《经济计量分析》求取 ⇩

第1章 简介1

1．1 经济计量学1

1．2 经济计量模型2

1．3 理论经济计量学与应用经济计量学3

1．4 本书的安排4

第2章 矩阵代数6

2．1 简介6

2．2 一些术语6

2．3 矩阵的代数运算8

2．3．1 矩阵的相等8

2．3．2 转置8

2．3．3 矩阵加法9

2．3．4 矩阵乘法9

2．3．5 数值的和12

2．3．6 一个有用的幂等矩阵13

2．4 矩阵几何15

2．4．1 向量空间15

2．4．2 向量的线性组合及基础向量17

2．4．3 线性相关18

2．4．4 子空间19

2．4．5 矩阵的秩20

2．4．6 矩阵的行列式22

2．4．7 最小二乘问题24

2．5 方程组的解26

2．5．1 线性方程组26

2．5．2 逆矩阵27

2．5．3 非齐次方程组29

2．6 分块矩阵29

2．6．1 分块矩阵的加法和乘法30

2．6．2 分块矩阵的行列式30

2．6．4 对均值的偏差31

2．6．3 分块矩阵的逆31

2．6．5 克罗内克积32

2．7 特征根与特征向量32

2．7．1 特征方程33

2．7．2 特征向量34

2．7．3 特征根和特征向量的一般结果34

2．7．4 矩阵的对角化35

2．7．5 矩阵的秩35

2．7．6 矩阵的条件数36

2．7．7 矩阵的迹37

2．7．8 矩阵的行列式38

2．7．9 矩阵的谱分解38

2．7．10 矩阵的幂38

2．7．11 幂等矩阵40

2．7．12 矩阵的分解40

2．7．13 矩阵的广义逆41

2．8 二次型与正定矩阵42

2．8．1 非负定矩阵43

2．8．2 幂等二次型43

2．8．3 矩阵评级44

2．9 微积分与矩阵代数45

2．9．1 微分与泰勒级数45

2．9．2 最优化49

2．9．3 约束最优化51

2．9．4 变换53

练习54

第3章 概率和分布理论58

3．1 简介58

3．2 随机变量58

3．2．1 概率分布58

3．2．2 累积分布函数59

3．3 随机变量的期望60

3．4．1 正态分布63

3．4 一些具体的概率分布63

3．4．2 卡方分布、t分布和F分布64

3．4．3 大自由度的分布65

3．4．4 规模分布——对数正态分布66

3．4．5 伽马分布66

3．4．6 贝塔分布66

3．5 随机变量函数的分布67

3．6 联合分布68

3．6．1 边际分布69

3．6．2 联合分布中的期望69

3．6．3 协方差和相关系数70

3．6．4 二元随机变量函数的分布71

3．7 双变量分布中的条件化72

3．7．1 回归——条件均值73

3．7．2 条件方差74

3．7．3 边际和条件矩间的关系75

3．7．4 方差分析77

3．8 二元正态分布78

3．9 多元分布79

3．9．1 矩79

3．9．2 线性方程组80

3．9．3 非线性函数81

3．10 多元正态分布82

3．10．1 边际及条件分布82

3．10．2 一个正态向量的线性函数83

3．10．3 标准正态向量的二次型84

3．10．3a 幂等二次型84

3．10．3b 幂等二次型的独立性85

3．10．4F分布86

3．10．5 满秩二次型86

3．10．6 线性及二次型的独立性87

练习88

附录：积分——伽马函数93

第4章 统计推断94

4．1 简介94

4．2 样本及抽样分布94

4．2．1 随机抽样94

4．2．2 描述性统计量95

4．2．3 抽样分布97

4．3 参数的点估计100

4．3．1 有限样本估计100

4．3．2 有效无偏估计103

4．4 大样本分布理论107

4．4．1 依概率收敛107

4．4．2 依分布收敛——极限分布110

4．4．3 渐近分布114

4．4．4 一个非线性函数的渐近分布116

4．4．5 渐近期望116

4．5 有效估计量——最大似然118

4．5．1 最大似然估计量的特性122

4．5．2 估计最大似然估计量的方差123

4．6 一致估计——矩方法125

4．6．1 随机抽样和分布的参数估计126

