前言 1
第一章 矩阵代数 1
1．1 矩阵的运算 1
1．2 矩阵的秩 4
1．3 矩阵的逆 5
1．4 克罗勒克乘积 7
1．5 特征根和特征向量 8
1．6 矩阵的迹 9
1．7 矩阵的二次型 10
1．8 微分 11
练习 12
第二章 概率和分布理论 13
2．1 随机试验、样本空间和事件 13
2．2 概率 14
2．3 贝叶斯规则 16
2．4 随机变量和概率分布 18
2．5 数学期望 28
2．6 一些常用的分布 34
2．6．1 贝努利分布 34
2．6．2 二项式分布 35
2．6．3 多项式分布 35
2．6．4 格玛分布 36
2．6．5 正态分布 37
2．6．6 二元正态分布 38
2．6．7 多元正态分布 39
2．6．8 x~2分布，t分布和F分布 40
2．6．9 多元正态分布的二次型的分布 41
练习 42
第三章 统计推断：估计和假设检验 45
3．1 点估计方法 45
3．1．1 矩方法 47
3．1．2 最大似然估计法 48
3．1．3 最小二乘估计法 50
3．2 点估计量的性质 52
3．2．1 估计量的小样本性质：单参数情形 52
3．2．2 估计量的小样本性质：多个参数情形 57
3．2．3 估计量的性质：大样本结果 62
3．3 区间估计 66
3．4 假设检验 69
3．4．1 统计检验的基本思想 70
3．4．2 似然比检验 72
3．4．3 渐近检验 75
练习 79
4．1 线性模型 81
第四章 线性回归模型 81
4．2 最小二乘回归 87
4．3 最小二乘估计量的有限样本性质 96
4．4 估计标量参数δ~2和b的协方差矩阵 99
4．5 约束的最小二乘估计 101
4．6 预测和解释度 102
第五章 正态线性统计模型 103
练习 106
5．1 最大似然估计 109
5．2 区间估计 113
5．2．1 参数β的某个线性组合的区间估计 114
5．2．2 参数β的两个或更多个线性组合的联合区域估计 115
5．2．3 δ~2的区间估计 118
5．2．4 预测区间 118
5．3 假设检验 120
练习 126
第六章 古典线性回归模型的大样本结果 127
6．1 最小二乘估计量的有限样本性质 128
6．2 最小二乘估计量的相合性 129
6．3 最小二乘估计量的渐近正态性 133
6．4 b的函数的渐近分布——Delta方法 137
6．5 标准检验统计量的渐近行为 139
6．6 随机回归下的渐近结果 141
6．7 工具变量估计 143
6．8 正态线性统计模型的渐近结果 148
第七章 正态线性统计模型的贝叶斯分析 151
7．1 一个简单的模型 153
7．1．1 有先验信息的贝叶斯推断 155
7．1．2 没有先验信息的贝叶斯推断 158
7．2 已知随机扰动方差的线性统计模型的贝叶斯分析 160
7．2．1 有先验信息的后验分布 160
7．2．2 没有先验信息的后验分布 162
7．3 一个例子 163
7．4．1 后验均值作为一个点估计 167
7．4 点估计 167
7．4．2 经验的贝叶斯估计 169
7．5 假设检验 173
7．6 未知随机扰动方差的线性统计模型的贝叶斯分析 179
7．6．1 β和δ的联合先验信息 179
7．6．2 β和δ的联合后验密度函数 180
7．6．3 没有先验信息条件下的后验分布 182
练习 183
第八章 一般化的线性回归模型 186
8．1 最小二乘估计量的有关结果 187
8．2 有效的估计 189
8．2．1 一般化的最小二乘(GLS) 190
8．2．2 最大似然估计 191
8．3 Ω未知时的估计 192
8．3．1 可行的一般化的最小二乘(FGLS) 193
8．3．2 最大似然估计 194
8．4 异方差 197
8．4．1 检验异方差性 198
8．4．1a White的一般检验 198
8．4．1b Goldfeld-Quandt检验 199
8．4．1c Breusch-Pagan/Godfrey检验 199
8．4．2a Ω已知时的一般化的最小二乘估计 200
8．4．2b Ω未知时的估计 200
8．4．2 估计参数 200
8．5 自相关扰动 204
8．5．1 自相关性的检验 206
8．5．2 估计 209
练习 210
第九章 虚变量和可变参数模型 214
9．1 使用虚变量进行估计 214
9．1．1 截距参数不同 215
9．1．2 截距参数和某些斜率参数不同 219
9．1．3 截距和所有的斜率参数都不同 220
9．1．4 两个或更多个虚变量 222
9．2 检验回归模型的结构稳定性 223
9．3 Hidreth-Houck随机系数模型 225
练习 227
第十章 非线性回归模型 229
10．1 非线性回归模型 229
10．1．1 线性化回归 230
10．1．2 非线性最小二乘估计量的渐近性质 231
10．1．3 非线性最小二乘估计量的计算 232
10．1．4 非线性工具变量估计 235
10．2 函数形式——Box-Cox变换 237
10．3 假设检验和参数约束 243
10．3．2 沃尔德检验 244
10．3．1 一个渐近F检验 244
10．3．3 似然比检验 245
10．3．4 拉格朗日乘子检验 245
练习 247
第十一章 一般矩估计方法(GMM) 248
11．1 矩方法估计量 248
11．2 一般矩方法(GMM) 251
11．3 经济计量模型的GMM估计 255
第十二章 回归方程组 259
12．1 似不相关回归方程组 260
12．1．1 一般化模型的设定 263
12．1．2 GLS估计 264
12．1．3 FGLS估计(可行的一般化的最小二乘估计) 265
12．1．4 约束SUR估计量 266
12．1．5 假设检验 267
12．1．6 一个例子 268
12．2 使用虚变量合并时间序列数据和截面数据 272
12．2．1 参数估计 274
12．2．2 检验虚变量系数 276
12．2．3 一个例子 276
12．3 随机化截距参数来合并时间序列数据和截面数据 279
12．3．1 GLS估计 280
12．3．2 FGLS估计 282
练习 284
12．3．3 假设检验 284
第十三章 同步方程模型 286
13．1 抽样模型的设定 287
13．2 识别问题 292
13．2．1 最小二乘偏倚 293
13．2．2 简化型参数的估计 294
13．2．3 间接最小二乘法 295
13．2．4 一个例子 297
13．2．5 一个结构方程的识别 301
13．3 单方程估计——有限信息方法 303
13．3．1 间接最小二乘估计 303
13．3．2 一般化的最小二乘估计 305
13．3．3 两阶段最小二乘(2SLS)估计 309
13．3．4 有限信息的最大似然估计 310
13．4 参数估计——完全信息方法 311
13．4．1 三阶段最小二乘(3SLS)估计 311
13．4．2 完全信息的最大似然估计 316
练习 318
第十四章 时间序列分析 321
14．1 基本概念 321
14．2 移动平均过程 324
14．3 自回归过程 327
14．4 ARIMA模型 332
14．5 GARCH模型 334
练习 338
第十五章 有滞后变量的回归 339
15．1 无约束的分布滞后模型 340
15．2 多项式滞后模型 341
15．3 几何滞后模型 343
15．4 动态回归模型 346
15．5 向量自回归过程 348
练习 351
参考文献 353
附录 357