本书较为系统地介绍了计量经济学的基本理论、方法、最新进展以及Stata软件应用。全书共8章，第1章介绍计量经济学的基本问题；第2章和第3章介绍回归分析的基本内容及其应用；第4章介绍放松经典假设时计量经济模型产生的多重共线性、异方差性、自相关性、随机解释变量等计量经济学问题及解决办法；第5章和第6章介绍平稳时间序列和非平稳时间序列分析；第7章介绍联立方程模型；第8章介绍面板数据模型的初步知识。在讲清计量经济学基本思想和基本原理的基础上，本书特别强调计量经济学基本方法在实际经济问题中的应用。
样章试读
目录
- 目录
第1章 导论 1
1.1 计量经济学的概念与功能 1
1.1.1 什么是计量经济学 1
1.1.2 计量经济学的作用与功能 1
1.2 计量经济学的学科性质 2
1.2.1 计量经济学在经济学科中居于重要地位 2
1.2.2 计量经济学与其他学科的关系 3
1.2.3 计量经济学的分类 4
1.2.4 计量经济学的局限性 5
1.3 计量经济学的研究步骤 6
1.3.1 陈述理论 6
1.3.2 建立计量经济模型 7
1.3.3 收集样本数据 8
1.3.4 估计模型参数 9
1.3.5 检验模型 10
1.3.6 应用模型 11
1.4 计量经济学数据来源和软件 11
1.4.1 常用数据来源 11
1.4.2 计量经济学软件 12
1.5 本章小结 12
思考题与练习题 12
第2章 一元线性回归模型 14
2.1 一元线性回归模型概述 14
2.1.1 相关分析与回归分析 14
2.1.2 总体回归函数和总体回归模型 16
2.1.3 随机误差项的性质 18
2.1.4 样本回归函数和样本回归模型 19
2.2 一元线性回归模型的基本假定和参数估计 21
2.2.1 一元线性回归模型的基本假定 21
2.2.2 一元线性回归模型的参数估计 22
2.3 最小二乘估计量的性质 24
2.3.1 最小二乘估计量的均值和方差 24
2.3.2 最小二乘估计量是最佳线性无偏估计量 25
2.4 拟合优度的度量 27
2.4.1 总变差的分解 27
2.4.2 判定系数 28
2.4.3 判定系数与相关系数的关系 29
2.5 回归参数的区间估计和显著性检验 30
2.5.1 回归参数的区间估计 30
2.5.2 回归参数的显著性检验 33
2.6 一元线性回归模型的预测 34
2.6.1 点预测 34
2.6.2 区间预测 34
2.7 案例分析 36
2.8 本章小结 39
附录2.1 案例分析的R实现 39
附录2.2 最小二乘估计的证明 40
思考题与练习题 41
第3章 多元线性回归模型 44
3.1 多元线性回归模型及古典假定 44
3.1.1 多元线性回归模型概述 44
3.1.2 多元线性回归模型的古典假定 45
3.2 多元线性回归模型的参数估计 47
3.2.1 多元线性回归模型参数的最小二乘估计 47
3.2.2 参数最小二乘估计量的性质 48
3.2.3 最小二乘估计的分布性质 50
3.2.4 随机扰动项方差的估计 51
3.2.5 大样本理论* 51
3.3 多元线性回归模型的检验 51
3.3.1 拟合优度检验 51
3.3.2 回归方程的显著性检验 53
3.3.3 回归参数的显著性检验 54
3.4 多元线性回归模型的预测 55
3.4.1 点预测 55
3.4.2 区间预测 56
3.5 虚拟变量 57
3.5.1 虚拟变量的概念 57
3.5.2 虚拟变量引入模型的形式 57
3.5.3 虚拟变量个数的确定 60
3.6 案例分析 61
3.7 本章小结 63
附录3.1 案例分析的Stata实现 63
附录3.2 残差平方和均值的证明 64
思考题与练习题 64
第4章 放松经典假设的模型估计 66
4.1 多重共线性 66
4.1.1 多重共线性的含义 66
4.1.2 多重共线性对普通最小二乘估计的影响 66
4.1.3 多重共线性的检验 67
4.1.4 多重共线性下模型的估计方法 67
4.2 异方差性 71
4.2.1 异方差性的含义 71
4.2.2 异方差性对普通最小二乘估计的影响 72
4.2.3 异方差性的检验 73
4.2.4 异方差性下模型的估计方法 76
4.3 自相关性 78
4.3.1 自相关性的含义 78
4.3.2 自相关性对普通最小二乘估计的影响 79
4.3.3 自相关性的检验 80
4.3.4 自相关性下模型的估计方法 82