4．6．2 计算矩方法估计量的方差129

4．7 区间估计133

4．8 假设检验135

4．8．1 检验过程135

4．8．2 基于置信区间的检验137

4．8．3 三个渐近等价的检验过程139

4．8．3a 似然比检验140

4．8．3b 沃尔德检验141

4．8．3c 拉格朗日乘数检验143

4．8.4 各检验过程的一个例子144

4．8.4c 沃尔德检验145

4．8.4b 似然比检验145

4．8.4a 置信区间检验145

4．8.4d 拉格朗日乘数检验146

练习146

第5章 古典线性回归模型150

5．1 简介150

5．2 设定回归模型——一个例子150

5．3 线性回归模型的假定153

5．3．1 函数形式和非线性模型154

5．3．2 回归量156

5．3．3 干扰项157

5．4 最小二乘法158

5．4．1 最小二乘系数159

5．4．2 回归拟合的评价161

5．5 最小二乘估计量的统计特征166

5．6 统计推断169

5．6．1 估计抽样分布170

5．6．2 检验关于β的假设171

5．6．3 基于回归拟合的检验173

5．7 预测176

练习178

第6章 多元回归182

6．1 简介182

6．2 线性模型的假设183

6．3 最小二乘回归185

6．3．1 最小二乘系数向量185

6．3．2 一些例子186

6．3．3 解的代数的特性190

6．3．4 分块回归和偏回归192

6．3．5 偏回归和偏相关系数193

6．3．6 对均值的偏离——对常数回归194

6．4．1 非随机回归量195

6．4 最小二乘估计的统计特征195

6．4．2 随机回归量196

6．5 统计推断197

6．5．1 检验关于系数的假设197

6．5．2 线性约束检验200

6．5．3 随机X及正态ε下的检验统计量204

6．6 拟合优度和方差分析205

6．7 检验回归的显著性208

6．8 预测209

6．8．1 计算预测值的一个便利方法210

6．8．2 度量预测的精度211

练习214

第7章 多元回归模型的假设检验218

7．1 简介218

7．2 对约束的检验218

7．2．2 一组线性约束的检验219

7．2．1 检验假设的两种方法219

7．2．3 约束最小二乘估计量220

7．2．4 对约束的检验221

7．2．5 例子及一些一般过程222

7．3 结构变化的检验227

7．3．1 不同的参数向量227

7．3．2 不同的常数项229

7．3．3 系数子集的变化230

7．3．4 不充足观测值230

7．4 方差不等结构变化的检验231

7．5 模型稳定性的可选检验233

7．6 检验非线性约束235

7．7 非嵌套模型间的选择239

练习243

8．2 虚拟变量247

8．2．1 两个均值的比较247

8．1 简介247

第8章 函数形式、非线性和设定247

8．2．2 回归中的二元变量249

8．2．3 几种类型250

8．2．4 几个组251

8．2．5 阈效应253

8．2．6 相互影响和样条回归254

8．3 变量间的非线性257

8．3．1 函数形式257

8．3．2 识别非线性259

8．3．3 内在线性及其识别261

8．4 设定分析263

8．4．1 变量选择263

8．4．2 相关变量的遗漏265

8．4．3 无关变量的误选267

8．5 有偏估计量和预检估计量268

8．5．1 均方误差检验269

8．5．2 预检估计量272

8．5．3 不等式约束273

8．6 贝叶斯估计275

8．6．1 古典回归模型的贝叶斯分析276

8．6．2 带有提供信息先验密度的估计279

练习282

第9章 数据问题288

9．1 简介288

9．2 多重共线性288

9．2．1 完全共线性289

9．2．2 近似多重共线性289

9．2．3 多重共线性的症状290

9．2．4 多重共线性问题的建议疗法292

9．3 丢失观测值296

9．4 分类数据300

9．5 测量误差和代理变量303

9．5．1 一个不当测量的变量304

