高级计量经济学

出版时间：2012-10  出版社：李宝仁 经济科学出版社 (2012-10出版)  作者：李宝仁 编  
Tag标签：无  

内容概要

《经济学研究生主干课程系列教材:高级计量经济学》是为经济和管理类研究生编写的计量经济学教材。全书共分12章，第1、2章，介绍计量经济学中所用的统计学和矩阵代数知识，对这两章知识的掌握是学好计量经济学的基础；第3章至第5章介绍高级经典计量经济学方法；第6章至第7章，介绍联立方程模型的建立方法等。

书籍目录

绪论 第1章概率统计基础知识 1.1随机变量和概率分布 1.1.1随机变量及其概率分布 1.1.2随机向量分布 1.1.3随机变量的数字特征 1.1.4常见的几种分布 1.1.5随机变量的极限理论 1.2统计推断理论 1.2.1统计量 1.2.2参数估计 1.2.3假设检验 第2章矩阵代数相关知识 2.1向量和矩阵的基本概念 2.1.1向量 2.1.2矩阵 2.2向量和矩阵的运算 2.2.1矩阵的加法和减法 2.2.2矩阵的乘法 2.2.3矩阵的转置 2.3矩阵的迹 2.4向量的模和矩阵的行列式 2.5逆矩阵 2.6矩阵的秩 2.7特征向量及二次型 2.7.1特征根和特征向量 2.7.2二次型与正定矩阵 2.8矩阵的微商及克罗内克积 2.8.1矩阵的微商 2.8.2克罗内克积 第3章经典线性回归分析 3.1多元线性回归模型 3.1.1多元线性回归模型 3.1.2多元线性回归模型的基本假定 3.1.3偏回归系数的含义 3.2参数的最小二乘估计与极大似然估计 3.2.1最小二乘估计 3.2.2极大似然估计 3.3参数估计量的统计性质 3.3.1线性 3.3.2无偏性 3.3.3最小方差性 3.4随机干扰项u的方差估计 3.5多元线性回归参数的t检验与置信区间 3.5.1单个回归参数的t检验 3.5.2回归参数的置信区间 3.6拟合优度与修正拟合优度 3.6.1拟合优度 3.6.2修正拟合优度 3.7参数的整体显著性检验与约束检验 3.7.1参数的整体显著性检验 3.7.2参数的线性约束检验 3.8多元线性回归方程应用于预测 3.8.1点预测 3.8.2E（yf）的区间预测 3.8.3yf的随机区间预测 3.9应用实例 思考题与练习题 第4章线性回归分析的扩展 4.1非线性回归模型 4.2可线性化模型的估计 4.2.1双对数模型 4.2.2半对数模型 4.2.3倒数模型 4.2.4多项式函数模型 4.3不可线性化模型的估计 4.4虚拟变量模型 4.4.1虚拟变量模型 4.4.2虚拟变量模型用于预测 思考题与练习题 第5章放松基本假定下的计量经济分析 5.1异方差性 5.1.1异方差性的含义 5.1.2异方差性对OLS估计的影响 5.1.3异方差性的检验 5.1.4异方差性模型的估计方法 5.2自相关 5.2.1自相关的概念 5.2.2自相关对OLS估计的影响 5.2.3自相关的检验 5.2.4自相关模型的计量经济方法 5.2.5应用实例 5.3多重共线性 5.3.1多重共线性的含义 5.3.2多重共线性对OLS估计的影响 5.3.3多重共线性的检验 5.3.4解决多重共线性的方法 思考题与练习题 第6章联立方程模型及其识别 6.1联立方程模型的一般概念 6.1.1联立方程模型的引入 6.1.2内生变量、外生变量和前定变量 6.1.3方程式的分类 6.20LS估计量的同时方程偏倚 6.3联立方程模型的结构形式、约化形式和递归模型 6.3.1结构形式（structural—form） 6.3.2约化形式（reduced—form） 6.3.3递归模型 6.4同时方程模型的识别问题 6.4.1不可识别的情形 6.4.2部分方程恰好识别的情形 6.4.3部分方程过度识别的情形 6.4.4整个模型恰好识别的情形 6.5同时方程模型的识别规则 6.5.1识别的阶条件（orderconditionofidentification） 6.5.2识别的秩条件（rankconditionofidentification） 6.5.3零约束条件与识别 6.6阶识别条件和秩识别条件的证明 思考题与练习题 第7章联立方程模型的估计方法 7.1普诵最小二乘法（OLS法） 7.2间接最小二乘法（ILS法） 7.2.1间接最小二乘法的基本思想 7.2.2间接最小二乘估计量的统计性质 7.3工具变量法（IV法） 7.3.1工具变量法的步骤 7.3.2工具变量法应用举例 7.3.3工具变量法的有效性 7.4二阶段最小二乘法（2SLS法） 7.4.12SLS法的基本思想 7.4.2二阶段最小二乘法的步骤 7.4.3关于二阶段最小平方法的几点说明 7.5三阶段最小二乘法（3SLS法） 7.5.1三阶段最小二乘法的基本思想 7.5.2三阶段最小平方法的步骤 7.5.3关于三阶段最小二乘法的几点说明 7.6联立方程模型估计方法的比较与选择 思考题与练习题 …… 第8章分布滞后模型及自回归模型 第9章一元时间序列分析 第10章多元时间序列分析 第11章离散和受限因变量模型 第12章面板数据计量经济分析 附录统计学用表 参考文献 

