《经济计量学理论与实践引论》求取 ⇩

1.2 数量经济知识的搜索1

1.2.1 假定1

目录1

第一章 绪论1

1.1 经济计量学的性质1

1.2.2 试验2

1.3 非试验建模的约束3

1.5 本书的组织4

1.4 本书的目标4

2.2.1 试验、样本空间和事件5

2.2 概率5

第一篇 统计推断基础5

第二章 概率与分布理论5

2.1 引言5

2.2.2 事件的概率6

2.2.3 条件概率与独立事件7

2.2.4 贝叶斯规则8

2.3.1 随机变量与随机变量的值9

2.3 随机变量与概率分布9

2.3.3 离散随机变量的概率分布10

2.3.2 离散与连续随机变量10

2.3.4 连续随机变量的概率分布11

2.3.5 多元分布13

2.3.6 边缘分布14

2.3.7 条件分布与独立随机变量15

2.3.8 随机变量函数的分布17

2.4.1 随机变量的期望值20

2.4 数学期望20

2.4.2 单一随机变量函数的期望21

2.4.4 矩22

2.4.3 多个随机变量函数的期望22

2.4.6 多元随机变量的期望23

2.4.5 切贝谢夫定理23

2.5 某些特殊分布24

2.5.3 多项分布25

2.5.2 二项分布25

2.5.1 贝努里分布25

2.5.5 正态分布26

2.5.4 伽玛分布26

2.5.6 二元正态分布27

2.5.7 多元正态分布28

2.5.8 与正态有关的分布：x2,t,F29

2.6 小结和进一步阅读指南30

2.5.9 多元正态随机变量二次型的分布30

2.7 练习31

2.8 参考文献32

3.1 引言33

第三章 统计推断：估计与假设检验33

3.2 寻求点估计量的方法34

3.2.2 极大似然法35

3.2.1 矩法35

3.2.3 最小平方估计法38

3.3.1a 估计量的性能：偏倚与精度39

3.3.1 估计量的小样本特性：单参数情形39

3.2.4 贝叶斯估计法39

3.3 点估计量的性质39

3.3.1b 偏倚与精度41

3.3.1c 有效性42

3.3.2a 估计量的性能：偏倚与精度44

3.3.2 估计量的小样本特性：多参数情形44

3.3.2c 有效性45

3.3.2b 偏倚与精度45

3.3.3a 一致性48

3.3.3 估计量特性：大样本结果48

3.3.3b 依分布收敛49

3.3.3c 渐近有效性50

3.4 区间估计51

3.5 假设检验53

3.5.1 统计检验的要素54

3.5.2 检验的功效56

3.5.3 似然比检验58

3.5.4 渐近检验61

3.6 置信区间和假设检验之间的关系64

3.8 练习66

3.7 小结和进一步阅读指南66

3.9 参考文献68

4.1 引言69

第四章 贝叶斯推断69

4.3.1 二次损失函数的贝叶斯点估计量70

4.2.1 来自于信息先验的后验分布70

4.2 正态分布均值的贝叶斯推断（已知方差）70

4.2.2 无信息先验的推断问题74

4.2.3 区间估计76

4.2.4b 后验优势与假设检验77

4.2.4 假设检验77

4.2.4a 使用HPD区间的假设检验77

4.2.5 预测78

4.3 点估计79

4.3.3 决策理论在抽样理论结构中的应用80

4.3.2 线性损失函数的贝叶斯点估计量80

4.4.1 均值和标准差的信息先验83

4.4 正态分布的均值和标准差的贝叶斯推断83

4.4.2 来自信息先验的联合后验密度85

4.4.3 均值和标准差的边缘后验密度87

4.4.4 无信息先验情况下关于均值和标准差的推断89

4.5 小结和进一步阅读指南90

4.6 练习91

4.7 参考文献92

5.2 线性统计模型193

5.1 引言93

第二篇 一般线性统计模型93

第五章 线性统计模型93

5.3 线性统计模型295

5.3.1 位置参数的估计96

5.3.2 抽样特性98

5.3.3 预测99

5.3.5 对成功的度量100

5.3.4 σ2的一个估计量100

5.3.6 一个例子101

5.3.7 线性形式102

5.3.8 练习103

5.4.1 统计模型的设定104

5.4 一般线性统计模型——模型3104

5.4.1b 抽样过程105

5.4.1a 误差向量105

