计量经济学PDF|Epub|txt|kindle电子书版本网盘下载

计量经济学PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 一元线性回归模型1

1.1计量经济学简介与建模步骤1

1.2模型的建立及其假定条件3

1.2.1建立模型的意义3

1.2.2一元线性回归模型的定义3

1.2.3一元线性回归模型的经济含义与特征3

1.2.4模型的假定条件4

1.3一元线性回归模型的参数估计5

1.3.1估计方法初探5

1.3.2最小二乘估计法原理6

1.3.3最小二乘估计的计算6

1.4 yt，β1和β0的分布7

1.4.1yt的分布7

1.4.2β1的分布8

1.4.3β0的分布8

1.5 σ2的估计10

1.6最小二乘估计量的统计性质10

1.6.1线性特性10

1.6.2无偏性11

1.6.3最小方差性11

1.6.4渐近无偏性13

1.6.5一致性13

1.7最小二乘回归函数的性质13

1.8拟合优度的测量14

1.9回归系数的显著性检验16

1.10回归系数的置信区间17

1.11单方程回归模型的预测17

1.11.1单个yΤ＋1的点预测18

1.11.2单个yΤ ＋1的区间预测18

1.11.3 E（yΤ＋1）的区间预测20

1.12相关分析21

1.12.1相关的定义与分类21

1.12.2相关系数21

1.12.3线性相关系数的局限性24

1.12.4简单相关系数的检验24

1.13回归系数β1与相关系数r的关系25

1.14案例分析25

第2章 多元线性回归模型32

2.1多元线性回归模型及其假定条件32

2.1.1模型的建立32

2.1.2模型的假定条件33

2.2最小二乘法34

2.3最小二乘估计量的特性35

2.3.1线性特性35

2.3.2无偏特性35

2.3.3最小方差性35

2.3.4渐近无偏性36

2.3.5一致性36

2.4残差的方差37

2.5 Y与最小二乘估计量β的分布38

2.6多重可决系数（多重确定系数）38

2.6.1总平方和、回归平方和与残差平方和38

2.6.2多重确定系数R239

2.6.3调整的多重确定系数R239

2.7 F检验40

2.8 t检验和回归系数的置信区间41

2.9预测43

2.9.1 yΤ＋1的点预测43

2.9.2单个yΤ＋1的置信区间预测43

2.9.3 E（yΤ＋1）的置信区间预测43

2.9.4预测的评价指标44

2.10多元线性回归计算举例45

2.11偏相关与复相关51

2.11.1偏相关51

2.11.2复相关54

2.12案例分析55

2.13实际建模过程中应该注意的若干问题57

第3章 可线性化的非线性回归模型63

3.1可线性化的7种非线性函数63

3.1.1幂函数模型63

3.1.2指数函数模型66

3.1.3对数函数模型69

3.1.4双曲线函数模型71

3.1.5多项式函数模型74

3.1.6生长曲线函数模型77

3.1.7龚伯斯曲线函数模型81

3.2可线性化的非线性模型综合案例82

3.3可线性化的非线性模型一览表90

第4章 特殊解释变量92

4.1虚拟变量92

4.1.1测量截距移动92

4.1.2测量斜率变化98

4.2工具变量101

4.2.1工具变量在一元线性回归模型中的应用102

4.2.2工具变量在多元线性回归模型中的应用105

4.3滞后变量106

4.3.1分布滞后模型106

4.3.2自回归模型108

4.4随机解释变量108

第5章 异方差110

5.1同方差假定110

5.2异方差的表现与来源111

5.3模型存在异方差的后果113

5.4异方差检验115

5.4.1定性分析异方差115

5.4.2戈德菲尔德-匡特检验115

5.4.3怀特检验116

5.4.4戈列瑟检验117

5.4.5 ARCH（自回归条件异方差）检验118

5.5克服异方差的方法118

5.5.1用解释变量或解释变量的算术根除原回归式克服异方差118

5.5.2用戈列瑟检验式克服异方差119

5.5.3通过对数据取自然对数消除异方差120