章节摘录

版权页：   插图：   横截面数据的一个重要特征是，我们通常可以假定，它们是从样本背后的总体中通过随机抽样而得到的。例如，如果我们通过随机地从家庭总体中抽取500个家庭，并得到其有关家庭的收入、消费和其他特征方面的信息，就得到所有家庭构成的总体的一个随机样本。 横截面数据被广泛地应用于经济学和其他社会科学领域研究之中。 2.时间序列数据（Time—Series Data）：这种数据是指对同一经济变量在不同时间点上（一般是在有规则的时间间隔点上）收集的数据。例如，每日股票收盘价格、每月销售额、每季度国内生产总值，每年政府预算等。这些数据主要来源于企业和政府各级统计部门的定期报表资料。 时间序列数据的一个关键特征是，由于过去的事件可以影响到未来的事件，而且行为滞后在社会科学中又相当普遍，所以时间是时间序列数据中的一个重要维度。与横截面数据的排序不同，时间序列对观测值按时间先后排序也传递了潜在的重要信息。需要特别注意的是时间序列数据的另一特征，即数据搜集中的数据频率，最常见的频率是每天、每周、每月、每个季度和每年。股票价格以天为区间进行记录（星期六和星期日除外）。货币供给量是逐月报告的，许多宏观经济序列都是按月列出，如通货膨胀率和就业率。而GDP通常又以季度或年度数据出现。 3.综列数据（又称面板数据panel data）：把数据从空间和时间两个维度划分，可以分为横截面数据和时间序列数据。如果一个数据集当中的变量同时在截面和时间序列两个维度获取信息，则把这种数据定义为面板数据。由于面板数据兼具截面数据和时间序列数据的双重特点，因此，在许多社会经济应用研究中，面板数据的使用和对其中的信息捕捉变得越来越重要。

编辑推荐

《经济学研究生主干课程系列教材:高级计量经济学》通俗易懂。根据经济、管理类专业学生的要求和特点，力求做到内容系统、充实，结构严谨、合理，表达深入浅出、通俗易懂。根据计量经济学方法的性质和应用特点，《经济学研究生主干课程系列教材:高级计量经济学》在案例分析中，大部分采用EViews软件来实现，并将软件的应用和案例分析有机结合，不仅能使得学生在实践运用中了解软件的操作方法，而且还使学生对计量经济分析的意义有更深入的体会。

用户评论 (总计1条)

•   这本书不适合学习能力不强的人看哦，里面很多推导没有很详细。不过不详细也是有好处的，可以培养你四处找资料和仔细阅读的习惯