9．5．2 具有测量误差的多元回归307

9．5．3 工具变量法308

9．5．4 代理变量310

9．5．5 测量误差的一个具体检验311

9．6 回归诊断和有影响的数据点312

练习313

第10章 古典回归模型的大样本结果317

10．1 简介317

10．2 最小二乘法的有限样本特性317

10．3 古典回归模型的渐近分布理论319

10．3．1 最小二乘系数向量的一致性319

10．3．2 最小二乘估计量的渐近正态性321

10．3．3 b的函数的渐近分布——得尔塔方法322

10．3．4 标准检验统计量的渐近行为325

10．3．5 s2的一致性和Asy.Var[b]的估计量327

10．4 随机回归和滞后因变量328

10．5 正态分布扰动项331

10．5．1 渐近有效性——最大似然估计331

10．5．2 最小二乘缺乏效率的实例334

10．5．3 可供选择的估计准则335

10．5．4 偏离正态性的检测336

练习338

第11章 非线性回归模型340

11．1 简介340

11．2 非线性回归模型340

11．2．1 线性化回归342

11．2．2 非线性最小二乘估计343

11．2．3 非线性回归的一种设定检验：线性对应对数—线性设定的检验347

11．3 因变量的参数变换350

11．4 博克斯——考克斯变换356

11．4．1 解释变量的变换357

11．4．2 模型的变换359

11．5 假设检验和参数约束363

11．4．3 （对数）线性的检验363

11．5．1 一个渐近有效的F检验364

11．5．2 沃尔德检验364

11．5．3 似然比检验365

11．5．4 拉格朗日乘数检验365

练习369

第12章 非线性最优化初步372

12．1 简介372

12．2 最优化问题372

12．3 格点搜索373

12．4 算法的一般特征374

12．5 梯度方法374

12．5．1 最速方向法376

12．5．2 牛顿法376

12．5．4 牛顿法的各种替代方法377

12．5．3 最大似然估计377

12．5．5 拟牛顿法—戴维森—弗菜彻—鲍威尔379

12．6 一些实际考虑380

12．7 例子382

12．8 集总对数似然385

练习386

第13章 非球形扰动项388

13．1 简介388

13．2 普通最小二乘法的结果389

13．2．1 有限样本特性389

13．2．2 最小二乘法的渐近特性390

13．3 有效估计392

13．3．1 广义最小二乘法392

13．3．2 最大似然估计395

13．4 未知Ω时的估计396

13．4．1 可行的最小二乘估计396

13．4．2 最大似然估计397

13．5 广义矩法（GMM）估计量401

13．5．1 矩法估计量402

13．5．2 矩法的一般化403

13．5．3 检验矩约束的有效性406

13．5．4 经济计量模型的GMM估计407

13．5．5 约束的检验411

练习413

第14章 异方差性416

14．1 简介416

14．2 普通最小二乘法估计419

14．2．1 最小二乘法无效性420

14．2．2 b的估计协方差矩阵421

14．2．3 适于普通最小二乘法的协方差矩阵的估计423

14．3 异方差性的检验425

14．3．1 怀特的一般检验425

14．3．2 戈德菲尔德—匡特检验426

14．3．3 布罗施—帕甘/戈弗雷检验428

14．3．4 组间异方差性的检验429

14．3．5 基于回归的检验——格菜舍尔检验429

14．4 已知Ω时的广义最小二乘法430

14．5 Ω含有未知参数的估计433

14．5．1 两阶段估计433

14．5．2 最大似然估计437

14．6 一般结论442

练习444

第15章 自相关扰动项447

15．1 简介447

15．2 时间序列数据分析450

15．3 扰动过程452

15．3．1 扰动过程的特征452

15．3．2 AR（1）扰动项453

15．4 最小二乘估计455

15．4．1 具有滞后因变量的OLS估计456

15．4．2 最小二乘法的有效性457

