計(jì)量經(jīng)濟(jì)學(xué)原理及應(yīng)用

內(nèi)容概要

本書主要介紹計(jì)量經(jīng)濟(jì)學(xué)的理論和方法，包括經(jīng)典線性回歸模型、違背經(jīng)典假定的線性回歸模型、聯(lián)立方程模型以及時(shí)間序列模型等內(nèi)容?！　∪珪治迤彩逭?。第一篇是緒論；第二篇介紹經(jīng)典線性回歸模型的基本理論和方法；第三篇介紹違背經(jīng)典假定的線性回歸模型與方法；第四篇介紹聯(lián)立方程模型；第五篇介紹時(shí)間序列模型的理論與應(yīng)用?！　”緯哂腥缦绿攸c(diǎn)：　　第一，一些重要的理論方法都在附錄或正文中給出了詳細(xì)的證明，加深讀者對(duì)理論的理解。如最小方差性的證明、隨機(jī)項(xiàng)方差的無偏估計(jì)、t檢驗(yàn)統(tǒng)計(jì)量的證明、F檢驗(yàn)統(tǒng)計(jì)量的證明、布羅施一戈弗雷的拉格朗日乘數(shù)自相關(guān)檢驗(yàn)統(tǒng)計(jì)量服從卡方分布的證明、懷特異方差檢驗(yàn)統(tǒng)計(jì)量服從卡方分布的證明、布羅施二帕甘／戈弗雷異方差檢驗(yàn)統(tǒng)計(jì)量服從卡方分布的證明等。　　第二，針對(duì)各種計(jì)量經(jīng)濟(jì)學(xué)原理和方法列舉了大量的中外經(jīng)濟(jì)實(shí)例，有些案例取自學(xué)術(shù)期刊和國外經(jīng)典教材，使學(xué)生了解學(xué)術(shù)研究的方法?！　〉谌?，理論與應(yīng)用并重，在詳細(xì)介紹計(jì)量經(jīng)濟(jì)學(xué)原理、方法后，結(jié)合最新的Eviews6．0軟件介紹實(shí)際應(yīng)用。    ?！　〉谒模Y(jié)合國際教材潮流，在國內(nèi)現(xiàn)有教材的基礎(chǔ)上增加了一些新的內(nèi)容，如非球形隨機(jī)項(xiàng)、似無相關(guān)回歸分析方法、布羅施一帕甘／戈弗雷的異方差檢驗(yàn)法、杜賓自相關(guān)檢驗(yàn)法等?！　〉谖?，本書內(nèi)容包括三個(gè)層次：概念、原理和應(yīng)用。強(qiáng)調(diào)對(duì)概念和原理的理解，也強(qiáng)調(diào)具體方法的應(yīng)用?！　〉诹?，每章后都有習(xí)題加深對(duì)概念的理解，并配有相應(yīng)數(shù)據(jù)。　　書中部分帶“*”，的內(nèi)容難度稍大，具體教學(xué)時(shí)根據(jù)教學(xué)課時(shí)選用。教學(xué)時(shí)忽略這些帶“*”的內(nèi)容并不影響全書的連貫性，也不影響讀者對(duì)全書其他內(nèi)容的理解和掌握。

書籍目錄

第一篇　緒論　第一章　計(jì)量經(jīng)濟(jì)學(xué)簡介　　第一節(jié)　計(jì)量經(jīng)濟(jì)學(xué)的定義　　第二節(jié)　計(jì)量經(jīng)濟(jì)學(xué)建模的步驟分析　　第三節(jié)　計(jì)量經(jīng)濟(jì)學(xué)模型的應(yīng)用　　本章思考練習(xí)題第二篇　經(jīng)典線性回歸模型　第二章　回歸分析的基本思想　　第一節(jié)　回歸分析的含義　　第二節(jié)　總體回歸函數(shù)與樣本回歸函數(shù)　　第三節(jié)　線性回歸模型的“線性”含義　　本章思考練習(xí)題　第三章　一元線性回歸模型　　第一節(jié)　一元線性回歸模型及其基本假設(shè)　　第二節(jié)　回歸參數(shù)的普通最小二乘估計(jì)　　第三節(jié)　參數(shù)最小二乘估計(jì)量的統(tǒng)計(jì)性質(zhì)　　第四節(jié)　參數(shù)最小二乘估計(jì)量的概率分布及隨機(jī)項(xiàng)方差的估計(jì)量　　第五節(jié)　參數(shù)的顯著性檢驗(yàn)　　第六節(jié)　回歸方程的顯著性檢驗(yàn)　　第七節(jié)　一元線性回歸模型的預(yù)測(cè)問題　　第八節(jié)　一元線性回歸模型的應(yīng)用實(shí)例　　第九節(jié)　極大似然估計(jì)法　　本章思考練習(xí)題　第四章　多元線性回歸模型　　第一節(jié)　多元線性回歸模型及其基本假設(shè)　　第二節(jié)　多元線性回歸模型的參數(shù)估計(jì)　　第三節(jié)　參數(shù)估計(jì)量的統(tǒng)計(jì)性質(zhì)　　第四節(jié)　參數(shù)估計(jì)量的抽樣分布和隨機(jī)項(xiàng)方差的無偏估計(jì)量　　第五節(jié)　參數(shù)的顯著性檢驗(yàn)及置信區(qū)間　　第六節(jié)　回歸方程的顯著性檢驗(yàn)　　第七節(jié)　多元線性回歸模型的預(yù)測(cè)　　第八節(jié)　多元線性回歸模型的Eviews應(yīng)用實(shí)例　　第九節(jié)　多元線性回歸模型的極大似然估計(jì)　　本章思考練習(xí)題　第五章　回歸模型的進(jìn)一步討論　　第一節(jié)　非線性模型的線性化　　第二節(jié)　非線性最小二乘估計(jì)方法*　　第三節(jié)　模型的函數(shù)形式討論　　第四節(jié)　受限最小二乘回歸及模型參數(shù)的穩(wěn)定性檢驗(yàn)　　第五節(jié)　其他線性和非線性約束檢驗(yàn)方法*　　本章思考練習(xí)題第三篇　違背經(jīng)典假定的線性回歸模型　第六章　非球形隨機(jī)項(xiàng)　　第一節(jié)　非球形隨機(jī)項(xiàng)　　第二節(jié)　非球形隨機(jī)項(xiàng)下0LS估計(jì)量的性質(zhì)　　第三節(jié)　廣義最小二乘法　　第四節(jié)　廣義線性模型的極大似然估計(jì)法*　　本章思考練習(xí)題　第七章　異方差　　第一節(jié)　異方差的概念　　第二節(jié)　異方差在實(shí)際經(jīng)濟(jì)問題中的表現(xiàn)　　第三節(jié)　異方差的檢驗(yàn)方法　　第四節(jié)　異方差模型的估計(jì)方法　　第五節(jié)　異方差模型估計(jì)方法的Eviews應(yīng)用實(shí)例　　本章思考練習(xí)題　第八章　自相關(guān)　　第一節(jié)　自相關(guān)的相關(guān)概念　　第二節(jié)　實(shí)際經(jīng)濟(jì)問題中的自相關(guān)　　第三節(jié)　自相關(guān)的檢驗(yàn)方法　　第四節(jié)　自相關(guān)模型的處理方法　　第五節(jié)　自相關(guān)模型估計(jì)方法的Eviews應(yīng)用實(shí)例　　本章思考練習(xí)題　第九章　多重共線性　　第一節(jié)　多重共線性的概念　　……第四篇　聯(lián)立方程模型第五篇　時(shí)間序列模型附錄參考文獻(xiàn)

