《计量经济学 理论与应用 上》求取 ⇩

第一章　绪论1

1.1计量经济学的特质1

1.2.1 前提2

1.2 计量性经济知识的探寻2

1.2.2 实验4

1.3 建立非实验性模型建置的限制条件5

1.4 本书与其他各章的目的7

1.5 本书的编排次序8

第一部份　基本原理：统计模型的模式设定说明、估计与推测11

2.2抽样、样本空间与随机变数13

2.1 前言13

第二章　样本资料分析13

2.2.1 随机变数和机率密度函数15

2.2.2 平均数和变异数18

2.3 估计随机变数的平均数和变异数的线性统计模型21

2.4 随机变数之均数的估计量30

2.5 应用抽样理论方法进行推论33

2.6 随机变数之变异数的估计量38

2.7 均数线性统计模型之蒙地卡罗实验40

2.8 样本均数最小平方估计量的大样本性质42

2.9 重点摘要43

2.10.1　个别性练习题44

2.10　练习题44

2.10.3　代数性练习题45

2.10.2　分组班级练习题45

2.11　参考文献46

3.1 常态线性统计模型49

第三章 抽自常态分配母体的样本分析49

3.2 应用最大概似方法进行估计51

3.3.1 理论55

3.3 β最大概似估计量的抽样分配55

3.3.2 实验56

3.4.1 理论57

3.4 σ2最大概似估计量的抽样分配57

3.4.2 实验59

3.5 卡拉摩-劳下界值60

3.6 重点摘要64

3.7.1 个别性练习题65

3.7 练习题65

3.7.3 代数性练习题66

3.7.2 分组班级练习题66

3.8 参考文献68

4.2 均数的区间估计69

4.1 前言69

第四章　常态线性模型的区间估计量和假设检定69

4.2.1 当σ2是已知情况下β的区间估计70

4.2.2 当σ2是未知情况下β的区间估计72

4.3　σ2的区间估计75

4.4 一个母体均数未知的假设检定76

4.4.1 概似比检定77

4.4.2 当σ2未知时，常态母体均数的概似比检定83

4.5 常态母体变异数的概似比检定85

4.6 重点摘要87

4.7.1 个别性练习题88

4.7 练习题88

4.8 参考文献89

4.7.3 代数性练习题89

4.7.2 分组班级练习题89

5.1 贝氏推论和贝氏定理91

第五章　估计一个常态母体均数和变异数的贝氏方法91

5.2.1 非资讯性事前机率94

5.2 均数和变异数的事前机率分配94

5.2.2 资讯性事前机率96

5.2.2a　珈玛函数99

5.2.2b　充分统计量100

5.2.3 资讯性事前机率密度的例子101

5.3 事後机率分配104

5.3.1 非资讯性事前机率所导出的联合事後机率密度105

5.3.2 资讯性事前机率所导出的联合机率密度106

5.4 均数和变异数的边际分配108

5.4.1 续前例题111

5.5 损失函数和贝氏点估计113

5.5.1 二次式损失函数下的贝氏点估计量114

5.5.2 线性损失函数下的贝氏点估计量115

5.5.3 贝氏估计量与抽样理论估计量间的关系116

5.6.1 区间估计120

5.6 假设检定和区间估计120

5.6.2 假设检定123

5.7 重点摘要129

5.8.1 一般练习题131

5.8 练习题131

5.8.2 应用蒙地卡罗资料的练习题132

5.9 参考文献133

第二部份　一般线性统计模型135

第六章　一般线性统计模型137

6.1统计模型的模型设定与说明方法138

6.1.1 误差向量140

6.1.2 抽样过程141

6.1.3 统计模型142

6.1.4 范例145

6.1.5 模型的检讨147

6.2 点估计150

6.2.1 β向量的推估151

6.2.2 最小平方准则152

6.2.3 求解二次式的极小值解154

6.2.4 线性联立方程式系统的求解方法157

6.2.5 最小平方法则160

6.2.6 范例161

6.3.1 最小平方估计量的均数168

6.3 最小平方法则的抽样性质168

6.3.2 共变异数矩阵170

6.4 抽样实绩表现——高斯——马克夫结论173

6.5 纯量σ2的推估176

6.5.1 b的共变异数矩阵的推估180

6.6.1 预测181

6.6 预测与解释度181

6.6.2 范例183

6.6.3 解释度184

6.7 说明最小平方估计量抽样实绩表现情况的蒙地卡罗实验187

6.7.1 抽样实验188

6.7.2 抽样结果189

6.9 练习题194

6.8 重点摘要194

6.9.1 个别练习题195

6.9.2 分组班级练习题196

6.9.3 其他练习题197

6.10　参考文献199