15．4．3 最小二乘估计量方差的估计459

15．5 自相关的检验461

15．5．1 德宾一沃森检验461

15．5．2 其他检验过程464

15．5．3 存在滞后因变量时的检验466

15．6 已知Ω时的有效估计466

15．6．1 广义最小二乘法466

15．6．2 最大似然估计468

15．7 已知Ω时的估计469

15．7．1 AR（1）扰动项469

15．7．2 AR（2）扰动项474

15．7．3 具有滞后因变量的估计474

15．8 存在自相关时的预测476

15．9 自回归条件异方差性478

练习482

16．2 时间序列及横截面数据484

第16章 同时利用横截面和时间序列数据的模型484

16．1 简介484

16．3 几种时间序列的模型488

16．3．1 横截面异方差性489

16．3．2 横截面相关性493

16．3．3 自相关性496

16．3．4 随机系数模型500

16．3．5 小结505

16．4 纵向数据506

16．4．1 非均匀性的基本模型507

16．4．2 固定影响508

16．4．3 随机影响512

16．4．3a 广义最小二乘法513

16．4．3b 当Ω未知时可行广义最小二乘法517

16．4．4 固定影响还是随机影响522

第17章 回归方程组531

17．1 简介531

17．2 似乎不相关回归模型532

20．2 联立方程组的基本问题532

17．2．1 广义最小二乘法533

17．2．2 可行广义最小二乘法534

17．2．3 最大似然估计539

17．2．3a 迭代FGLS539

17．2．3b 直接最大似然估计540

17．2．4自相关性544

17．3 需求方程组——奇异方程组545

17．4 灵活函数形式——超越对数函数550

练习554

练习555

18．1 简介559

18．2 分布滞后模型559

第18章 具有滞后变量的回归559

18．2．2 滞后算子和差分算子562

18．3 无约束有限分布滞后模型563

18．4 多项式分布滞后模型566

18．4．1 利用约束最小二乘的估计571

18．4．2 确定多项式的次数573

18．5 几何滞后模型574

18．4．3 确定滞后长度574

18．5．1 具有几何滞后的经济模型576

18．5．2 几何滞后模型中的随机变化578

18．5．3 估计移动平均形式的几何滞后模型578

18．5．3a 非相关扰动579

18．5．3b 自相关扰动580

18．5．3c 估计MA形式的局部调整模型584

18．5．4 估计自回归形式的几何滞后模型584

18．5．4a 非相关扰动585

18．5．4b 自相关扰动——工具变量法585

18．5．4c 自回归扰动——烟中估计量和最大似然估计量586

18．5．4d MA扰动——自适应期望模型587

18．5．5 几何滞后模型的扰动设定588

18．6 动态回归模型588

18．6．1 ARIMA和ARMAX模型的非线性最小二乘估计590

18．6．2 在ARMAX模型中计算滞后权重592

18．6．3 动态方程的稳定性594

18．6．4 预测595

练习597

附录：非线性最小二乘估计598

第19章 时间序列模型600

19．1 简介600

19．2 平稳随机过程601

19．2．1 自回归——移动平均过程601

19．2．2 向量回归603

19．2．3 平稳性和可逆性606

19．2．4 平稳过程的自相关608

19．3 积分过程和差分过程610

19．4 随机游动、趋势和伪回归613

19．5 经济数据中的单位根615

19．6 共积和误差纠正619

19．7 广义自回归条件异方差620

19．7．1 GARCH模型的最大似然估计623

19．7．2 伪最大似然估计627

19．7．3 GARCH效应的检验628

19．7．4 一个例子629

练习630

第20章 联立方程组模型631

20．1 简介631

20．2．1 说明性方程组632

20．2．2 联合方程模型的一般记号635

20．3 识别问题639

