第1章 简介 1
1．1 经济计量学 1
1．2 经济计量模型 2
1．3 理论经济计量学与应用经济计量学 3
1．4 本书的安排 4
第2章 矩阵代数 6
2．1 简介 6
2．2 一些术语 6
2．3 矩阵的代数运算 8
2．3．1 矩阵的相等 8
2．3．2 转置 8
2．3．3 矩阵加法 9
2．3．4 矩阵乘法 9
2．3．5 数值的和 12
2．3．6 一个有用的幂等矩阵 13
2．4 矩阵几何 15
2．4．1 向量空间 15
2．4．2 向量的线性组合及基础向量 17
2．4．3 线性相关 18
2．4．4 子空间 19
2．4．5 矩阵的秩 20
2．4．6 矩阵的行列式 22
2．4．7 最小二乘问题 24
2．5 方程组的解 26
2．5．1 线性方程组 26
2．5．2 逆矩阵 27
2．5．3 非齐次方程组 29
2．6 分块矩阵 29
2．6．1 分块矩阵的加法和乘法 30
2．6．2 分块矩阵的行列式 30
2．6．4 对均值的偏差 31
2．6．3 分块矩阵的逆 31
2．6．5 克罗内克积 32
2．7 特征根与特征向量 32
2．7．1 特征方程 33
2．7．2 特征向量 34
2．7．3 特征根和特征向量的一般结果 34
2．7．4 矩阵的对角化 35
2．7．5 矩阵的秩 35
2．7．6 矩阵的条件数 36
2．7．7 矩阵的迹 37
2．7．8 矩阵的行列式 38
2．7．9 矩阵的谱分解 38
2．7．10 矩阵的幂 38
2．7．11 幂等矩阵 40
2．7．12 矩阵的分解 40
2．7．13 矩阵的广义逆 41
2．8 二次型与正定矩阵 42
2．8．1 非负定矩阵 43
2．8．2 幂等二次型 43
2．8．3 矩阵评级 44
2．9 微积分与矩阵代数 45
2．9．1 微分与泰勒级数 45
2．9．2 最优化 49
2．9．3 约束最优化 51
2．9．4 变换 53
练习 54
第3章 概率和分布理论 58
3．1 简介 58
3．2 随机变量 58
3．2．1 概率分布 58
3．2．2 累积分布函数 59
3．3 随机变量的期望 60
3．4．1 正态分布 63
3．4 一些具体的概率分布 63
3．4．2 卡方分布、t分布和F分布 64
3．4．3 大自由度的分布 65
3．4．4 规模分布——对数正态分布 66
3．4．5 伽马分布 66
3．4．6 贝塔分布 66
3．5 随机变量函数的分布 67
3．6 联合分布 68
3．6．1 边际分布 69
3．6．2 联合分布中的期望 69
3．6．3 协方差和相关系数 70
3．6．4 二元随机变量函数的分布 71
3．7 双变量分布中的条件化 72
3．7．1 回归——条件均值 73
3．7．2 条件方差 74
3．7．3 边际和条件矩间的关系 75
3．7．4 方差分析 77
3．8 二元正态分布 78
3．9 多元分布 79
3．9．1 矩 79
3．9．2 线性方程组 80
3．9．3 非线性函数 81
3．10 多元正态分布 82
3．10．1 边际及条件分布 82
3．10．2 一个正态向量的线性函数 83
3．10．3 标准正态向量的二次型 84
3．10．3a 幂等二次型 84
3．10．3b 幂等二次型的独立性 85
3．10．4 F分布 86
3．10．5 满秩二次型 86
3．10．6 线性及二次型的独立性 87
练习 88
附录：积分——伽马函数 93
第4章 统计推断 94
4．1 简介 94
4．2 样本及抽样分布 94
4．2．1 随机抽样 94
4．2．2 描述性统计量 95
4．2．3 抽样分布 97
4．3 参数的点估计 100
4．3．1 有限样本估计 100
4．3．2 有效无偏估计 103
4．4 大样本分布理论 107
4．4．1 依概率收敛 107
4．4．2 依分布收敛——极限分布 110
4．4．3 渐近分布 114
4．4．4 一个非线性函数的渐近分布 116
4．4．5 渐近期望 116
4．5 有效估计量——最大似然 118
4．5．1 最大似然估计量的特性 122
4．5．2 估计最大似然估计量的方差 123
4．6 一致估计——矩方法 125
4．6．1 随机抽样和分布的参数估计 126