第七章　常态分配形式的一般线性统计模型201

7.1.1 样本资讯的分解析说明202

7.1 最大概似估计202

7.1.3 最大概似估计量203

7.1.2 准则203

7.1.3a β的最大概似估计量204

7.1.3b σ2的最大概似估计量206

7.1.3c　二次项e′（IT-X(X′X)-1X′）e的分配207

7.1.4 ？和？2的抽样实绩情况211

7.1.5 重点摘要说明213

7.1.6 抽样实验214

7.1.6a　抽样结果216

7.2.1 正交情况下的系数向量219

7.2 区间估计219

7.2.1a　单一系数220

7.2.1b　两个或两个以上的联合系数222

7.2.2a β向量的单一线性组合226

7.2.2 一般情况226

7.2.2b　两个或两个以上β向量线性组合的联合229

7.2.3c　联合信赖区间范例231

7.2.3 σ2的区间估计232

7.2.4 预测值的区间估计233

7.3 假设检定236

7.3.1 概似比检定237

7.3.1a　二次式型式比值的分配240

7.3.2 一般线性假设242

7.3.2a　受条件限制下的最大概似估计量244

7.3.3 单一假设248

7.3.4 有关σ2假设的检定251

7.4 重点摘要说明252

7.5.1 个别练习题253

7.5 练习题253

7.6 参考文献255

7.5.2 分组班级练习题255

7.A 附录——矩阵和分配的定理256

7.A.1 矩阵和向量的微分256

7.A.2 与常态理论有关的矩阵代数257

7.A.3 常态分配259

7.A.4 卡方分配，t分配，和F分配260

7.A.5 康瑞克乘积，部份分割逆矩阵和落迟运算式子262

8.1 贝氏方法265

第八章 常态线性统计模型的贝氏估计与推测265

8.2.1 非资讯性事前机率的设定与说明267

8.2 非资讯性事前机率分析267

8.2.2 由非资讯性事前机率所导出的联合事後机率密度函数269

8.2.3a　多元变量t分配补述271

8.2.3 由非资讯性事前机率所导出的边际事後机率密度函数271

8.2.3b β向量中单一元素的边际事後机率密度函数273

8.3.1 自然共轭事前机率的说明与设定274

8.3 资讯性事前机率分析274

8.3.2 自然共轭事前机率范例277

8.3.3 资讯性事前机率的评估281

8.3.4 由资讯性事前机率导出的事後机率密度函数282

8.3.5 续前例题284

8.4.1 点估计287

8.4 点估计和区间估计287

8.4.2 区间估计290

8.5 假设检定293

8.6 结论300

8.7.1 一般练习题301

8.7 练习题301

8.7.2 应用蒙地卡罗样本资料的练习题302

8.8 参考文献304

第三部份一般化线性统计模型307

第九章 线性随机变异性回归变数模型和渐近理论309

9.1 独立随机变异性回归变数模型310

9.1.1 估计程序311

9.1.2 最小平方估计量的抽样特性322

9.2 部份独立随机变异回归自变数模型的问题324

9.3 渐近理论325

9.3.1 一致性和机率极限值326

9.3.1a　机率极限330

9.3.1b　向量和矩阵的机率极限332

9.3.1c　最小平方一致性333

9.3.2 渐近分配335

9.3.2a　样本平均数的渐近分配和最小平方估计337

9.4 部份独立随机变异性回归自变数模型上最小平方估计量的渐近性质342

9.3.2b　最大概似估计量的渐近性质342

9.5 一般线型随机变异性回归自变数模型上的问题344

9.6 工具性变数估计347

9.7 重点摘要说明350

9.8.1 代数练习题351

9.8 练习题351

9.8.2 数值的个别练习题352

9.8.3 分组班极练习题354

9.A 附录——多元变量常态回归模型355

9.9 参考文献355

第十章　非纯量单位矩阵式共变异数矩阵的一般性统计模型361

10.1.1 β的最小平方估计量362

10.1　统计模型362

10.1.2　一般化最小平方估计量363

10.1.3 σ2的一个不偏估计量368

10.1.4　重点摘要369

10.2　常态线性统计模型370

10.3 ？和？的抽样分配372

10.4　区间估计量373

10.5　假设检定374

10.6　应用最小平方过程的结果375

10.7　抽样实验377

10.8　当？未知时的估计和假设检定384

10.9　重点摘要说明387

10.8.1　最大概似估计量387

10.10.1 代数练习题388

10.10 练习题388

10.10.2 个别的数字练习题389

10.11 参考文献391