5.4.1c 统计模型106

5.4.2 一个例子107

5.4.3 模型评论108

5.5.1 向量β的估计109

5.5 点估计109

5.5.2 最小平方准则110

5.5.3 二次型的极小化111

5.5.4 最小平方规则112

5.5.5 一个例子113

5.6.1 最小平方估计量的均值116

5.6 最小平方规则的抽样特性116

5.6.2 协方差矩阵117

5.7 抽样性能——高斯－马尔可夫定理118

5.8 尺度参数σ2的估计120

5.9.1 预测122

5.9 预测和解释程度122

5.8.1 b的协方差矩阵的估计122

5.9.3 解释程度123

5.9.2 一个例子123

5.10.1 抽样试验125

5.10 说明最小平方估计量抽样性能的蒙特卡罗试验125

5.10.2 抽样结果126

5.12 练习127

5.11 最后几点附注127

5.13 参考文献和进一步阅读指南128

6.1.1 样本信息的解析表示129

6.1 极大似然估计法129

第六章 正态一般线性统计模型129

6.1.3a β的极大似然估计量130

6.1.3 极大似然估计量130

6.1.2 准则——似然原理130

6.1.3b σ2的极大似然估计量131

6.1.3c ？2和？的独立性132

6.1.3e 克拉美－拉奥下界及？与？2的抽样性能133

6.1.3d ？和？2的充分性和抽样性能133

6.1.5 一个抽样试验134

6.1.4 小结134

6.1.5a 抽样结果135

6.2 约束极大似然估计137

6.2.1 均值与协方差139

6.2.3 一个例子140

6.2.2 错误约束的后果140

6.3.1 向量β的单一线性组合141

6.3 区间估计141

6.3.2 向量β的两个或更多个的线性组合143

6.3.2b 联合区域的估计——标准正交情形144

6.3.2a 联合置信区域的例子144

6.3.3 σ2的区间估计146

6.3.4 预测区间估计量147

6.4 假设检验148

6.4.1 似然比检验统计量150

6.4.1a 经验检验结果152

6.4.2 单一假设153

6.4.3 关于σ2的假设检验155

6.6 最小平方估计量的渐近特性156

6.5 小结156

6.6.1 一致性157

6.6.2 推断159

6.7.1 个人练习160

6.7 练习160

6.7.2 小组或班级练习161

6.8 参考文献和进一步阅读指南162

7.2 一个简单模型163

7.1 引言163

第七章 正态线性统计模型的贝叶斯分析163

7.2.1 具有信息先验的贝叶斯推断164

7.2.2 具有无信息先验的贝叶斯推断167

7.3.1 来自信息先验的后验分布169

7.3 扰动方差已知的一般线性模型的贝叶斯推断169

7.3.2 来自无信息先验的后验分布171

7.4 一个例子172

7.5.1 作为点估计量的后验均值175

7.5 点估计175

7.5.2 经验贝叶斯估计177

7.6 假设的比较和后验优势179

7.7.1 β和σ的联合信息先验183

7.7 扰动方差未知的一般线性模型的贝叶斯推断183

7.7.2 β和σ的联合后验密度函数185

7.7.3a 关于多元t分布的插叙186

7.7.3 β的边缘后验密度函数186

7.7.3b β的单个元素的边缘后验密度187

7.7.3c 生产函数一例的再考虑188

7.7.4 无信息先验的后验密度190

7.8 小结和进一步阅读指南191

7.9 练习192

7.10 参考文献194

第八章 具有非纯量单位协方差矩阵的一般线性统计模型195

第三篇 线性统计模型的推广195

8.1.1 β的最小平方估计量196

8.1 统计模型与估计量196

8.1.2 广义最小平方估计量197

8.1.5 一个抽样试验198

8.1.4 小结198

8.1.3 σ2的无偏估计量198

8.2 正态线性统计模型200

8.3 ？和？g？的抽样分布201

8.5 假设检验202

8.4 区间估计量202

8.6 使用最小平方法的后果203

8.7 预测204

8.9.2 数值练习207

8.9.1 代数练习207

8.8 小结207

8.9 练习207

8.10 参考文献208

8.9.3 个人或小组练习208