4．6．2 计算矩方法估计量的方差 129
4．7 区间估计 133
4．8 假设检验 135
4．8．1 检验过程 135
4．8．2 基于置信区间的检验 137
4．8．3 三个渐近等价的检验过程 139
4．8．3a 似然比检验 140
4．8．3b 沃尔德检验 141
4．8．3c 拉格朗日乘数检验 143
4．8.4 各检验过程的一个例子 144
4．8.4c 沃尔德检验 145
4．8.4b 似然比检验 145
4．8.4a 置信区间检验 145
4．8.4d 拉格朗日乘数检验 146
练习 146
第5章 古典线性回归模型 150
5．1 简介 150
5．2 设定回归模型——一个例子 150
5．3 线性回归模型的假定 153
5．3．1 函数形式和非线性模型 154
5．3．2 回归量 156
5．3．3 干扰项 157
5．4 最小二乘法 158
5．4．1 最小二乘系数 159
5．4．2 回归拟合的评价 161
5．5 最小二乘估计量的统计特征 166
5．6 统计推断 169
5．6．1 估计抽样分布 170
5．6．2 检验关于β的假设 171
5．6．3 基于回归拟合的检验 173
5．7 预测 176
练习 178
第6章 多元回归 182
6．1 简介 182
6．2 线性模型的假设 183
6．3 最小二乘回归 185
6．3．1 最小二乘系数向量 185
6．3．2 一些例子 186
6．3．3 解的代数的特性 190
6．3．4 分块回归和偏回归 192
6．3．5 偏回归和偏相关系数 193
6．3．6 对均值的偏离——对常数回归 194
6．4．1 非随机回归量 195
6．4 最小二乘估计的统计特征 195
6．4．2 随机回归量 196
6．5 统计推断 197
6．5．1 检验关于系数的假设 197
6．5．2 线性约束检验 200
6．5．3 随机X及正态ε下的检验统计量 204
6．6 拟合优度和方差分析 205
6．7 检验回归的显著性 208
6．8 预测 209
6．8．1 计算预测值的一个便利方法 210
6．8．2 度量预测的精度 211
练习 214
第7章 多元回归模型的假设检验 218
7．1 简介 218
7．2 对约束的检验 218
7．2．2 一组线性约束的检验 219
7．2．1 检验假设的两种方法 219
7．2．3 约束最小二乘估计量 220
7．2．4 对约束的检验 221
7．2．5 例子及一些一般过程 222
7．3 结构变化的检验 227
7．3．1 不同的参数向量 227
7．3．2 不同的常数项 229
7．3．3 系数子集的变化 230
7．3．4 不充足观测值 230
7．4 方差不等结构变化的检验 231
7．5 模型稳定性的可选检验 233
7．6 检验非线性约束 235
7．7 非嵌套模型间的选择 239
练习 243
8．2 虚拟变量 247
8．2．1 两个均值的比较 247
8．1 简介 247
第8章 函数形式、非线性和设定 247
8．2．2 回归中的二元变量 249
8．2．3 几种类型 250
8．2．4 几个组 251
8．2．5 阈效应 253
8．2．6 相互影响和样条回归 254
8．3 变量间的非线性 257
8．3．1 函数形式 257
8．3．2 识别非线性 259
8．3．3 内在线性及其识别 261
8．4 设定分析 263
8．4．1 变量选择 263
8．4．2 相关变量的遗漏 265
8．4．3 无关变量的误选 267
8．5 有偏估计量和预检估计量 268
8．5．1 均方误差检验 269
8．5．2 预检估计量 272
8．5．3 不等式约束 273
8．6 贝叶斯估计 275
8．6．1 古典回归模型的贝叶斯分析 276
8．6．2 带有提供信息先验密度的估计 279
练习 282
第9章 数据问题 288
9．1 简介 288
9．2 多重共线性 288
9．2．1 完全共线性 289
9．2．2 近似多重共线性 289
9．2．3 多重共线性的症状 290
9．2．4 多重共线性问题的建议疗法 292
9．3 丢失观测值 296
9．4 分类数据 300
9．5 测量误差和代理变量 303
9．5．1 一个不当测量的变量 304
9．5．2 具有测量误差的多元回归 307