10.10.3 分组练习题391

第十一章　关联性干扰项的回归方程式组合393

11.1　具有同期相关干扰项的方程式组394

11.1.1　康瑞克乘积395

11.1.2　共变异数已知时的估计398

11.1.3　共变异数矩阵未知时的估计401

11.1.3b 蒙地卡罗实验403

11.1.3a 范例403

11.1.3d 反覆接近估计程序406

11.1.3c 数种不同共变异数矩阵的估计量406

11.1.4　假设检定407

11.2.1　理论结果410

11.2　各组样本资料观察值个数不等时的方程式组410

11.2.2　范例412

11.3　评论413

11.4.1　数字性练习题414

11.4　练习题414

11.4.2　康瑞克乘积415

11.5　参考文献416

第四部份　联立线性统计模型417

12.1　前言419

第十二章　联立线性统计模型导论419

12.2　抽样模型的设定与说明421

12.2.1统计模型423

12.3　最小平方偏误429

12.4　缩减式参数的估计432

12.5　由缩减式参数估计结构式参数的问题433

12.5.1 限制条件式的事前资讯型态435

12.5.2 间接最小平方法的范例437

12.6　联立方程式中单一方程式的认定442

12.6.1　秩认定系件式446

12.7　模型制定方法、认定、和估计上的范例449

12.8　重点摘要说明454

12.9.1　代数练习题455

12.9　练习题455

12.9.2　个别数字性练习题456

12.9.3　数字性分组练习题458

12.10 参考文献459

第十三章　联立方程式统计模型的估计与推测461

13.1.1　间接最小平方法462

13.1　过度认定方程式上有的参数估计问题462

13.1.2　一般化最小平方法465

13.1.2a 一般化最小平方估计量466

13.1.2b 抽样特性468

13.1.2c 两阶段最小平方估计量469

13.2　渐近有效估计量的探寻470

13.2.1　三阶最小平方估计量471

13.2.3　估计量的比较475

13.2.2　抽样性质475

13.2.4 有限和充分资讯最大概似方法478

13.3　其他不同估计量的渐近和有限抽样性质481

13.4　范例484

13.5　在预测和决策目的下如使用有关计量经济模型的结论492

13.6　重点摘要说明495

13.7.2　个别数字性练习题497

13.7.1　代数性练习题497

13.7　练习题497

13.7.3　练习题498

13.A　附录——2SLS和3SLS 估计量的渐近抽样特性499

13.8　参考文献499

第五部份　处理未知互变异数矩阵的程序507

14.1　背景509

第十四章　非均齐变异性509

14.2　经济和统计环境511

14.3　一般化最小平方估计513

14.3.1　变异数已知时的范例516

14.4　变异数未知517

14.4.1　变异数的估计518

14.4.2　估计的一般化最小平方估计量521

14.5.1　乘积式非均齐变异性的检定523

14.5　非均齐变异性的检定523

14.5.2　高德斐尔德——匡特检定524

14.5.3　布鲁薛——培根检定526

14.6　一般评语527

14.7　范例528

14.8.1　代数性练习题534

14.8　练习题534

14.8.2　个别数字性练习题535

14.8.3　分组练习题538

14.9　参考文献539

15.1　背景与模型541

第十五章　自行相关541

15.2.1　最小平方法的性质547

15.2　估计547

15.2.2　一般化最小平方估计548

15.2.3　估计的一船化最小平方估计551

15.2.4　非线性最小平方估计554

15.2.5　最大概似估计557

15.3.1　渐近检定559

15.3　一阶自行回归误差的检定559

15.3.2杜宾——瓦生检定560

15.3.2a 摘要说明567

15.3.2b 范例568

15.3.3　杜宾氏h统计量569

15.4　自行相关误差的预测涵义570

15.4.1　最佳线性不偏预测572

15.5　范例576

15.6　摘要说明580

15.7.1 一般练习题582

15.7　练习题582

15.7.2　应用蒙地卡罗样本资料的个别练习题585

15.7.3　应用蒙地卡罗样本资料的分组练习题588

15.8　参考文献589

第六部份　资料的混合使用和变异性参数模型591

16.1　背景与模型593

第十六章　时间数列和横断面样本资料的应用593

16.2　虚拟变数模型594

16.2.1　参数估计596

16.2.2　变异数估计599

16.2.3　不同形式的参数化程序600

