计量经济学

作者简介

《计量经济学》共8章，主要有计量经济学方法论、多元线性加归方法、基本假定检验与模型估计方法的修正、虚拟变量及滞后变量模型、联立方程模型方法、计量经济模型方法应用实例等内容。

书籍目录

第1章 计量经济学方法论1.1 计量经济学解决什么问题1.2 计量经济模型1.3 计量经济研究的步骤1.3.1 理论或假说的陈述1.3.2 数理模型设定1.3.3 计量经济模型设定1.3.4 获取数据1.3.5 计量经济模型的参数估计1.3.6 假设检验1.3.7 预报或预测1.3.8 利用模型进行控制或制定政策1.4 回归分析的性质1.4.1 回归的含义1.4.2 统计关系与确定性关系的区别1.4.3 回归与因果关系的区别1.4.4 回归分析与相关分析的区别1.5 计量经济分析所用数据的性质1.5.1 时间序列数据1.5.2 横截面数据1.5.3 面板数据1.5.4 数据的来源1.5.5 数据的准确性1.6 数学及统计学的预备知识1.7 计算机及计量经济学应用软件的运用1.8 要点习题1第2章 二元线性回归模型的估计、检验与应用2.1 回归模型的设定与相关概念2.2 模型参数的最小二乘估计（原理）2.3 经典假定与最小二乘估计量的优良特性2.3.1 经典假定2.3.2 最小二乘估计量的优良特性2.4 估计量的分布与真值的置信区间2.5 回归系数的显著性检验2.6 样本回归方程的拟合优度测度2.7 如何利用模型进行预测2.7.1 点预测方法2.7.2 区间预测方法2.8 利用TSP软件进行实例分析2.9 要点与结论附录2A2A.1 最小二乘估计量的无偏性质2A.2 最小二乘估计量的方差2A.3 最小二乘估计量的最小方差性质2A.4 a2的最小二乘无偏估计量2A.5 a2的最小二乘计算公式2A.6 （Y0-Y0）的方差的性质习题2第3章 多元线性回归方法3.1 多元线性模型的表达形式3.1.1 总体回归模型与回归方程3.1.2 样本回归模型与回归方程3.2 模型的基本假定3.3 最小二乘估计公式3.4 最小二乘估计量的优良特性3.5 a2的估计公式3.6 样本回归方程的拟合优度测度3.7 回归系数的置信区间与显著性检验3.7.1 回归系数的置信区间3.7.2 回归系数的t检验3.7.3 回归系数的F检验3.8 利用模型进行预测3.9 非线性回归模型的估计3.9.1 直接代换法3.9.2 间接代换法3.9.3 泰勒级数展开法3.9.4 非线性最小二乘法（NLS）3.10综合案例分析3.11要点与结论习题3第4章 基本假定检验与模型估计方法的修正4.1 异方差问题及解决方法4.1.1 异方差性及其产生的原因4.1.2 异方差性的后果4.1.3 异方差性的检验4.1.4 异方差性的解决方法4.2 自相关问题及解决方法4.2.1 自相关性及其产生的原因4.2.2 自相关性的后果4.2.3 自相关性的检验4.2.4 自相关性的解决方法4.3 多重共线性问题及解决方法4.3.1 多重共线性及产生的原因4.3.2 多重共线性的后果4.3.3 多重共线性的检验4.3.4 多重共线性的解决方法4.4 要点与结论习题4第5章 虚拟变量及滞后变量模型5.1 虚拟变量模型5.1.1 虚拟变量模型的概念5.1.2 虚拟变量模型的意义和形式5.1.3 拟变量引入的原则5.1.4 虚拟变量模型的估计5.2 滞后变量模型5.2.1 滞后变量5.2.2 产生滞后效应的原因5.2.3 滞后变量模型的类型5.2.4 滞后变量模型的特点5.2.5 分布滞后模型的估计方法5.2.6 自回归模型的估计5.2.7 滞后效应分析5.2.8 因果关系检验5.3 要点与结论习题5第6章 联立方程模型方法6.1 联立方程模型概述6.1.1 联立方程模型的特点6.1.2 联立方程模型的变量类型6.1.3 联立方程模型的类型6.2 联立方程模型的识别6.2.1 识别的概念6.2.1 识别的判别条件6.3 联立方程模型的估计6.3.1 联立方程偏误6.3.2 递归系统模型的估计6.3.3 恰好识别模型的估计6.3.4 过度识别模型的估计6.3.5 系统估计方法6.4 联立方程模型的检验6.4.1 模型系统检验6.4.2 误差传递性检验6.5 要点与结论习题6第7章 计量经济模型方法应用实例7.1 中国消费函数研究7.1.1 研究目的……第8章 计量经济分析软件EViews

编辑推荐

《计量经济学》是由苏州大学出版社出版的。

章节摘录

插图：与经典物理学中考虑的那种变量之间的函数或确定性依赖关系不同，回归分析中考虑的是一种所谓的统计关系。在变量之间的统计关系式中，主要处理的是随机变量，即有着概率分布的变量。统计关系与确定性关系的含义是有区别的。例如，农作物收成对气温、降雨、阳光以及施肥的依赖关系是统计性质的。这个性质的意义在于：这些解释变量固然重要，但并不能依此准确地预测农作物的收成。虽然回归分析研究一个变量对另一（些）变量的依赖关系，但它并不一定意味着因果关系。一个统计关系式，不管多强也不管多么有启发性，却永远不能确立因果方面的联系。对因果关系的把握，必须来自统计学以外，最终来自这种或那种理论。在前面所述的农作物收成一例中，没有任何统计上的理由可以认为降雨量不依赖农作物收成。把农作物收成看做是依赖于降雨量等的因变量，是出于非统计上的考虑。常识提示我们不能把这种关系颠倒过来，因为我们不能用改变农作物收成的办法来控制降雨量。与回归分析密切联系而在概念上迥异的，是以测度两个变量之间的线性关联力度为其主要目的的相关分析。例如，我们也许有兴趣去求吸烟与肺癌、统计学考分与数学考分、中学成绩与大学成绩等之间的相关系数。而在回归分析中，我们并不主要对这种度量感兴趣。我们感兴趣的是试图根据其他变量的设定值来估计或预测某一变量的平均值。例如，我们也许更想知道能否从一个学生的已知数学考分，去预测他的统计学平均考分。回归和相关还存在以下的区别。在回归分析中，对因变量和解释变量的处理方法存在着不对称性。因变量被当做是统计的、随机的，而解释变量则被看做（在重复抽样中）取有固定值。但在相关分析中，我们对称地对待任何两个变量，因变量和解释变量之间不加区别。同时，两个变量都被看做是随机的。但是，本教材要阐述的回归理论的大部分均以下述假定为条件：因变量是随机的，而解释变量是固定的或非随机的。

---

 计量经济学下载

---