《计量经济学》PDF下载

  • 购买积分:15 如何计算积分?
  • 作  者:张晓峒著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2017
  • ISBN:9787302465836
  • 页数:460 页
图书介绍:本书除了包括经典计量经济学内容(如,单方程回归模型,联立方程模型,时间序列模型)外,还包括近年来比较新的计量经济学研究成果、如单位根检验、单方程误差修正模型、向量自回归模型和面板数据模型等内容。本书除了介绍计量经济学的知识点,还给出很多实用中国案例,并配有软件EViews和STATA的相应操作步骤,方便读者运算。所以本书既可作为本科生教材,也可作为研究生教材,以及经济领域内科技人员的参考书。

第1章 一元线性回归模型 1

1.1计量经济学简介与建模步骤 1

1.2模型的建立及其假定条件 3

1.2.1建立模型的意义 3

1.2.2一元线性回归模型的定义 3

1.2.3一元线性回归模型的经济含义与特征 3

1.2.4模型的假定条件 4

1.3一元线性回归模型的参数估计 5

1.3.1估计方法初探 5

1.3.2最小二乘估计法原理 6

1.3.3最小二乘估计的计算 6

1.4 yt,β1和β0的分布 7

1.4.1yt的分布 7

1.4.2β1的分布 8

1.4.3β0的分布 8

1.5 σ2的估计 10

1.6最小二乘估计量的统计性质 10

1.6.1线性特性 10

1.6.2无偏性 11

1.6.3最小方差性 11

1.6.4渐近无偏性 13

1.6.5一致性 13

1.7最小二乘回归函数的性质 13

1.8拟合优度的测量 14

1.9回归系数的显著性检验 16

1.10回归系数的置信区间 17

1.11单方程回归模型的预测 17

1.11.1单个yΤ+1的点预测 18

1.11.2单个yΤ +1的区间预测 18

1.11.3 E(yΤ+1)的区间预测 20

1.12相关分析 21

1.12.1相关的定义与分类 21

1.12.2相关系数 21

1.12.3线性相关系数的局限性 24

1.12.4简单相关系数的检验 24

1.13回归系数β1与相关系数r的关系 25

1.14案例分析 25

第2章 多元线性回归模型 32

2.1多元线性回归模型及其假定条件 32

2.1.1模型的建立 32

2.1.2模型的假定条件 33

2.2最小二乘法 34

2.3最小二乘估计量的特性 35

2.3.1线性特性 35

2.3.2无偏特性 35

2.3.3最小方差性 35

2.3.4渐近无偏性 36

2.3.5一致性 36

2.4残差的方差 37

2.5 Y与最小二乘估计量β的分布 38

2.6多重可决系数(多重确定系数) 38

2.6.1总平方和、回归平方和与残差平方和 38

2.6.2多重确定系数R2 39

2.6.3调整的多重确定系数R2 39

2.7 F检验 40

2.8 t检验和回归系数的置信区间 41

2.9预测 43

2.9.1 yΤ+1的点预测 43

2.9.2单个yΤ+1的置信区间预测 43

2.9.3 E(yΤ+1)的置信区间预测 43

2.9.4预测的评价指标 44

2.10多元线性回归计算举例 45

2.11偏相关与复相关 51

2.11.1偏相关 51

2.11.2复相关 54

2.12案例分析 55

2.13实际建模过程中应该注意的若干问题 57

第3章 可线性化的非线性回归模型 63

3.1可线性化的7种非线性函数 63

3.1.1幂函数模型 63

3.1.2指数函数模型 66

3.1.3对数函数模型 69

3.1.4双曲线函数模型 71

3.1.5多项式函数模型 74

3.1.6生长曲线函数模型 77

3.1.7龚伯斯曲线函数模型 81

3.2可线性化的非线性模型综合案例 82

3.3可线性化的非线性模型一览表 90

第4章 特殊解释变量 92

4.1虚拟变量 92

4.1.1测量截距移动 92

4.1.2测量斜率变化 98

4.2工具变量 101

4.2.1工具变量在一元线性回归模型中的应用 102

4.2.2工具变量在多元线性回归模型中的应用 105

4.3滞后变量 106

4.3.1分布滞后模型 106

4.3.2自回归模型 108

4.4随机解释变量 108

第5章 异方差 110

5.1同方差假定 110

5.2异方差的表现与来源 111

5.3模型存在异方差的后果 113

5.4异方差检验 115

5.4.1定性分析异方差 115