章節(jié)摘錄

　　從上面對(duì)隨機(jī)項(xiàng)定義的介紹可以看出，隨機(jī)項(xiàng)表示觀察值y；和條件期望值E（y，xi）的離差。那么這個(gè)離差是由哪些原因造成的呢？　　（1）隨機(jī)項(xiàng)代表了一些未知的影響因素。由于對(duì)總體認(rèn)識(shí)的非完備性，可能還有許多的未知因素沒有被納入模型中，因此用隨機(jī)項(xiàng)代替這些未知的影響因素?！　。?）代表一些不重要的影響因素?！皧W卡姆剃刀原則”認(rèn)為，只要不遺漏重要信息，描述應(yīng)盡可能簡單。在構(gòu)建計(jì)量經(jīng)濟(jì)模型過程中，只要不遺漏重要解釋變量，模型也應(yīng)盡可能簡單。因此，即使已經(jīng)知道了一些其他的影響因素，但如果這些因素并不重要，或者與我們的研究目的無關(guān)，這時(shí)我們就可將這些不重要的因素都用隨機(jī)項(xiàng)代替，以簡化模型。例如，在例2.2.1中，影響書報(bào)支出的因素除了可支配收入外，還有居住區(qū)域、以前購買書報(bào)的支出以及攀比心理等因素?！　。?）代表內(nèi)在的隨機(jī)性。即使模型中已經(jīng)包括了所有影響被解釋變量的因素，其內(nèi)在的隨機(jī)性也不可避免，因?yàn)槿祟愋袨椴⒉皇峭耆深A(yù)測(cè)的或是完全理性的，因此，隨機(jī)項(xiàng)反映了人類行為的內(nèi)在隨機(jī)性?！　。?）代表殘缺數(shù)據(jù)。在做模型時(shí)，有些變量的數(shù)據(jù)不可能取得，例如，在書報(bào)支出例子中，個(gè)人購買書報(bào)支出可能還受到個(gè)人財(cái)富擁有量的影響，但實(shí)際上個(gè)人財(cái)富擁有量的數(shù)據(jù)往往無法獲得，這時(shí)，模型中不得不省略這一變量?！　。?）代表數(shù)據(jù)測(cè)量誤差。由于主客觀的原因，在取得經(jīng)濟(jì)數(shù)據(jù)時(shí)，往往存在測(cè)量誤差，如四舍五入的影響、一些黑市的影響、地下經(jīng)濟(jì)的影響等，這時(shí)，這些數(shù)據(jù)的測(cè)量誤差往往并人到隨機(jī)項(xiàng)中?！　。?）代表模型設(shè)定錯(cuò)誤。就像我們上面所說的，總體往往不可能得到，得到的只是總體的部分樣本，因此，選擇具體的函數(shù)形式就是經(jīng)驗(yàn)的問題。所以，設(shè)定的模型可能和真實(shí)的模型存在差異，譬如本來總體是二次方函數(shù)關(guān)系，但設(shè)定成線性函數(shù)關(guān)系，這時(shí)隨機(jī)項(xiàng)就包含了這種模型設(shè)定誤差。

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    計(jì)量經(jīng)濟(jì)學(xué)原理及應(yīng)用 PDF格式下載

---