計量經(jīng)濟學原理及應用

內(nèi)容概要

本書主要介紹計量經(jīng)濟學的理論和方法，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；第五篇介紹時間序列模型的理論與應用?！　”緯哂腥缦绿攸c：　　第一，一些重要的理論方法都在附錄或正文中給出了詳細的證明，加深讀者對理論的理解。如最小方差性的證明、隨機項方差的無偏估計、t檢驗統(tǒng)計量的證明、F檢驗統(tǒng)計量的證明、布羅施一戈弗雷的拉格朗日乘數(shù)自相關檢驗統(tǒng)計量服從卡方分布的證明、懷特異方差檢驗統(tǒng)計量服從卡方分布的證明、布羅施二帕甘／戈弗雷異方差檢驗統(tǒng)計量服從卡方分布的證明等?！　〉诙?，針對各種計量經(jīng)濟學原理和方法列舉了大量的中外經(jīng)濟實例，有些案例取自學術期刊和國外經(jīng)典教材，使學生了解學術研究的方法?！　〉谌?，理論與應用并重，在詳細介紹計量經(jīng)濟學原理、方法后，結合最新的Eviews6．0軟件介紹實際應用。    ?！　〉谒?，結合國際教材潮流，在國內(nèi)現(xiàn)有教材的基礎上增加了一些新的內(nèi)容，如非球形隨機項、似無相關回歸分析方法、布羅施一帕甘／戈弗雷的異方差檢驗法、杜賓自相關檢驗法等。　　第五，本書內(nèi)容包括三個層次：概念、原理和應用。強調(diào)對概念和原理的理解，也強調(diào)具體方法的應用?！　〉诹空潞蠖加辛曨}加深對概念的理解，并配有相應數(shù)據(jù)?！　胁糠謳А?”，的內(nèi)容難度稍大，具體教學時根據(jù)教學課時選用。教學時忽略這些帶“*”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　計量經(jīng)濟學簡介　　第一節(jié)　計量經(jīng)濟學的定義　　第二節(jié)　計量經(jīng)濟學建模的步驟分析　　第三節(jié)　計量經(jīng)濟學模型的應用　　本章思考練習題第二篇　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　　第二節(jié)　回歸參數(shù)的普通最小二乘估計　　第三節(jié)　參數(shù)最小二乘估計量的統(tǒng)計性質(zhì)　　第四節(jié)　參數(shù)最小二乘估計量的概率分布及隨機項方差的估計量　　第五節(jié)　參數(shù)的顯著性檢驗　　第六節(jié)　回歸方程的顯著性檢驗　　第七節(jié)　一元線性回歸模型的預測問題　　第八節(jié)　一元線性回歸模型的應用實例　　第九節(jié)　極大似然估計法　　本章思考練習題　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　　第二節(jié)　多元線性回歸模型的參數(shù)估計　　第三節(jié)　參數(shù)估計量的統(tǒng)計性質(zhì)　　第四節(jié)　參數(shù)估計量的抽樣分布和隨機項方差的無偏估計量　　第五節(jié)　參數(shù)的顯著性檢驗及置信區(qū)間　　第六節(jié)　回歸方程的顯著性檢驗　　第七節(jié)　多元線性回歸模型的預測　　第八節(jié)　多元線性回歸模型的Eviews應用實例　　第九節(jié)　多元線性回歸模型的極大似然估計　　本章思考練習題　第五章　回歸模型的進一步討論　　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　　第五節(jié)　其他線性和非線性約束檢驗方法*　　本章思考練習題第三篇　違背經(jīng)典假定的線性回歸模型　第六章　非球形隨機項　　第一節(jié)　非球形隨機項　　第二節(jié)　非球形隨機項下0LS估計量的性質(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法*　　本章思考練習題　第七章　異方差　　第一節(jié)　異方差的概念　　第二節(jié)　異方差在實際經(jīng)濟問題中的表現(xiàn)　　第三節(jié)　異方差的檢驗方法　　第四節(jié)　異方差模型的估計方法　　第五節(jié)　異方差模型估計方法的Eviews應用實例　　本章思考練習題　第八章　自相關　　第一節(jié)　自相關的相關概念　　第二節(jié)　實際經(jīng)濟問題中的自相關　　第三節(jié)　自相關的檢驗方法　　第四節(jié)　自相關模型的處理方法　　第五節(jié)　自相關模型估計方法的Eviews應用實例　　本章思考練習題　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　時間序列模型附錄參考文獻

章節(jié)摘錄

　　從上面對隨機項定義的介紹可以看出，隨機項表示觀察值y；和條件期望值E（y，xi）的離差。那么這個離差是由哪些原因造成的呢？　　（1）隨機項代表了一些未知的影響因素。由于對總體認識的非完備性，可能還有許多的未知因素沒有被納入模型中，因此用隨機項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”認為，只要不遺漏重要信息，描述應盡可能簡單。在構建計量經(jīng)濟模型過程中，只要不遺漏重要解釋變量，模型也應盡可能簡單。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，這時我們就可將這些不重要的因素都用隨機項代替，以簡化模型。例如，在例2.2.1中，影響書報支出的因素除了可支配收入外，還有居住區(qū)域、以前購買書報的支出以及攀比心理等因素?！　。?）代表內(nèi)在的隨機性。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)在的隨機性也不可避免，因為人類行為并不是完全可預測的或是完全理性的，因此，隨機項反映了人類行為的內(nèi)在隨機性?！　。?）代表殘缺數(shù)據(jù)。在做模型時，有些變量的數(shù)據(jù)不可能取得，例如，在書報支出例子中，個人購買書報支出可能還受到個人財富擁有量的影響，但實際上個人財富擁有量的數(shù)據(jù)往往無法獲得，這時，模型中不得不省略這一變量?！　。?）代表數(shù)據(jù)測量誤差。由于主客觀的原因，在取得經(jīng)濟數(shù)據(jù)時，往往存在測量誤差，如四舍五入的影響、一些黑市的影響、地下經(jīng)濟的影響等，這時，這些數(shù)據(jù)的測量誤差往往并人到隨機項中。　?。?）代表模型設定錯誤。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)驗的問題。所以，設定的模型可能和真實的模型存在差異，譬如本來總體是二次方函數(shù)關系，但設定成線性函數(shù)關系，這時隨機項就包含了這種模型設定誤差。

圖書封面

評論、評分、閱讀與下載

---

    計量經(jīng)濟學原理及應用 PDF格式下載

---