5.4.2戈德菲尔德-匡特检验 115

5.4.3怀特检验 116

5.4.4戈列瑟检验 117

5.4.5 ARCH(自回归条件异方差)检验 118

5.5克服异方差的方法 118

5.5.1用解释变量或解释变量的算术根除原回归式克服异方差 118

5.5.2用戈列瑟检验式克服异方差 119

5.5.3通过对数据取自然对数消除异方差 120

5.5.4克服异方差的矩阵描述 120

5.6案例分析 122

第6章 自相关 129

6.1非自相关假定 129

6.2自相关的来源与后果 132

6.3自相关检验 135

6.3.1图示法 135

6.3.2 DW检验法 136

6.3.3 LM检验(亦称BG检验)法 138

6.3.4回归检验法 138

6.4自相关的解决方法 139

6.5克服自相关的矩阵描述 140

6.6自相关系数的估计 142

6.7案例分析 143

第7章 多重共线性 150

7.1非多重共线性假定 150

7.2多重共线性的来源 151

7.3多重共线性的后果 152

7.3.1完全多重共线性对参数估计的影响 152

7.3.2近似共线性对参数估计的影响 153

7.3.3多重共线性后果的矩阵描述与蒙特卡洛模拟 155

7.4多重共线性的检测 156

7.5多重共线性的解决方法 159

7.5.1直接合并解释变量 159

7.5.2利用已知信息合并解释变量 160

7.5.3增加样本容量或重新抽取样本 160

7.5.4合并截面数据与时间序列数据 161

7.5.5剔除引起多重共线性的变量 162

7.6案例分析 164

7.7多重共线性与解释变量的不正确剔除 169

7.8违反模型假定条件的其他几种情形 170

7.8.1被解释变量存在测量误差 170

7.8.2被解释变量、解释变量同时存在测量误差 170

7.8.3随机解释变量 171

7.8.4模型的设定误差 171

第8章 联立方程模型 174

8.1联立方程模型的概念 174

8.2联立方程模型的分类 174

8.2.1结构模型 174

8.2.2简化型模型 177

8.2.3递归模型 179

8.3联立方程模型的识别 179

8.3.1识别概念 179

8.3.2结构模型的识别方法 181

8.4联立方程模型的估计方法 183

8.4.1递归模型的估计方法 183

8.4.2简化型模型的估计方法 184

8.4.3结构模型的估计方法 184

8.5联立方程模型举例 185

第9章 模型诊断常用统计量与检验 193

9.1检验模型中全部解释变量都无解释作用的F统计量 193

9.2检验单个回归系数显著性的t统计量 194

9.3检验回归系数线性约束条件是否成立的F统计量 195

9.4似然比统计量 199

9.5沃尔德(Wald)统计量 201

9.6拉格朗日乘子统计量 205

9.7赤池、施瓦茨和汉南-奎因统计量 209

9.8检验正态分布性的JB统计量 213

9.9格兰杰因果性检验 215

9.10邹突变点检验 218

9.11回归系数稳定性的邹检验 226

9.12递归分析 229

第10章 时间序列ARIMA模型 235

10.1随机过程与时间序列定义 235

10.2 ARIMA模型的分类 239

10.2.1自回归模型 239

10.2.2移动平均模型 244

10.2.3自回归移动平均模型 246

10.2.4单整自回归移动平均模型 247

10.3伍尔德(Wold)分解定理 249

10.3.1伍尔德分解定理 249

10.3.2随机过程期望与漂移项的关系 250

10.4自相关函数及其估计 252

10.4.1自相关函数 252

10.4.2自回归过程的自相关函数 253

10.4.3移动平均过程的自相关函数 257

10.4.4 ARMA过程的自相关函数 258

10.4.5自相关函数的估计(相关图) 259

10.5偏自相关函数及其估计 261

10.5.1偏自相关函数定义 261

10.5.2偏自相关函数的计算 262

10.5.3 AR、MA、ARMA过程偏自相关函数特征 263

10.5.4偏自相关函数的估计 264

10.5.5 ARIMA过程自相关函数和偏自相关函数特征总结 265

10.6 ARIMA模型的建立、估计过程与预测 266

10.6.1模型的识别 266

10.6.2模型参数的估计 268

10.6.3模型的诊断与检验 273

10.6.4 ARIMA模型预测 274

10.7 ARIMA模型建模案例 277

10.8季节时间序列 ARIMA模型 283