5.5.4克服异方差的矩阵描述120

5.6案例分析122

第6章 自相关129

6.1非自相关假定129

6.2自相关的来源与后果132

6.3自相关检验135

6.3.1图示法135

6.3.2 DW检验法136

6.3.3 LM检验（亦称BG检验）法138

6.3.4回归检验法138

6.4自相关的解决方法139

6.5克服自相关的矩阵描述140

6.6自相关系数的估计142

6.7案例分析143

第7章 多重共线性150

7.1非多重共线性假定150

7.2多重共线性的来源151

7.3多重共线性的后果152

7.3.1完全多重共线性对参数估计的影响152

7.3.2近似共线性对参数估计的影响153

7.3.3多重共线性后果的矩阵描述与蒙特卡洛模拟155

7.4多重共线性的检测156

7.5多重共线性的解决方法159

7.5.1直接合并解释变量159

7.5.2利用已知信息合并解释变量160

7.5.3增加样本容量或重新抽取样本160

7.5.4合并截面数据与时间序列数据161

7.5.5剔除引起多重共线性的变量162

7.6案例分析164

7.7多重共线性与解释变量的不正确剔除169

7.8违反模型假定条件的其他几种情形170

7.8.1被解释变量存在测量误差170

7.8.2被解释变量、解释变量同时存在测量误差170

7.8.3随机解释变量171

7.8.4模型的设定误差171

第8章 联立方程模型174

8.1联立方程模型的概念174

8.2联立方程模型的分类174

8.2.1结构模型174

8.2.2简化型模型177

8.2.3递归模型179

8.3联立方程模型的识别179

8.3.1识别概念179

8.3.2结构模型的识别方法181

8.4联立方程模型的估计方法183

8.4.1递归模型的估计方法183

8.4.2简化型模型的估计方法184

8.4.3结构模型的估计方法184

8.5联立方程模型举例185

第9章 模型诊断常用统计量与检验193

9.1检验模型中全部解释变量都无解释作用的F统计量193

9.2检验单个回归系数显著性的t统计量194

9.3检验回归系数线性约束条件是否成立的F统计量195

9.4似然比统计量199

9.5沃尔德（Wald）统计量201

9.6拉格朗日乘子统计量205

9.7赤池、施瓦茨和汉南-奎因统计量209

9.8检验正态分布性的JB统计量213

9.9格兰杰因果性检验215

9.10邹突变点检验218

9.11回归系数稳定性的邹检验226

9.12递归分析229

第10章 时间序列ARIMA模型235

10.1随机过程与时间序列定义235

10.2 ARIMA模型的分类239

10.2.1自回归模型239

10.2.2移动平均模型244

10.2.3自回归移动平均模型246

10.2.4单整自回归移动平均模型247

10.3伍尔德（Wold）分解定理249

10.3.1伍尔德分解定理249

10.3.2随机过程期望与漂移项的关系250

10.4自相关函数及其估计252

10.4.1自相关函数252

10.4.2自回归过程的自相关函数253

10.4.3移动平均过程的自相关函数257

10.4.4 ARMA过程的自相关函数258

10.4.5自相关函数的估计（相关图）259

10.5偏自相关函数及其估计261

10.5.1偏自相关函数定义261

10.5.2偏自相关函数的计算262

10.5.3 AR、MA、ARMA过程偏自相关函数特征263

10.5.4偏自相关函数的估计264

10.5.5 ARIMA过程自相关函数和偏自相关函数特征总结265

10.6 ARIMA模型的建立、估计过程与预测266

10.6.1模型的识别266

10.6.2模型参数的估计268

10.6.3模型的诊断与检验273

10.6.4 ARIMA模型预测274

10.7 ARIMA模型建模案例277

10.8季节时间序列 ARIMA模型283

10.8.1季节时间序列模型定义284

10.8.2季节随机过程的自相关函数和偏自相关函数287

10.8.3季节ARIMA模型的识别、拟合、检验与预测301