9．5．3 工具变量法 308
9．5．4 代理变量 310
9．5．5 测量误差的一个具体检验 311
9．6 回归诊断和有影响的数据点 312
练习 313
第10章 古典回归模型的大样本结果 317
10．1 简介 317
10．2 最小二乘法的有限样本特性 317
10．3 古典回归模型的渐近分布理论 319
10．3．1 最小二乘系数向量的一致性 319
10．3．2 最小二乘估计量的渐近正态性 321
10．3．3 b的函数的渐近分布——得尔塔方法 322
10．3．4 标准检验统计量的渐近行为 325
10．3．5 s2的一致性和Asy.Var[b]的估计量 327
10．4 随机回归和滞后因变量 328
10．5 正态分布扰动项 331
10．5．1 渐近有效性——最大似然估计 331
10．5．2 最小二乘缺乏效率的实例 334
10．5．3 可供选择的估计准则 335
10．5．4 偏离正态性的检测 336
练习 338
第11章 非线性回归模型 340
11．1 简介 340
11．2 非线性回归模型 340
11．2．1 线性化回归 342
11．2．2 非线性最小二乘估计 343
11．2．3 非线性回归的一种设定检验：线性对应对数—线性设定的检验 347
11．3 因变量的参数变换 350
11．4 博克斯——考克斯变换 356
11．4．1 解释变量的变换 357
11．4．2 模型的变换 359
11．5 假设检验和参数约束 363
11．4．3 （对数）线性的检验 363
11．5．1 一个渐近有效的F检验 364
11．5．2 沃尔德检验 364
11．5．3 似然比检验 365
11．5．4 拉格朗日乘数检验 365
练习 369
第12章 非线性最优化初步 372
12．1 简介 372
12．2 最优化问题 372
12．3 格点搜索 373
12．4 算法的一般特征 374
12．5 梯度方法 374
12．5．1 最速方向法 376
12．5．2 牛顿法 376
12．5．4 牛顿法的各种替代方法 377
12．5．3 最大似然估计 377
12．5．5 拟牛顿法—戴维森—弗菜彻—鲍威尔 379
12．6 一些实际考虑 380
12．7 例子 382
12．8 集总对数似然 385
练习 386
第13章 非球形扰动项 388
13．1 简介 388
13．2 普通最小二乘法的结果 389
13．2．1 有限样本特性 389
13．2．2 最小二乘法的渐近特性 390
13．3 有效估计 392
13．3．1 广义最小二乘法 392
13．3．2 最大似然估计 395
13．4 未知Ω时的估计 396
13．4．1 可行的最小二乘估计 396
13．4．2 最大似然估计 397
13．5 广义矩法（GMM）估计量 401
13．5．1 矩法估计量 402
13．5．2 矩法的一般化 403
13．5．3 检验矩约束的有效性 406
13．5．4 经济计量模型的GMM估计 407
13．5．5 约束的检验 411
练习 413
第14章 异方差性 416
14．1 简介 416
14．2 普通最小二乘法估计 419
14．2．1 最小二乘法无效性 420
14．2．2 b的估计协方差矩阵 421
14．2．3 适于普通最小二乘法的协方差矩阵的估计 423
14．3 异方差性的检验 425
14．3．1 怀特的一般检验 425
14．3．2 戈德菲尔德—匡特检验 426
14．3．3 布罗施—帕甘/戈弗雷检验 428
14．3．4 组间异方差性的检验 429
14．3．5 基于回归的检验——格菜舍尔检验 429
14．4 已知Ω时的广义最小二乘法 430
14．5 Ω含有未知参数的估计 433
14．5．1 两阶段估计 433
14．5．2 最大似然估计 437
14．6 一般结论 442
练习 444
第15章 自相关扰动项 447
15．1 简介 447
15．2 时间序列数据分析 450
15．3 扰动过程 452
15．3．1 扰动过程的特征 452
15．3．2 AR（1）扰动项 453
15．4 最小二乘估计 455
15．4．1 具有滞后因变量的OLS估计 456
15．4．2 最小二乘法的有效性 457
