经济计量学理论与实践引论

书籍目录

全文目录

译校人员

翻译说明

中文版序

第二版序

第一章 绪论

1.1经济计量学的性质

1.2数量经济知识的搜索

1.2.1假定

作者简介

译序

1.2.2试验

第一版序

1.3非试验建模的约束

1.4本书的目标

1.5本书的组织

第一篇 统计推断基础

第二章 概率与分布理论

2.1引言

2.2概率

2.2.1试验、样本空间和事件

2.2.2事件的概率

2.2.3条件概率与独立事件

2.2.4贝叶斯规则

2.3随机变量与概率分布

2.3.1随机变量与随机变量的值

2.3.2离散与连续随机变量

2.3.3离散随机变量的概率分布

2.3.4连续随机变量的概率分布

2.3.5多元分布

2.3.6边缘分布

2.3.7条件分布与独立随机变量

2.3.8随机变量函数的分布

2.4数学期望

2.4.1随机变量的期望值

2.4.2单一随机变量函数的期望

2.4.3多个随机变量函数的期望

2.4.4矩

2.4.5切贝谢夫定理

2.4.6多元随机变量的期望

2.5某些特殊分布

2.5.1贝努里分布

2.5.2二项分布

2.5.3多项分布

2.5.4伽玛分布

2.5.5正态分布

2.5.6二元正态分布

2.5.7多元正态分布

2.5.8与正态有关的分布：〓，t，F

2.5.9多元正态随机变量二次型的分布

2.6小结和进一步阅读指南

2.7练习

2.8参考文献

第三章 统计推断：估计与假设检验

3.1引言

3.2寻求点估计量的方法

3.2.1矩法

3.2.2极大似然法

3.2.3最小平方估计法

3.2.4贝叶斯估计法

3.3点估计量的性质

3.3.1估计量的小样本特性：单参数情形

3.3.1a估计量的性能：偏倚与精度

3.3.1b偏倚与精度

3.3.1c有效性

3.3.2估计量的小样本特性：多参数情形

3.3.2a估计量的性能：偏倚与精度

3.3.2b偏倚与精度

3.3.2c有效性

3.3.3估计量特性：大样本结果

3.3.3a一致性

3.3.3b依分布收敛

3.3.3c渐近有效性

3.4区间估计

3.5假设检验

3.5.1统计检验的要素

3.5.2检验的功效

3.5.3似然比检验

3.5.4渐近检验

3.6置信区间和假设检验之间的关系

3.7小结和进一步阅读指南

3.8练习

3.9参考文献

第四章 贝叶斯推断

4.1引言

4.2正态分布均值的贝叶斯推断（已知方差）

4.2.1来自于信息先验的后验分布

4.2.2无信息先验的推断问题

4.2.3区间估计

4.2.4假设检验

4.2.4a使用HPD区间的假设检验

4.2.4b后验优势与假设检验

4.2.5预测

4.3点估计

4.3.1二次损失函数的贝叶斯点估计量

4.3.2线性损失函数的贝叶斯点估计量

4.3.3决策理论在抽样理论结构中的应用

4.4正态分布的均值和标准差的贝叶斯推断

4.4.1均值和标准差的信息先验

4.4.2来自信息先验的联合后验密度

4.4.3均值和标准差的边缘后验密度

4.4.4无信息先验情况下关于均值和标准差的推断

4.5小结和进一步阅读指南

4.6练习

4.7参考文献

第二篇 一般线性统计模型

第五章 线性统计模型

5.1引言

5.2线性统计模型1

5.3线性统计模型2

5.3.1位置参数的估计

5.3.2抽样特性

5.3.3预测

5.3.4〓的一个估计量

5.3.5对成功的度量

5.3.6一个例子

5.3.7线性形式

5.3.8练习

5.4一般线性统计模型——模型3

5.4.1统计模型的设定

5.4.1a误差向量

5.4.1b抽样过程

5.4.1c统计模型

5.4.2一个例子

5.4.3模型评论