4.4 随机解释变量* 83
4.4.1 随机解释变量问题的概念 83
4.4.2 随机解释变量对普通最小二乘估计的影响 84
4.4.3 工具变量法 84
4.4.4 解释变量的内生性检验 86
4.5 案例分析 87
4.5.1 多重共线性的检验与处理 87
4.5.2 异方差性的检验与处理 91
4.5.3 自相关性的检验与处理 94
4.5.4 工具变量法的应用 97
4.6 本章小结 100
附录 案例分析的Stata实现 100
思考题与练习题 103
第5章 平稳时间序列分析 105
5.1 时间序列分析的基本概念 105
5.1.1 时间序列与随机过程 105
5.1.2 平稳性 105
5.1.3 四种经典的时间序列类型 106
5.2 平稳性检验 108
5.2.1 图形检验法 108
5.2.2 单位根检验法 109
5.3 ARMA模型的种类 113
5.4 ARMA模型的识别 114
5.4.1 基本概念 114
5.4.2 AR(p)模型的识别 115
5.4.3 MA(q)模型的识别 116
5.4.4 ARMA(p,q)模型的识别 118
5.5 案例分析 119
5.6 本章小结 124
附录 案例分析的R实现 124
思考题与练习题 125
第6章 非平稳时间序列分析 127
6.1 差分与过差分 127
6.1.1 差分运算 127
6.1.2 避免过差分 127
6.2 ARIMA模型 128
6.2.1 ARIMA模型的形式 128
6.2.2 ARIMA模型的建模步骤 129
6.3 协整与误差修正模型 129
6.3.1 单整 129
6.3.2 协整 130
6.3.3 误差修正模型 131
6.4 向量自回归模型 131
6.4.1 向量自回归模型的概念 132
6.4.2 向量自回归模型的滞后阶确定 132
6.4.3 脉冲响应函数 133
6.5 因素分解法 134
6.5.1 因素分解法的概念 134
6.5.2 利用因素分解法进行季节调整 134
6.6 指数平滑法 135
6.6.1 一次指数平滑模型 135
6.6.2 二次指数平滑模型 136
6.6.3 多参数指数平滑模型 136
6.7 案例分析 137
6.7.1 协整分析 137
6.7.2 向量自回归模型 138
6.8 本章小结 142
思考题与练习题 143
第7章 联立方程模型 144
7.1 联立方程模型及其偏倚 144
7.1.1 联立方程模型的基本概念 144
7.1.2 联立方程模型的变量类型 145
7.1.3 联立方程模型的偏倚性 145
7.1.4 联立方程模型的种类 146
7.2 联立方程模型的识别问题 150
7.2.1 模型识别问题 150
7.2.2 联立方程模型识别的类型 151
7.2.3 联立方程模型识别的方法 153
7.3 联立方程模型的估计 157
7.3.1 递归式模型的估计—普通最小二乘法 157
7.3.2 恰好识别模型的估计—间接最小二乘法 158
7.3.3 过度识别模型的估计—二阶段最小二乘法 159
7.4 案例分析 161
7.4.1 模型设定 161
7.4.2 模型的识别 161
7.4.3 宏观经济模型的估计 162
7.5 本章小结 166
附录7.1 联立方程偏倚的证明 166
附录7.2 案例分析的Stata实现 167
思考题与练习题 168
第8章 面板数据模型 170
8.1 面板数据模型概述 170
8.1.1 面板数据概念 170
8.1.2 面板数据的优点 171
8.1.3 面板数据模型的建立 171
8.2 面板数据模型的估计 172
8.2.1 固定效应模型 172
8.2.2 随机效应模型 174
8.2.3 固定效应还是随机效应—豪斯曼检验 174
8.2.4 稳健标准误问题 175
8.3 案例分析 175
8.3.1 打开Stata数据文件并进行描述性分析 176
8.3.2 混合效应面板数据模型的Stata实现 177
8.3.3 固定效应面板数据模型的Stata实现 178
8.3.4 随机效应面板数据模型的Stata实现 180
8.3.5 豪斯曼检验的Stata实现 180
8.4 本章小结 182
附录 案例分析的Stata程序 182
思考题与练习题 183
参考文献 185
附录 统计分布表 186
京公网安备 11010102004214号