15．4．3 最小二乘估计量方差的估计 459
15．5 自相关的检验 461
15．5．1 德宾一沃森检验 461
15．5．2 其他检验过程 464
15．5．3 存在滞后因变量时的检验 466
15．6 已知Ω时的有效估计 466
15．6．1 广义最小二乘法 466
15．6．2 最大似然估计 468
15．7 已知Ω时的估计 469
15．7．1 AR（1）扰动项 469
15．7．2 AR（2）扰动项 474
15．7．3 具有滞后因变量的估计 474
15．8 存在自相关时的预测 476
15．9 自回归条件异方差性 478
练习 482
16．2 时间序列及横截面数据 484
第16章 同时利用横截面和时间序列数据的模型 484
16．1 简介 484
16．3 几种时间序列的模型 488
16．3．1 横截面异方差性 489
16．3．2 横截面相关性 493
16．3．3 自相关性 496
16．3．4 随机系数模型 500
16．3．5 小结 505
16．4 纵向数据 506
16．4．1 非均匀性的基本模型 507
16．4．2 固定影响 508
16．4．3 随机影响 512
16．4．3a 广义最小二乘法 513
16．4．3b 当Ω未知时可行广义最小二乘法 517
16．4．4 固定影响还是随机影响 522
第17章 回归方程组 531
17．1 简介 531
17．2 似乎不相关回归模型 532
20．2 联立方程组的基本问题 532
17．2．1 广义最小二乘法 533
17．2．2 可行广义最小二乘法 534
17．2．3 最大似然估计 539
17．2．3a 迭代FGLS 539
17．2．3b 直接最大似然估计 540
17．2．4自相关性 544
17．3 需求方程组——奇异方程组 545
17．4 灵活函数形式——超越对数函数 550
练习 554
练习 555
18．1 简介 559
18．2 分布滞后模型 559
第18章 具有滞后变量的回归 559
18．2．2 滞后算子和差分算子 562
18．3 无约束有限分布滞后模型 563
18．4 多项式分布滞后模型 566
18．4．1 利用约束最小二乘的估计 571
18．4．2 确定多项式的次数 573
18．5 几何滞后模型 574
18．4．3 确定滞后长度 574
18．5．1 具有几何滞后的经济模型 576
18．5．2 几何滞后模型中的随机变化 578
18．5．3 估计移动平均形式的几何滞后模型 578
18．5．3a 非相关扰动 579
18．5．3b 自相关扰动 580
18．5．3c 估计MA形式的局部调整模型 584
18．5．4 估计自回归形式的几何滞后模型 584
18．5．4a 非相关扰动 585
18．5．4b 自相关扰动——工具变量法 585
18．5．4c 自回归扰动——烟中估计量和最大似然估计量 586
18．5．4d MA扰动——自适应期望模型 587
18．5．5 几何滞后模型的扰动设定 588
18．6 动态回归模型 588
18．6．1 ARIMA和ARMAX模型的非线性最小二乘估计 590
18．6．2 在ARMAX模型中计算滞后权重 592
18．6．3 动态方程的稳定性 594
18．6．4 预测 595
练习 597
附录：非线性最小二乘估计 598
第19章 时间序列模型 600
19．1 简介 600
19．2 平稳随机过程 601
19．2．1 自回归——移动平均过程 601
19．2．2 向量回归 603
19．2．3 平稳性和可逆性 606
19．2．4 平稳过程的自相关 608
19．3 积分过程和差分过程 610
19．4 随机游动、趋势和伪回归 613
19．5 经济数据中的单位根 615
19．6 共积和误差纠正 619
19．7 广义自回归条件异方差 620
19．7．1 GARCH模型的最大似然估计 623
19．7．2 伪最大似然估计 627
19．7．3 GARCH效应的检验 628
19．7．4 一个例子 629
练习 630
第20章 联立方程组模型 631
20．1 简介 631
20．2．1 说明性方程组 632
20．2．2 联合方程模型的一般记号 635
20．3 识别问题 639