16.2.4　虚拟变数系数的检定602

16.2.5　范例604

16.3　误差成份模型607

16.3.1　一般化最小平方估计609

16.3.2　变异数成份的估计613

16.3.4　模型设定的检定616

16.3.3　随机成份的预测616

16.3.5　续前例题617

16.4　固定或随机的影响效果？619

16.5　一般评论621

16.6.1　代数性练习题622

16.6　练习题622

16.6.2　个别数字性练习题623

16.6.3　分组练习题625

16.7　参考文献626

17.1　背景627

第十七章　变异性参数模型627

17.2　随机系数模型628

17.3　系统变异性参数模型630

17.3.1　一个基本的模型631

17.3.2a季节性模型632

17.3.2　扭转式回归模型632

17.3.2b 逐段回归模型636

17.4　摘要说明637

17.5　练习题638

17.6　参考文献640

第七部份　不可观测的变数和计质性变数641

18.2　可获重覆样本资料观察值时的二元选择模型643

18.1　背景643

第十八章　计质性或受限因变数的模型643

18.2.1　机率转换值模型645

18.2.2　对数转换值模型648

18.3　不可获重覆样本资料观察值时的二元选择模型650

18.4　有限因变数模型654

18.6　练习题657

18.5　摘要说明657

18.7　参考文献659

第十九章　不可观测变数661

19.1　变数中误差的统计结果662

19.2　x和y同时都具含衡量误差时的最大概似估计量666

19.3　外加无谓参数方程式形式的额外资讯669

19.4　范例674

19.5　摘要说明677

19.6.1　代数性练习题678

19.6　练习题678

19.6.2　个别性练习题679

19.7　参考文献682

19.6.3　班级练习题682

第八部份　非样本资讯、偏颇的估计及设计矩阵维度和形式的选择683

第二十章　非样本资讯的应用685

20.1　精确的事前资讯686

20.1.1 平均数和共变异数689

20.1.2　不正确限制的结果691

20.1.3　精确评估估计量实绩结论情况的探讨692

20.1.4　一般线性假设697

20.2　随机变异线性限制条件式700

20.2.1　统计模型701

20.2.2　估计量702

20.2.3　抽样比较分析703

20.2.4　随机变异线性假设705

20.3　线性不等式限制条件式707

20.3.1　不等式限制估计量708

20.3.2　抽样性质710

20.3.2a平均数712

20.3.2b 风险714

20.3.3　假设检定715

20.3.3a 检定统计量716

20.4　摘要说明717

20.5.1 与本章第一节有关的个别练习题718

20.5　练习题718

20.5.4　与本章第二节有关的联合或班级练习题719

20.5.3　与本章第二节有关的个别练习题719

20.5.2　与本章第一节有关的联合或班级练习题719

20.5.6　与本章第三节有关的联合或班级练习题720

20.5.5　与本章第三节有关的个别练习题720

20.6　参考文献721

21.1　事前检定估计量723

第二十一章　偏颇的估计723

21.1.1b 风险726

21.1.1a 偏异性726

21.1.1　抽样实绩情况726

21.1.1c 最适显著水准729

21.2　史典法则730

21.2.1　詹姆士—史典法则731

21.2.2　重新制定法则732

21.2.4　摘要说明734

21.2.3　正数法则734

21.3　类似史典法则的事前检定估计量735

21.4　评语737

21.5.1　个别练习题738

21.5　练习题738

21.6　参考文献739

21.5.2　联合或班级练习题739

22.1　前言741

第二十二章　模型的设定—变数选择741

22.2　不正确设计矩阵的统计结果742

22.2.1 平均平方误差规范747

22.3　假设检定和模型认定749

22.4.1 R2和？2准则750

22.4　特定选择法则750

22.4.2　Cp准则752

22.4.3 阿美米亚预测准则（PC）753

22.5　史典法则754

22.4.4　评语754

22.5.1 史典法则公式755

22.5.2 史典正数法则757

22.6　结论评语758

22.7　练习题759

22.7.2　联合或班级练习题760

22.7.1　个别练习题760

22.8　参考文献761

23.1　前言763

第二十三章　线型重合763

23.2.1　逐对线性相关的影响效果766