9.1 背景209

第九章 具有未知协方差矩阵的一般线性统计模型209

9.2 估计广义最小平方法210

9.3.1 经济与统计背景212

9.3 异方差性212

9.3.2 广义最小平方估计213

9.3.3 具有两个未知方差的模型215

9.3.2a 一个具有已知方差的例子215

9.3.3a 初步检验估计量216

9.3.4 具有积性异方差性的模型218

9.3.4a α的估计219

9.3.4b 估计广义最小平方估计量220

9.3.5a 积性异方差性的检验221

9.3.5 异方差性的检验221

9.3.5c 布罗施－帕甘（Breusch-Pagan）检验222

9.3.5b 戈德菲尔德－匡特（Goldfeld-Quandt）检验222

9.3.7 一个例子223

9.3.6 小结223

9.4.1 代数练习226

9.4 关于异方差性的练习226

9.4.2 个人数值练习227

9.4.3 小组练习228

9.5.1 背景和模型229

9.5 自相关229

9.5.2 估计231

9.5.2a 广义最小平方估计232

9.5.2c 其它估计量234

9.5.2b 估计广义最小平方估计234

9.5.3a 一种渐近检验235

9.5.3 一阶自回归误差的检验235

9.5.3b 德宾－沃森（Durbin-Watson）检验236

9.5.3c 一个例子239

9.5.4 预检估计量240

9.5.3d 德宾的h统计量240

9.5.5 自相关误差的预测含意241

9.5.6 一个例子243

9.6.1 一般练习245

9.6 关于自相关的问题245

9.5.7 小结245

9.6.2 运用蒙特卡罗数据的个人练习246

9.7 参考文献247

9.6.3 使用蒙特卡罗数据的小组练习247

9.A.2 大折刀法249

9.A.1 靴襻法249

9.A 附录：再抽样方法249

9.A.4 参考文献250

9.A.3 一个例子250

10.2 虚变量在估计中的应用251

10.1 引言251

第十章 虚变量与可变参数模型251

10.2.1 允许截距变化的情况252

10.2.2 截距和一些斜率参数可变的情况254

10.2.3 允许截距和所有斜率参数都变动的情况256

10.2.4 两组或更多组虚变量的情况257

10.2.5 开关回归模型258

10.3 用虚变量检验位置向量的变化259

10.2.6 小结和进一步阅读虚变量内容指南259

10.4 系统可变参数模型260

10.5 希尔德雷斯－霍克随机系数模型261

10.6 小结和进一步阅读指南262

11.2 似不相关回归方程263

第十一章 线性统计模型组263

10.7 练习263

11.1 引言263

10.8 参考文献264

11.2.1 一般模型设定268

11.2.2 具有已知协方差矩阵的估计269

11.2.3 具有未知协方差矩阵的估计270

11.2.4 一个例子与蒙特卡罗试验271

11.2.5b 对系数的线性约束273

11.2.5a 同期相关检验273

11.2.5 假设检验与约束估计273

11.2.6 再举一例275

11.2.7a 理论结果277

11.2.7 观测值个数不等的方程组277

11.2.7b 一个例子278

11.3.1 一般练习279

11.3 似不相关回归的练习279

11.2.8 模型的扩展279

11.3.2 使用蒙特卡罗数据的练习280

11.4 用虚变量合并时间序列数据和截面数据281

11.4.1 参数估计282

11.4.2 方差估计283

11.4.3 一个可采用的参数化方法284

11.4.4 虚变量系数检验285

11.4.5 一个例子286

11.5 用误差分量合并时间序列数据和截面数据287

11.5.1 广义最小平方估计288

11.5.2 方差分量的估计290

11.5.3 随机分量的预测291

11.5.5 例子（续）292

11.5.4 设定的检验292

11.6.1 虚变量与误差分量293

11.6 合并模型的选择293

11.7.2 个人数值练习294

11.7.1 代数练习294

11.6.2 合并数据的其它模型294

11.7 虚变量和误差分量练习294

11.8 参考文献295