20．3．1 识别的秩条件和阶条件644

20．3．2 通过非样本条件识别650

20．4 估计方法654

20．4．1 普通最小二乘和三角方程组654

20．4．2 间接最小二乘法657

20．4．3 工具变量法估计657

20．4．4 单方程工具变量法658

20．4．4a 恰好可识别方程的估计658

20．4．4b 两阶段最小二乘估计659

18．2．1 回归模型中的滞后影响660

20．4．4c 有限信息最大似然法662

20．4．4d 具有自相关性的两阶段最小二乘法665

20．4．4e 变量非线性模型中的两阶段最小二乘法666

20．4．5 系统估计方法667

20．4．5a 三阶段最小二乘668

20．4．5b 完全信息最大似然估计670

20．4．6 方法比较672

20．5 设定检验674

20．6 动态模型的特性678

20．6．1 动态模型和它们的乘子678

20．6．2 稳定性681

20．6．3 到均衡的调整683

练习686

附录：美国经济的年度数据688

第21章 离散因变量模型694

21．1 简介694

21．2 离散选择模型695

21．3 二元选择模型696

21．3．1 回归方法696

21．3．2 指数函数随机效用模型701

21．4 二元选择模型中的估计和推断703

21．4．1 二元选择模型中的设定检验709

21．4．1a 忽略变量的检验709

21．4．1b 异方差性的检验710

21．4．2 拟合优度的度量712

21．4．3 比例数据的分析714

21．5 近期发展716

21．5．1 面板数据的固定和随机影响模型716

21．5．2 半参数估计719

21．5．3 非参数估计——最大得分估计量720

21．6 双变量和多变量Probir模型721

21．6．1 最大似然估计723

21．6．2 推广725

21．6．2a 多变量Probir模型725

21．6．2b 带有审查的模型726

21．7 多重选择模型727

21．7．1 无序多重选择727

21．7．1a 多元态Logit模型728

21．7．1b 条件Logit模型730

21．7．1c 无关备择的独立性733

21．7．2 有序数据734

21．8 计数数据的一个泊松模型739

练习743

第2章 受限因变量及持续模型745

22．1 简介745

22．2 截断746

22．2．1 截断分布746

22．2．2 截断分布的矩747

22．2．3 截断回归模型751

22．2．3a 最小二乘估计752

22．2．3b 最大似然估计753

22．3 审查数据754

22．3．1 被审查正态分布755

22．3．2 被审查回归模型——Tobit模型758

22．3．3 估计761

22．3．4 设定中的一些主题762

22．3．4a 异方差性763

22．3．4b Prob[y*<0]的误设定765

22．3．4c 正态性765

22．3．4d 条件矩检验——简介766

22．4 选择——偶然截断771

22．4．1 双变量分布中的偶然截断772

22．4．2 一个选择模型中的回归773

22．4．3 估计776

22．4．4 处理影响778

22．4．5 正态性假定780

22．5 持续数据模型780

22．5．1 持续数据781

22．5．2 一种拟回归方法——持续参数模型782

22．5．2a 理论背景782

22．5．2b 机会比率的模型783

22．5．2c 最大似然估计784

22．5．2d 外生变量786

22．5．2e 设定分析788

22．5．2f 非均匀性790

22．5．3 其他各种方法791

练习793

附表795

1．累积正态分析795

2．标准正态密度的纵标796

3．学生氏t分布的百分点797

4．卡方分布的百分点798

5．F分布的第95个百分点800

6．F分布的第99个百分点802

7．德宾——沃森统计量804

8．不带季节虚拟变量回归的d4，L和d4,u的百分之五显著点（k=k1+1）810

参考文献811

中英文作者名对照842

中英文主题索引849