10.8.1季节时间序列模型定义 284

10.8.2季节随机过程的自相关函数和偏自相关函数 287

10.8.3季节ARIMA模型的识别、拟合、检验与预测 301

10.8.4季节ARIMA模型建模案例 302

10.9回归与ARMA组合模型(regARIMA模型) 312

10.9.1回归与ARMA组合模型定义 312

10.9.2回归与ARMA组合模型案例分析 313

第11章 虚假回归 319

11.1问题的提出 319

11.2单整性定义 320

11.3单整序列的统计特征 321

11.4虚假回归 324

第12章 单位根检验 332

12.1 4种典型的非平稳过程 332

12.1.1随机游走过程 332

12.1.2随机趋势过程 333

12.1.3趋势平稳过程 334

12.1.4趋势非平稳过程 335

12.2 DF, T(β-1)统计量的分布特征 336

12.2.1 DF统计量的分布特征 336

12.2.2 AR(p)含单位根过程的DF统计量分布特征 342

12.2.3误差项为ARMA形式的I(1)过程DF分布特征 343

12.2.4 DF检验式中t (a) ,t(γ)和F统计量的分布特征 344

12.2.5 T(β-1)统计量的分布特征 346

12.2.6趋势过程中t统计量的分布特征 347

12.3单位根检验 347

12.3.1单位根检验原理 347

12.3.2单位根检验步骤 349

12.4单位根检验的EViews 9操作 351

12.5单位根检验案例分析 352

12.6结构突变序列的单位根检验 358

第13章 单方程误差修正模型 369

13.1均衡概念 369

13.2误差修正模型 370

13.2.1自回归分布滞后模型 370

13.2.2误差修正模型定义 374

13.3协整定义 377

13.4协整检验 379

13.4.1以残差为基础的协整检验法 379

13.4.2协整系数的分布滞后模型估计法 385

13.5格兰杰定理 388

13.5.1多项式矩阵 389

13.5.2格兰杰(Granger)定理 390

13.5.3举例验证格兰杰定理 391

13.6建立单方程误差修正模型的EG两步法 394

13.6.1 EG两步法 394

13.6.2单方程误差修正模型案例分析 395

第14章 面板数据模型 399

14.1面板数据的定义 399

14.2面板数据模型分类 403

14.2.1混合模型 403

14.2.2固定效应模型 404

14.2.3随机效应模型 407

14.3面板数据模型估计方法 408

14.3.1混合最小二乘估计 408

14.3.2组内估计 409

14.3.3最小二乘虚拟变量估计法 410

14.3.4一阶差分估计 410

14.3.5可行GLS估计法(随机效应估计法) 411

14.3.6面板数据模型拟合优度的测量 413

14.4面板数据模型的设定与检验 414

14.4.1 F检验 414

14.4.2 H检验 415

14.4.3 Wald检验 417

14.4.4 F检验和LR检验 417

14.5面板数据建模案例分析 418

14.6面板数据建模的EViews 9操作 435

14.6.1 Pool(混合)数据工作文件的建立,模型的估计、检验与预测 435

14.6.2面板数据panel型工作文件的建立,模型估计与检验 441

附录A随机变量、概率极限、矩阵代数知识简介 445

附录B统计分布表 446

附表1相关系数临界值表 446

附表2标准正态分布函数表 447

附表3 t分布百分位数表 448

附表4x2分布百分位数表 449

附表5 F分布百分位数表 450

附表6 DW检验临界值表(α=0.05) 452

附表7 DF分布百分位数表 453

附表8 t (a)检验临界值表(Δyt=α+ ρyt-1+ut中检验α=0) 453

附表9 F检验临界值表(Δyt=α+ρyt-1+ut中检验α=ρ=0) 454

附表10 t(a)检验临界值表(Δyi=α+γt+ρyt-1+ut中检验α=0) 454

附表11 t(γ)检验临界值表(Δyt=α+γt+ρyt-1+ut中检验γ=0) 454

附表12 F检验临界值表(Δyt=α+γt+ρyt-1+ut中检验γ=ρ= 0) 455

附表13 T(β-1)分布百分位数表 455

附表14 EG和AEG协整检验临界值表 456

附表15协整检验临界值表 457

附录C EViews 9使用简介 458

参考文献 459