11.7.3 小组练习295

11.A 附录：二元（多元）正态随机变量296

12.1 引言297

第十二章 非线性最小平方估计和非线性极大似然估计297

12.2 非线性最小平方原理298

12.2.1 单参数的非线性最小平方估计299

12.2.1b 续例302

12.2.1a 性质302

12.2.2 多参数的非线性最小平方估计303

12.2.3a 柯布－道格拉斯生产函数306

12.2.3 柯布－道格拉斯（Cobb-Douglas）和CES生产函数的估计306

12.2.3b CES生产函数307

12.2.4a 单参数情形308

12.2.4 牛顿－拉夫森算法308

12.2.4b 一个例子310

12.2.4 cK个参数的一般情形311

12.2.5 极大似然估计312

12.2.5b 供选择的算法和协方差矩阵估计量313

12.2.5a 性质313

12.3.1 一般考虑315

12.3 具有一般协方差矩阵的线性模型的估计315

12.3.1b 极大似然估计316

12.3.1a 非线性最小平方估计316

12.3.1c 贝叶斯估计317

12.3.2a 非线性最小平方估计318

12.3.2 一阶自回归误差318

12.3.2b 极大似然估计319

12.3.2c 贝叶斯估计321

12.3.3 异方差误差模型322

12.3.4 沃尔德、拉格朗日乘数和似然比检验324

12.3.4a 线性约束Rβ=r的检验326

12.3.4b 积性异方差性的检验328

12.4 非线性似不相关回归方程330

12.4.2 极大似然估计331

12.4.1 两步估计331

12.4.3 一个例子：线性支出系统332

12.5 函数形式——Box-Cox变换333

12.5.1 极大似然估计334

12.5.1b 具有不同变换参数的估计335

12.5.1a 非线性最小平方法的极大似然估计335

12.5.2 一个例子336

12.6 小结和进一步阅读指南337

12.7.2 基于蒙特卡罗的练习338

12.7.1 个人练习338

12.7 练习338

12.8 参考文献339

12.7.2b 联合或班级练习339

12.7.2a 个人数值练习339

13.1 独立随机回归自变量模型341

第十三章 随机回归自变量341

13.2 部分独立的随机回归自变量342

13.2.1 若干渐近结果343

13.3.1 工具变量估计344

13.3 一般随机回归自变量模型344

13.4 计量误差346

13.3.2 一个数值例子346

13.4.1 变量误差的统计后果347

13.4.2 多余参数的附加方程348

13.4.3 一个数值例子351

13.5 结论352

13.6.2 个人数值练习353

13.6.1 代数练习353

13.6 练习353

13.7 参考文献354

14.1 引言355

第十四章 联立线性统计模型导论355

第四篇 联立线性统计模型355

14.2 抽样模型的设定356

14.2.1 统计模型357

14.2.2 几个渐近设定359

14.3 最小平方偏倚361

14.4 简化型参数估计363

14.5 由简化型参数导出结构参数的问题364

14.5.1 先验信息（约束）的类型365

14.5.2 间接最小平方法举例366

14.6 方程组内一个方程的识别368

14.5.3 一个经验例子368

14.6.1 识别的秩条件369

14.7 模型建立、识别和估计的几个例子371

14.9.1 代数练习374

14.9 练习374

14.8 小结和进一步阅读指南374

14.9.2 个人数值练习375

14.10 参考文献376

14.9.3 小组数值练习376

15.1.1 间接最小平方法377

15.1 过度识别方程的参数估计问题377

第十五章 联立方程统计模型的估计与推断377

15.1.2a 广义最小平方估计量379

15.1.2 广义最小平方法379

15.1.2b 抽样特性380

15.1.2c 两阶段最小平方（2SLS）估计量382

15.2.1 三阶段最小平方（3SLS）估计量383

15.2 渐近有效估计量的寻求383

15.2.2 抽样特性385

15.2.3 估计量比较386

15.2.4 有限和完全信息极大似然法387