23.2　线型重合的统计结果766

23.2.2　一般线性相关的影响效果768

23.2.3　与实数根有关的一些实用矩阵的结果771

23.2.4　线型重合的影响效果772

23.3　侦测线型重合的存在性，严重性，和形式775

23.3.1　侦测线型重合的方法775

23.3.2　范例——克莱-哥德堡格消费函数778

23.4　线型重合问题的解决办法781

23.4.1　额外样本资讯781

23.4.2　真正线性限制条件783

23.4.3　随机变异线性限制条件785

23.5　摘要785

23.6　练习题787

23.7　参考文献788

第九部份　非线性统计模型789

第二十四章　非线性回归模型791

24.1　前言791

24.2　非线性统计模型的参数估计794

24.2.1最小平方估计795

24.2.2　最大概似估计量797

24.2.3 βML的渐近变异数-互变异数矩阵800

24.2.4 βLS的渐近分配801

24.3　计算估计值805

24.3.1　高斯法806

24.3.2　坡度法812

24.4　非样本资讯的应用815

24.4.1　恒等式限制条件817

24.4.2　不等式条件限制820

24.5　信赖区间与假设检定822

24.5.1　信赖区间和信赖区域823

24.5.2　假设检定826

24.6　申论827

24.7　问题829

24.8　参考文献830

第十部份　时间数列和分配性落迟模型831

第二十五章　时间数列分析与预测833

25.1　前言833

25.2　时间数列的数学模型和其特性834

25.2.1　随机变异性过程834

25.2.2　自我共变异数和自我相关函数836

25.2.3　静态随机变异性过程838

25.2.4　落迟运算式子839

25.3　自我回归过程841

25.3.1　自我回归过程的估计843

25.3.2　部分自我相关845

25.4　移动平均过程850

25.4.1移动平均阶数的决定852

25.4.2　移动平均参数的估计855

25.5　自我回归整合移动平均模型857

25.6　巴克斯-詹金斯方法862

25.6.1 认定863

25.6.2　估计865

25.6.3　诊断检验866

25.7　预测868

25.7.1　MA过程的预测868

25.7.2　ARIMA过程的预测871

25.8 ARIMA模型的使用限制，及其与计量经济模型的关系874

25.9　未来研究方向的指引876

25.10 问题878

25.11 参考文献881

第二十六章 两元变量时间数列分析883

26.1　前言883

26.2　两元变量随机变异性过程884

26.3　两元变量自我回归过程886

26.3.1 两元变量自我回归过程参数的估计887

26.3.2　两元变量自我回归过程的模型设定891

26.3.3　范例893

26.4　两元变量自我回归过程预测895

26.5　两元变量时间数列和分配性落迟模型900

26.6　两元变量时间数列模型限制与引申的评论902

26.7　问题904

26.8　参考文献905

第二十七章 分配性落迟模型907

27.1　动态经济模型907

27.2　有限分配性落迟910

27.2.1 奥蒙落迟911

27.2.2　奥蒙落迟多项式次数的决定915

27.2.3　有关多项式落迟应用的问题918

27.3　无限分配性落迟919

27.3.1　几何落迟模型920

27.3.2　几何落迟的估计921

27.3.2a 工具性变数的应用921

27.3.3b 最大概似估计值925

27.4　季节性和分配性落迟926

27.5　重点摘要与结论928

27.6　问题929

27.7　参考文献931

第十一部份　结语933

第二十八章　统计模型、估计量、和检定的重点摘要935

28.1　常态母体平均数和变异数的估计935

28.2　一般线性统计模型942

28.3　其他不同形式设计矩阵和互变异数结构946

28.4　联立方程线性统计模型952

28.5　共变异数矩阵未知的情况955

28.6　变数和变异性参数、计质性因变数、和不可观测变数959

28.7　非样本资讯的应用和设计矩阵的选择965

28.8　非线性统计模型967

28.9　时间数列和分配性落迟模型969

28.10最终评论976

表1 标准常态分配的面积978

表2　t分配的百分比例点979

表3 卡方分配的百比例点980

表4 F分配的百比例点982

表5 杜宾——瓦生检定的临界数值：百分之五的显著水准985

表6 杜宾——瓦生上限界域值的平均数和变异数989

表7 从均齐分配和具有均数为零和互变异数为1常态分配抽样而来的2000个随机数994

表8 两元常态随机变数1009