20．3．1 识别的秩条件和阶条件 644
20．3．2 通过非样本条件识别 650
20．4 估计方法 654
20．4．1 普通最小二乘和三角方程组 654
20．4．2 间接最小二乘法 657
20．4．3 工具变量法估计 657
20．4．4 单方程工具变量法 658
20．4．4a 恰好可识别方程的估计 658
20．4．4b 两阶段最小二乘估计 659
18．2．1 回归模型中的滞后影响 660
20．4．4c 有限信息最大似然法 662
20．4．4d 具有自相关性的两阶段最小二乘法 665
20．4．4e 变量非线性模型中的两阶段最小二乘法 666
20．4．5 系统估计方法 667
20．4．5a 三阶段最小二乘 668
20．4．5b 完全信息最大似然估计 670
20．4．6 方法比较 672
20．5 设定检验 674
20．6 动态模型的特性 678
20．6．1 动态模型和它们的乘子 678
20．6．2 稳定性 681
20．6．3 到均衡的调整 683
练习 686
附录：美国经济的年度数据 688
第21章 离散因变量模型 694
21．1 简介 694
21．2 离散选择模型 695
21．3 二元选择模型 696
21．3．1 回归方法 696
21．3．2 指数函数随机效用模型 701
21．4 二元选择模型中的估计和推断 703
21．4．1 二元选择模型中的设定检验 709
21．4．1a 忽略变量的检验 709
21．4．1b 异方差性的检验 710
21．4．2 拟合优度的度量 712
21．4．3 比例数据的分析 714
21．5 近期发展 716
21．5．1 面板数据的固定和随机影响模型 716
21．5．2 半参数估计 719
21．5．3 非参数估计——最大得分估计量 720
21．6 双变量和多变量Probir模型 721
21．6．1 最大似然估计 723
21．6．2 推广 725
21．6．2a 多变量Probir模型 725
21．6．2b 带有审查的模型 726
21．7 多重选择模型 727
21．7．1 无序多重选择 727
21．7．1a 多元态Logit模型 728
21．7．1b 条件Logit模型 730
21．7．1c 无关备择的独立性 733
21．7．2 有序数据 734
21．8 计数数据的一个泊松模型 739
练习 743
第2章 受限因变量及持续模型 745
22．1 简介 745
22．2 截断 746
22．2．1 截断分布 746
22．2．2 截断分布的矩 747
22．2．3 截断回归模型 751
22．2．3a 最小二乘估计 752
22．2．3b 最大似然估计 753
22．3 审查数据 754
22．3．1 被审查正态分布 755
22．3．2 被审查回归模型——Tobit模型 758
22．3．3 估计 761
22．3．4 设定中的一些主题 762
22．3．4a 异方差性 763
22．3．4b Prob[y*<0]的误设定 765
22．3．4c 正态性 765
22．3．4d 条件矩检验——简介 766
22．4 选择——偶然截断 771
22．4．1 双变量分布中的偶然截断 772
22．4．2 一个选择模型中的回归 773
22．4．3 估计 776
22．4．4 处理影响 778
22．4．5 正态性假定 780
22．5 持续数据模型 780
22．5．1 持续数据 781
22．5．2 一种拟回归方法——持续参数模型 782
22．5．2a 理论背景 782
22．5．2b 机会比率的模型 783
22．5．2c 最大似然估计 784
22．5．2d 外生变量 786
22．5．2e 设定分析 788
22．5．2f 非均匀性 790
22．5．3 其他各种方法 791
练习 793
附表 795
1．累积正态分析 795
2．标准正态密度的纵标 796
3．学生氏t分布的百分点 797
4．卡方分布的百分点 798
5．F分布的第95个百分点 800
6．F分布的第99个百分点 802
7．德宾——沃森统计量 804
8．不带季节虚拟变量回归的d4，L和d4,u的百分之五显著点（k=k1+1） 810
参考文献 811
中英文作者名对照 842
中英文主题索引 849