定 822
24.5.1 信赖区间和信赖区域 823
24.5.2 假设检定 826
24.6 申论 827
24.7 问题 829
24.8 参考文献 830
第十部份 时间数列和分配性落迟模型 831
第二十五章 时间数列分析与预测 833
25.1 前言 833
25.2 时间数列的数学模型和其特性 834
25.2.1 随机变异性过程 834
25.2.2 自我共变异数和自我相关函数 836
25.2.3 静态随机变异性过程 838
25.2.4 落迟运算式子 839
25.3 自我回归过程 841
25.3.1 自我回归过程的估计 843
25.3.2 部分自我相关 845
25.4 移动平均过程 850
25.4.1 移动平均阶数的决定 852
25.4.2 移动平均参数的估计 855
25.5 自我回归整合移动平均模型 857
25.6 巴克斯-詹金斯方法 862
25.6.1 认定 863
25.6.2 估计 865
25.6.3 诊断检验 866
25.7 预测 868
25.7.1 MA过程的预测 868
25.7.2 ARIMA过程的预测 871
25.8 ARIMA模型的使用限制，及其与计量经济模型的关系 874
25.9 未来研究方向的指引 876
25.10 问题 878
25.11 参考文献 881
第二十六章 两元变量时间数列分析 883
26.1 前言 883
26.2 两元变量随机变异性过程 884
26.3 两元变量自我回归过程 886
26.3.1 两元变量自我回归过程参数的估计 887
26.3.2 两元变量自我回归过程的模型设定 891
26.3.3 范例 893
26.4 两元变量自我回归过程预测 895
26.5 两元变量时间数列和分配性落迟模型 900
26.6 两元变量时间数列模型限制与引申的评论 902
26.7 问题 904
26.8 参考文献 905
第二十七章 分配性落迟模型 907
27.1 动态经济模型 907
27.2 有限分配性落迟 910
27.2.1 奥蒙落迟 911
27.2.2 奥蒙落迟多项式次数的决定 915
27.2.3 有关多项式落迟应用的问题 918
27.3 无限分配性落迟 919
27.3.1 几何落迟模型 920
27.3.2 几何落迟的估计 921
27.3.2a 工具性变数的应用 921
27.3.3b 最大概似估计值 925
27.4 季节性和分配性落迟 926
27.5 重点摘要与结论 928
27.6 问题 929
27.7 参考文献 931
第十一部份 结语 933
第二十八章 统计模型、估计量、和检定的重点摘要 935
28.1 常态母体平均数和变异数的估计 935
28.2 一般线性统计模型 942
28.3 其他不同形式设计矩阵和互变异数结构 946
28.4 联立方程线性统计模型 952
28.5 共变异数矩阵未知的情况 955
28.6 变数和变异性参数、计质性因变数、和不可观测变数 959
28.7 非样本资讯的应用和设计矩阵的选择 965
28.8 非线性统计模型 967
28.9 时间数列和分配性落迟模型 969
28.10 最终评论 976
表1 标准常态分配的面积 978
表2 t分配的百分比例点 979
表3 卡方分配的百比例点 980
表4 F分配的百比例点 982
表5 杜宾——瓦生检定的临界数值：百分之五的显著水准 985
表6 杜宾——瓦生上限界域值的平均数和变异数 989
表7 从均齐分配和具有均数为零和互变异数为1常态分配抽样而来的2000个随机数 994
表8 两元常态随机变数 1009