《经济计量学》求取 ⇩

目 录1

绪论1

§1 概述1

§2什么是经济计量学？2

§3经济计量学的研究目的2

§4经济计量学的研究方法3

1．经济计量模型的制定4

4．经济计量模型的应用——经济预测5

3．经济计量模型的检验5

2．模型参数的估计5

第一章一元线性回归分析7

§1一元线性回归模型及其基本假定7

§2回归参数的最小平方估计12

§3参数估计量的统计性质15

1．线性15

2．无偏性16

3．最佳性17

§4参数估计量的抽样分布及σu？的估计量21

§5 回归参数的区间估计和显著性检验24

1．？、？方差的估计量24

2．α和β的置信区间25

3．α和β的显著性检验25

§6拟合优度和相关系数27

§7 一元回归分析的具体步骤和分析结果的表示方法33

1．回归分析结果的表示方法33

2．一元回归分析的计算步骤34

3．例35

§8与常数项α有关的问题37

1．常数项α一般不能抛弃37

2．？作为常数项的估计值不可信赖39

§9条件预测41

1．E(yf)的置信区间42

2．yf的预测区间44

3．对E(yf)置信区间和yf预测区间有影响的几个因素45

4．例46

§10无条件预测和线性趋势模型48

§11 无条件预测的误差问题52

§12 回归模型的各种函数形式53

1．双对数模型53

2．半对数模型54

3．倒数变换模型55

第二章多元线性回归分析59

§1 多元线性回归模型及其基本假定59

1．二元回归的情形61

§2回归参数的最小平方估计61

2．k元回归的情形（k＞2）64

§3 最小平方估计量的统计性质66

1．线性66

2．无偏性66

3．最佳性67

§4 二元模型中参数估计量的方差表达式69

§5 k(k＞2)元回归模型中参数估计量的方差表达式70

§6随机项方差的无偏估计量73

1．参数估计量的抽样分布和方差估计量77

§7回归参数的置信区间和显著性检验77

2．回归参数的置信区间78

3．回归参数的显著性检验78

§8拟合优度和修正拟合优度79

1．多元回归分析中的拟合优度79

2．修正拟合优度82

§9多元线性回归模型的整体显著性检验84

§10多元线性回归分析举例88

§11预测问题98

1．因变量期望E(yf)的预测（二元回归）98

2．因变量特殊值yf的预测101

3 向任意个自变量情形的推广101

*§12偏相关系数及其意义104

§13多元非线性模型的线性化问题109

1．可线性化模型的处理方法110

2．不可线性化模型的处理方法111

3．例114

5．非线性预测问题118

4．非线性样本回归便程的评价问题118

第三章矩阵代数在线性回归分析中的应用120

§1 矩阵代数基本知识的简单回顾120

1．定义120

2．基本运算法则122

§2 k元线性回归模型及其基本假定128

§3参数的最小平方估计131

1．线性132

§4参数估计量的统计性质132

2．无偏性133

3．？的方差——协方差矩阵133

4．？的最佳性138

§5 单个参数的区间估计和显著性检验139

§6拟合优度和相关矩阵140

1．拟合优度尺2140

2．相关矩阵141

§7预测141

§8 用自变量偏差x和因变量偏差y表示的回归分析公式143

1． 回归方程和参数估计量144

2．？的方差——协方差矩阵146

3．总平方和分解公式及拟合优度表达式148

§9例150

§10 E(yf)的置信区间和yf的预测区间158

第四章经典回归基本假定的破坏161

§1 关于假定1、2、5的进一步说明161

§2 自相关167

1．什么是自相关167

2．引起自相关的原因169

3．自相关强度的量度——自相关系数170

§3 自相关所造成的后果172

1．自相关不影响OLS估计量的线性和无偏性172

2．自相关使OLS估计量失去最佳性172

3．自相关对参数显著性检验的影响176

4．自相关对OLS估计线的拟合优度的影响177

§4 自相关的诊断：杜宾——沃森检验法178

§5 消除自相关影响的方法（ρ已知的情形）184

2．用迭代法估计ρ187

§6 消除自相关影响的方法（ρ未知的情形）187

1．通过d统计量估计ρ187

§7存在自相关时的预测问题197

§8异方差性202

§9异方差性的后果205

1．线性和无偏性205

2．最佳性206

§10异方差性的诊断和异方差结构的确定209

1．残差图判断法209

2．斯皮尔曼等级相关检验法210

3．戈特菲尔德——奎恩特检验法213

4．帕克——格莱泽检验法214

§11异方差性的处理方法216

*§12 自相关问题的矩阵解法222

1．一阶线性自相关假定下的协方差矩阵222

2．参数的广义最小平方估计223

*§13异方差问题的矩阵解法228

1．参数的广义最小平方估计229

2．随机项方差的估计231

§14多重共线性232

1．完全多重共线性233

2．不完全多重共线性233

§15 多重共线性的后果235

§16多重共线性的诊断240

1．不显著系数法240

2．相关矩阵法241

3．法勒——格洛柏检验法243

2．收集补充数据246

§17消除多重共线性的传统方法246

1．不作处理246

3．利用补充信息247

4．将时间序列与横断面数据结合247

5．对所有变量作滞后差分变换248

6．将共线变量之一摒弃249

第五章经济计量学中的某些特殊技巧251

§1主成分分析251

1．标准化变量和正交变量251

2．正交模型253

3．系数矩阵α和？的估计255

4．多重共线性的诊断和处理256

§2 用主成分分析消除自变量之间依赖关系的实例258

