高級計量經(jīng)濟學

內(nèi)容概要

《經(jīng)濟學研究生主干課程系列教材:高級計量經(jīng)濟學》是為經(jīng)濟和管理類研究生編寫的計量經(jīng)濟學教材。全書共分12章，第1、2章，介紹計量經(jīng)濟學中所用的統(tǒng)計學和矩陣代數(shù)知識，對這兩章知識的掌握是學好計量經(jīng)濟學的基礎；第3章至第5章介紹高級經(jīng)典計量經(jīng)濟學方法；第6章至第7章，介紹聯(lián)立方程模型的建立方法等。

書籍目錄

緒論 第1章概率統(tǒng)計基礎知識 1.1隨機變量和概率分布 1.1.1隨機變量及其概率分布 1.1.2隨機向量分布 1.1.3隨機變量的數(shù)字特征 1.1.4常見的幾種分布 1.1.5隨機變量的極限理論 1.2統(tǒng)計推斷理論 1.2.1統(tǒng)計量 1.2.2參數(shù)估計 1.2.3假設檢驗 第2章矩陣代數(shù)相關知識 2.1向量和矩陣的基本概念 2.1.1向量 2.1.2矩陣 2.2向量和矩陣的運算 2.2.1矩陣的加法和減法 2.2.2矩陣的乘法 2.2.3矩陣的轉(zhuǎn)置 2.3矩陣的跡 2.4向量的模和矩陣的行列式 2.5逆矩陣 2.6矩陣的秩 2.7特征向量及二次型 2.7.1特征根和特征向量 2.7.2二次型與正定矩陣 2.8矩陣的微商及克羅內(nèi)克積 2.8.1矩陣的微商 2.8.2克羅內(nèi)克積 第3章經(jīng)典線性回歸分析 3.1多元線性回歸模型 3.1.1多元線性回歸模型 3.1.2多元線性回歸模型的基本假定 3.1.3偏回歸系數(shù)的含義 3.2參數(shù)的最小二乘估計與極大似然估計 3.2.1最小二乘估計 3.2.2極大似然估計 3.3參數(shù)估計量的統(tǒng)計性質(zhì) 3.3.1線性 3.3.2無偏性 3.3.3最小方差性 3.4隨機干擾項u的方差估計 3.5多元線性回歸參數(shù)的t檢驗與置信區(qū)間 3.5.1單個回歸參數(shù)的t檢驗 3.5.2回歸參數(shù)的置信區(qū)間 3.6擬合優(yōu)度與修正擬合優(yōu)度 3.6.1擬合優(yōu)度 3.6.2修正擬合優(yōu)度 3.7參數(shù)的整體顯著性檢驗與約束檢驗 3.7.1參數(shù)的整體顯著性檢驗 3.7.2參數(shù)的線性約束檢驗 3.8多元線性回歸方程應用于預測 3.8.1點預測 3.8.2E（yf）的區(qū)間預測 3.8.3yf的隨機區(qū)間預測 3.9應用實例 思考題與練習題 第4章線性回歸分析的擴展 4.1非線性回歸模型 4.2可線性化模型的估計 4.2.1雙對數(shù)模型 4.2.2半對數(shù)模型 4.2.3倒數(shù)模型 4.2.4多項式函數(shù)模型 4.3不可線性化模型的估計 4.4虛擬變量模型 4.4.1虛擬變量模型 4.4.2虛擬變量模型用于預測 思考題與練習題 第5章放松基本假定下的計量經(jīng)濟分析 5.1異方差性 5.1.1異方差性的含義 5.1.2異方差性對OLS估計的影響 5.1.3異方差性的檢驗 5.1.4異方差性模型的估計方法 5.2自相關 5.2.1自相關的概念 5.2.2自相關對OLS估計的影響 5.2.3自相關的檢驗 5.2.4自相關模型的計量經(jīng)濟方法 5.2.5應用實例 5.3多重共線性 5.3.1多重共線性的含義 5.3.2多重共線性對OLS估計的影響 5.3.3多重共線性的檢驗 5.3.4解決多重共線性的方法 思考題與練習題 第6章聯(lián)立方程模型及其識別 6.1聯(lián)立方程模型的一般概念 6.1.1聯(lián)立方程模型的引入 6.1.2內(nèi)生變量、外生變量和前定變量 6.1.3方程式的分類 6.20LS估計量的同時方程偏倚 6.3聯(lián)立方程模型的結(jié)構(gòu)形式、約化形式和遞歸模型 6.3.1結(jié)構(gòu)形式（structural—form） 6.3.2約化形式（reduced—form） 6.3.3遞歸模型 6.4同時方程模型的識別問題 6.4.1不可識別的情形 6.4.2部分方程恰好識別的情形 6.4.3部分方程過度識別的情形 6.4.4整個模型恰好識別的情形 6.5同時方程模型的識別規(guī)則 6.5.1識別的階條件（orderconditionofidentification） 6.5.2識別的秩條件（rankconditionofidentification） 6.5.3零約束條件與識別 6.6階識別條件和秩識別條件的證明 思考題與練習題 第7章聯(lián)立方程模型的估計方法 7.1普誦最小二乘法（OLS法） 7.2間接最小二乘法（ILS法） 7.2.1間接最小二乘法的基本思想 7.2.2間接最小二乘估計量的統(tǒng)計性質(zhì) 7.3工具變量法（IV法） 7.3.1工具變量法的步驟 7.3.2工具變量法應用舉例 7.3.3工具變量法的有效性 7.4二階段最小二乘法（2SLS法） 7.4.12SLS法的基本思想 7.4.2二階段最小二乘法的步驟 7.4.3關于二階段最小平方法的幾點說明 7.5三階段最小二乘法（3SLS法） 7.5.1三階段最小二乘法的基本思想 7.5.2三階段最小平方法的步驟 7.5.3關于三階段最小二乘法的幾點說明 7.6聯(lián)立方程模型估計方法的比較與選擇 思考題與練習題 …… 第8章分布滯后模型及自回歸模型 第9章一元時間序列分析 第10章多元時間序列分析 第11章離散和受限因變量模型 第12章面板數(shù)據(jù)計量經(jīng)濟分析 附錄統(tǒng)計學用表 參考文獻 