10.8.4季节ARIMA模型建模案例302

10.9回归与ARMA组合模型（regARIMA模型）312

10.9.1回归与ARMA组合模型定义312

10.9.2回归与ARMA组合模型案例分析313

第11章 虚假回归319

11.1问题的提出319

11.2单整性定义320

11.3单整序列的统计特征321

11.4虚假回归324

第12章 单位根检验332

12.1 4种典型的非平稳过程332

12.1.1随机游走过程332

12.1.2随机趋势过程333

12.1.3趋势平稳过程334

12.1.4趋势非平稳过程335

12.2 DF， T（β-1）统计量的分布特征336

12.2.1 DF统计量的分布特征336

12.2.2 AR（p）含单位根过程的DF统计量分布特征342

12.2.3误差项为ARMA形式的I（1）过程DF分布特征343

12.2.4 DF检验式中t （a） ，t（γ）和F统计量的分布特征344

12.2.5 T（β-1）统计量的分布特征346

12.2.6趋势过程中t统计量的分布特征347

12.3单位根检验347

12.3.1单位根检验原理347

12.3.2单位根检验步骤349

12.4单位根检验的EViews 9操作351

12.5单位根检验案例分析352

12.6结构突变序列的单位根检验358

第13章 单方程误差修正模型369

13.1均衡概念369

13.2误差修正模型370

13.2.1自回归分布滞后模型370

13.2.2误差修正模型定义374

13.3协整定义377

13.4协整检验379

13.4.1以残差为基础的协整检验法379

13.4.2协整系数的分布滞后模型估计法385

13.5格兰杰定理388

13.5.1多项式矩阵389

13.5.2格兰杰（Granger）定理390

13.5.3举例验证格兰杰定理391

13.6建立单方程误差修正模型的EG两步法394

13.6.1 EG两步法394

13.6.2单方程误差修正模型案例分析395

第14章 面板数据模型399

14.1面板数据的定义399

14.2面板数据模型分类403

14.2.1混合模型403

14.2.2固定效应模型404

14.2.3随机效应模型407

14.3面板数据模型估计方法408

14.3.1混合最小二乘估计408

14.3.2组内估计409

14.3.3最小二乘虚拟变量估计法410

14.3.4一阶差分估计410

14.3.5可行GLS估计法（随机效应估计法）411

14.3.6面板数据模型拟合优度的测量413

14.4面板数据模型的设定与检验414

14.4.1 F检验414

14.4.2 H检验415

14.4.3 Wald检验417

14.4.4 F检验和LR检验417

14.5面板数据建模案例分析418

14.6面板数据建模的EViews 9操作435

14.6.1 Pool（混合）数据工作文件的建立，模型的估计、检验与预测435

14.6.2面板数据panel型工作文件的建立，模型估计与检验441

附录A随机变量、概率极限、矩阵代数知识简介445

附录B统计分布表446

附表1相关系数临界值表446

附表2标准正态分布函数表447

附表3 t分布百分位数表448

附表4x2分布百分位数表449

附表5 F分布百分位数表450

附表6 DW检验临界值表（α=0.05）452

附表7 DF分布百分位数表453

附表8 t （a）检验临界值表（Δyt=α＋ ρyt-1＋ut中检验α=0）453

附表9 F检验临界值表（Δyt=α＋ρyt-1＋ut中检验α=ρ=0）454

附表10 t（a）检验临界值表（Δyi=α＋γt＋ρyt-1＋ut中检验α=0）454

附表11 t（γ）检验临界值表（Δyt=α＋γt＋ρyt-1＋ut中检验γ=0）454

附表12 F检验临界值表（Δyt=α＋γt＋ρyt-1＋ut中检验γ=ρ= 0）455

附表13 T（β-1）分布百分位数表455

附表14 EG和AEG协整检验临界值表456

附表15协整检验临界值表457

附录C EViews 9使用简介458

参考文献459