1．求主成分259

2．作主成分回归261

§3岭回归理论267

1．岭回归的一般概念267

2．与岭估计量有关的某些关系和P值的确定269

3．多重共线性的岭诊断法272

§4 用岭回归方法分析多重共线性的实例274

§5贝叶斯估计的一般概念278

1．贝叶斯估计同经典估计的主要区别278

2．贝叶斯公式279

3．损失函数和贝叶斯估计量280

§6样本分布、验前分布和验后分布的确定282

1．样本密度函数282

2．验前密度函数284

3．验后密度函数288

§7最佳贝叶斯估计量的确定，分析举例290

§8质变量的定量表示——虚拟变量296

§9虚拟变量作为自变量的应用297

1．自变量集合中只含虚拟变量的情形297

2．自变量集合中既含量变量又合虚拟变量的情形300

§10虚拟变量作为因变量的应用——线性概率模型305

1．因变量为虚拟变量的回归模型305

2．线性概率模型的估计方法307

3．线性概率模型的应用实例310

*§11非线性概率模型312

1．逻辑模型312

2．逻辑模型的估计方法314

第六章单方程模型中的其它问题322

§1计量误差及其后果322

1．因变量的计算误差323

2．自变量的计量误差325

§2克服计量误差困难的方法325

3．巴特利特三组法326

2．汰特二组法326

1．逆最小平方法326

4．加权回归法327

5．工具变量法330

§3利用组合数据估计回归参数的方法332

§4模型的定型偏倚337

1．遗漏重要自变量的情形338

2．模型包含不相干自变量的情形340

1．经济现象中的滞后效应342

§5分布滞后模型和自回归模型342

2．短期效应和长期效应343

3．分布滞后模型的估计问题346

§6柯克估计法347

§7阿尔蒙估计法350

§8 自回归模型358

1．适应性期望模型359

2．部分调整模型360

§9 自回归模型的估计问题363

1．普通最小平方法364

2．关于D-W检验法的适用性问题366

3．自相关的h检验法369

4．广义最小平方法370

第七章时间序列分析和预测372

§1 时间序列的数学模型及其一般性质373

1．随机过程373

2．自相关函数374

3．平稳随机过程375

4．滞后算符376

§2 自回归过程377

1．自回归过程的平稳条件377

2．自回归过程的自相关函数380

3．自回归过程的识别和估计381

§3移动平均过程385

1．移动平均过程的可转换条件386

2．移动平均过程的自相关函数387

§4 移动平均过程的识别和估计390

2．移动平均过程的参数估计391

1．移动平均过程的识别391

§5 自回归移动平均模型394

1．自回归移动平均模回的原理395

2．ARMA(p、q)的自相关函数396

§6 自回归移动平均模型的识别和估计399

1．ARMA模回的识别399

2．ARMA模型的估计403

§7 ARIMA模型和博克斯——詹金斯方法405

1．非平稳过程的差分子稳化405

2．博克斯——詹金斯方法408

§8 以时间序列模型为基础的预测方法411

1．MA过程的预测411

2．ARMA过程和AR过程的预测416

3．ARIM过程的预测419

§9 ARIMA预测值的性质423

1．AR(1)过程423

2．MA(1)过程424

3．ARMA(1,1)过程424

4．ARIMA(1,1,0)过程425

第八章联立方程模型及其识别428

§1 联立方程模型的一般概念428

1．变量之间的双向因果关系和联立方程模型428

2．OLS估计法遇到的困难429

3．联立方程模型举例430

§2 OLS估计量的同时方程偏倚434

§3联立方程模型的结构形式和约化形式，递回模型436

1．模型的结构形式436

2．模型的约化形式437

3．递归模型439

§4同时方程模型的识别问题441

1．不可识别的情形443

2．正确识别的情形445

3．过度识别的情形446

4．整个模型正确识别的情形448

§5结构方程的识别规则449

1．阶识别条件450

2．秩识别条件453

3．某些实际识别规则458

*§6阶识别条件和秩识别条件的证明459

*§7识别问题和多重共线性问题465

第九章联立方程模型的估计方法467

§1估计方法概述467

§2普通最小平方法（OLS法）468

§3间接最小平方法（ILS法）470

§4工具变量法（IV法）475

1．2SLS法的基本思想478

§5二阶段最小平方法（2SLS法）478

2．方程正确识别时2SLS法与ILS法的等价性480

3．2SLS估计法举例481

4．2SLS估计量的统计性质482

5．自由度问题485

6．2SLS法的一些突出优点486

*§6有限信息最大似然法487

1．2SLS法的局限性487

2．有限信息最小方差比法（LI/LVR法）489

3．例491

4．LI/ML(LI/LVR)法的优缺点494

*§7表观独立方程模型和系统估计的概念495

*§8 同时方程模型和3SLS估计法502

1．2SLS估计503

2．广义最小平方估计（GLS估计）506

*§9估计量样本性质的研究和估计方法的选择511

1．蒙特卡罗法的基本概念512

2．各种估计量的小样本性质514

3．估计方法的选择问题516

参考书目516

附录Ⅰ 几个与偏差有关的恒等式517

附录Ⅱ 多元线性模型的对称性及其应用518

附录Ⅲ 统计表519

表1 正态曲线下的面载519

表2 t分布的百分位数519

表3 F分布的百分位数519

表4 杜宾－沃特森检验的临界值表519