章節(jié)摘錄

版權頁：   插圖：   橫截面數(shù)據(jù)的一個重要特征是，我們通?？梢约俣?，它們是從樣本背后的總體中通過隨機抽樣而得到的。例如，如果我們通過隨機地從家庭總體中抽取500個家庭，并得到其有關家庭的收入、消費和其他特征方面的信息，就得到所有家庭構(gòu)成的總體的一個隨機樣本。 橫截面數(shù)據(jù)被廣泛地應用于經(jīng)濟學和其他社會科學領域研究之中。 2.時間序列數(shù)據(jù)（Time—Series Data）：這種數(shù)據(jù)是指對同一經(jīng)濟變量在不同時間點上（一般是在有規(guī)則的時間間隔點上）收集的數(shù)據(jù)。例如，每日股票收盤價格、每月銷售額、每季度國內(nèi)生產(chǎn)總值，每年政府預算等。這些數(shù)據(jù)主要來源于企業(yè)和政府各級統(tǒng)計部門的定期報表資料。 時間序列數(shù)據(jù)的一個關鍵特征是，由于過去的事件可以影響到未來的事件，而且行為滯后在社會科學中又相當普遍，所以時間是時間序列數(shù)據(jù)中的一個重要維度。與橫截面數(shù)據(jù)的排序不同，時間序列對觀測值按時間先后排序也傳遞了潛在的重要信息。需要特別注意的是時間序列數(shù)據(jù)的另一特征，即數(shù)據(jù)搜集中的數(shù)據(jù)頻率，最常見的頻率是每天、每周、每月、每個季度和每年。股票價格以天為區(qū)間進行記錄（星期六和星期日除外）。貨幣供給量是逐月報告的，許多宏觀經(jīng)濟序列都是按月列出，如通貨膨脹率和就業(yè)率。而GDP通常又以季度或年度數(shù)據(jù)出現(xiàn)。 3.綜列數(shù)據(jù)（又稱面板數(shù)據(jù)panel data）：把數(shù)據(jù)從空間和時間兩個維度劃分，可以分為橫截面數(shù)據(jù)和時間序列數(shù)據(jù)。如果一個數(shù)據(jù)集當中的變量同時在截面和時間序列兩個維度獲取信息，則把這種數(shù)據(jù)定義為面板數(shù)據(jù)。由于面板數(shù)據(jù)兼具截面數(shù)據(jù)和時間序列數(shù)據(jù)的雙重特點，因此，在許多社會經(jīng)濟應用研究中，面板數(shù)據(jù)的使用和對其中的信息捕捉變得越來越重要。

編輯推薦

《經(jīng)濟學研究生主干課程系列教材:高級計量經(jīng)濟學》通俗易懂。根據(jù)經(jīng)濟、管理類專業(yè)學生的要求和特點，力求做到內(nèi)容系統(tǒng)、充實，結(jié)構(gòu)嚴謹、合理，表達深入淺出、通俗易懂。根據(jù)計量經(jīng)濟學方法的性質(zhì)和應用特點，《經(jīng)濟學研究生主干課程系列教材:高級計量經(jīng)濟學》在案例分析中，大部分采用EViews軟件來實現(xiàn)，并將軟件的應用和案例分析有機結(jié)合，不僅能使得學生在實踐運用中了解軟件的操作方法，而且還使學生對計量經(jīng)濟分析的意義有更深入的體會。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    高級計量經(jīng)濟學 PDF格式下載

---