15.3 各种估计量的渐近特性及有限样本特性389

15.4 一个例子390

15.5 经济计量模型的结果用于预测和决策目的393

15.6 小结396

15.7.3 小组练习397

15.7.2 个人数值练习397

15.7 练习397

15.7.1 代数练习397

15.8 参考文献398

16.1 引言399

第十六章 时间序列分析和预测399

第五篇 时间序列和分布滞后模型399

16.2.2 自协方差函数和自相关函数400

16.2.1 随机过程400

16.2 时间序列的数学模型及其特征400

16.2.3 平稳随机过程401

16.2.4 滞后算子402

16.3.2 偏自相关403

16.3.1 自回归过程的估计403

§16.3 自回归过程403

16.4.1 移动平均的阶的确定410

16.4 移动平均过程410

16.4.2 移动平均的参数估计412

16.5 ARIMA模型414

16.6 博克斯－詹金斯方法416

16.6.1 识别417

16.6.2 估计418

16.6.3 诊断校验419

16.7 预测420

16.8 ARIMA模型的局限性及其与经济计量模型的关系424

16.9 进一步阅读指南426

16.11 参考文献427

16.10 练习427

17.1 引言429

第十七章 分布滞后429

17.2.1 滞后长度已知时的估计430

17.2 无约束有限分布滞后430

17.2.2 滞后长度的确定431

17.3.1 滞后长度和多项式次数数已知时的估计435

17.3 有限多项式滞后435

17.3.2 多项式次数的确定436

17.3.3 与使用多项式滞后有关的问题438

17.4.1b 局部调整439

17.4.1a 自适应期望439

17.4 无限分布滞后439

17.4.1 两个动态经济模型439

17.4.2a 最小平方估计440

17.4.2 几何滞后模型的估计440

17.4.2b 工具变量估计法441

17.4.2c 极大似然估计443

17.4.3 其它无限分布滞后模型444

17.5 小结和评论445

17.6 练习446

17.7 参考文献447

18.1 背景449

第十八章 多重时间序列449

18.2.1 定义450

18.2 向量自回归过程450

18.2.2 平稳性451

18.3.1 已知阶数p的VAR过程的估计452

18.3 VAR过程的估计与设定452

18.3.2 VAR阶的选择456

18.4 向量自回归过程的预测457

18.5 格兰杰因果关系460

18.6 新生计算和预测误差方差的分解462

18.7 向量自回归模型的扩展465

18.9 练习466

18.8 小结和评论466

18.10 参考文献467

19.1 引言469

第十九章 定性和受限应变量模型469

第六篇 其它经济计量学主题469

19.2 二元决择模型470

19.2.1a Probit模型471

19.2.1 重复观测值可得时Probit和Logit模型的估计471

19.2.1c 一个解释性注释472

19.2.1b Logit模型472

19.2.2 重复观测值不可得时Probit和Logit模型的估计473

19.3.1 Tobit（删截）回归模型最小平方估计量的性质475

19.3 受限应变量模型475

19.3.2 Tobit模型的极大似然估计477

19.3.3 一个例子478

19.5 练习479

19.4 小结和进一步阅读指南479

19.6 参考文献480

20.1 统计决策理论481

第二十章 先验信息、有偏估计和统计模型选择481

20.1.2 决策规则的选择482

20.1.1 基本概念482

20.1.3 测度空间484

20.2.1 精确非样本信息485

20.2 结合样本信息和非样本信息的估计量485

20.2.1a 平方误差损失下的性能486

20.2.1b 一个例子487

20.2.2a 估计量488

20.2.2 随机非样本信息488

20.2.2c 随机线性假设489

20.2.2b 一个例子489

20.2.3a 不等式约束估计量490

20.2.3 线性不等式约束490

20.2.3b 抽样特性491

20.2.3d 不等式约束的贝叶斯分析493

20.2.3c 假设检验493

20.3 预检估计量与斯坦规则（SteinRule）估计量496

20.2.4 小结496

20.3.1 预检估计量497

20.3.1a 抽样性能498

20.3.2a 詹姆斯和斯坦规则499

20.3.2 斯坦规则499

20.3.2b 几点评注500

20.4.1 错误设计矩阵的统计后果501

20.4 模型设定501

20.4.2 均方误差准则503

20.4.3 几种备择变量选择规则504

20.4.3b Cp条件均方误差预测准则505

20.4.3a R2和？准则505

20.4.3c 无条件均方误差准则506

20.4.3f 一个蒙特卡罗抽样研究507

20.4.3e 施瓦茨（Schwarz）准则（SC）507

20.4.3d 赤池（Akaike）信息准则（AIC）507

20.4.4 假设检验与模型识别508

20.4.3g 评注508

20.5.1c §20.2.2的个人练习509

20.5.1b §20.2.1的联合或班级练习509

20.5 练习509

20.5.1 §20.2的练习509

20.5.1a §20.2.1的个人练习509

20.5.3 §20.4的练习510

20.5.2 §20.3的练习510

20.5.1d §20.2.2的联合或班级练习510

20.5.1e §20.2.3的个人练习510

20.5.1f §20.2.3的联合或班级练习510

20.6 参考文献511

20.5.3a 个人练习511

第二十一章 多元共线性513

21.1 引言513

21.2 多元共线性的统计后果514

21.2.1 精确或完全多元共线性514

21.2.2 接近精确多元共线性与辅助回归515

21.2.3 主分量模型中的接近精确多元共线性516

21.3 多元共线性的存在性、严重性以及形式的检测518

21.3.1 检测多元共线性的方法520

21.3.2 一个例子——克莱因－戈德伯格消费函数521

21.4 多元共线性问题的解决521

21.4.1 追加样本信息522

21.4.2 严格线性约束522

21.4.3 岭回归524

21.6 练习526

21.5 小结526

21.7 参考文献528

22.1 非正态扰动的后果529

22.1.1 有限方差529

第二十二章 稳健估计529

22.1.2 无限方差530

22.2 回归诊断531

22.2.1 正态误差的检验531

22.2.2 探测有影响的观测值532

22.2.2a 杠杆率532

22.2.2b “学生化”残差533

22.2.2c DFBETAS534

22.2.2d DFFITS534

22.3 多元t误差下的估计535

22.4 用回归分位数时的估计537

22.4.1 l1－估计539

22.4.2 回归分位数的线性函数540

22.6 小结和进一步阅读指南544

22.7 练习545

22.8 参考文献546

第七篇 跋548

附录A 有关正态分布理论的线性代数与矩阵法549

A.1 矩阵和向量的定义549

A.2 矩阵加法和减法550

A.3 矩阵乘法551

A.4 方阵的迹552

A.5 方阵的行列式553

A.6 矩阵的秩和线性相关556

A.7 逆矩阵和广义逆558

A.8 联立线性方程组的解560

A.9 方阵的特征根和特征向量565

A.10 正交矩阵566

A.11 对称矩阵的对角化567

A.12 幂等矩阵568

A.13 二次型569

A.14 有定矩阵570

A.15 矩阵的克罗内克（Kronecker）积570

A.16 矩阵的向量化572

A.17 向量和矩阵的微分573

A.18 正态向量和多元正态分布574

A.19 正态向量的线性、二次和其它非线性函数576

A.20 和算子与积算子578

A.21 参考文献581

附录B 统计表582

表1 标准正态分布下的面积582

表2 t分布的百分点583

表3 x2分布的百分点584

表4 F分布的百分点585

表5 德宾－沃森检验的临界值：5％显著性水平587

表6 德宾－沃森上界的均值和方差589

附录C 英汉人名对照593

附录D 英汉对照主题索引595

22.4.3 调整最小平方法841

22.5 一个例子841