5.5点估计

5.5.1向量β的估计

5.5.2最小平方准则

5.5.3二次型的极小化

5.5.4最小平方规则

5.5.5一个例子

5.6最小平方规则的抽样特性

5.6.1最小平方估计量的均值

5.6.2协方差矩阵

5.7抽样性能——高斯-马尔可夫定理

5.8尺度参数〓的估计

5.8.1b的协方差矩阵的估计

5.9预测和解释程度

5.9.1预测

5.9.2一个例子

5.9.3解释程度

5.10说明最小平方估计量抽样性能的蒙特卡罗试验

5.10.1抽样试验

5.10.2抽样结果

5.11最后几点附注

5.12练习

5.13参考文献和进一步阅读指南

第六章 正态一般线性统计模型

6.1极大似然估计法

6.1.1样本信息的解析表示

6.1.2准则——似然原理

6.1.3极大似然估计量

6.1.3aβ的极大似然估计量

6.1.3b〓的极大似然估计量

6.1.3c〓和〓的独立性

6.1.3d〓和〓的充分性和抽样性能

6.1.3e克拉美—拉奥下界及〓与〓的抽样性能

6.1.4小结

6.1.5一个抽样试验

6.1.5a抽样结果

6.2约束极大似然估计

6.2.1均值与协方差

6.2.2错误约束的后果

6.2.3一个例子

6.3区间估计

6.3.1向量β的单一线性组合

6.3.2向量β的两个或更多个的线性组合

6.3.2a联合置信区域的例子

6.3.2b联合区域的估计——标准正交情形

6.3.3〓的区间估计

6.3.4预测区间估计量

6.4假设检验

6.4.1似然比检验统计量

6.4.1a经验检验结果

6.4.2单一假设

6.4.3关于〓的假设检验

6.5小结

6.6最小平方估计量的渐近特性

6.6.1一致性

6.6.2推断

6.7练习

6.7.1个人练习

6.7.2小组或班级练习

6.8参考文献和进一步阅读指南

第七章 正态线性统计模型的贝叶斯分析

7.1引言

7.2一个简单模型

7.2.1具有信息先验的贝叶斯推断

7.2.2具有无信息先验的贝叶斯推断

7.3扰动方差已知的一般线性模型的贝叶斯推断

7.3.1来自信息先验的后验分布

7.3.2来自无信息先验的后验分布

7.4一个例子

7.5点估计

7.5.1作为点估计量的后验均值

7.5.2经验贝叶斯估计

7.6假设的比较和后验优势

7.7扰动方差未知的一般线性模型的贝叶斯推断

7.7.1〓和〓的联合信息先验

7.7.2〓和〓联合后验密度函数

7.7.3β的边缘后验密度函数

7.7.3a关于多元t分布的插叙

7.7.3bβ的单个元素的边缘后验密度

7.7.3c生产函数一例的再考虑

7.7.4无信息先验的后验密度

7.8小结和进一步阅读指南

7.9练习

7.10参考文献

第三篇 线性统计模型的推广

第八章 具有非纯量单位协方差矩阵的一般线性统计模型

8.1统计模型与估计量

8.1.1β的最小平方估计量

8.1.2广义最小平方估计量

8.1.3〓的无偏估计量

8.1.4小结

8.1.5一个抽样试验

8.2正态线性统计模型

8.3〓和〓的抽样分布

8.4区间估计量

8.5假设检验

8.6使用最小平方法的后果

8.7预测

8.8小结

8.9练习

8.9.1代数练习

8.9.2数值练习

8.9.3个人或小组练习

8.10参考文献

第九章 具有未知协方差矩阵的一般线性统计模型

9.1背景

9.2估计广义最小平方法

9.3异方差性

9.3.1经济与统计背景

9.3.2广义最小平方估计

9.3.2a一个具有已知方差的例子

9.3.3具有两个未知方差的模型

9.3.3a初步检验估计量

9.3.4具有积性异方差性的模型

9.3.4aα的估计

9.3.4b估计广义最小平方估计量

9.3.5异方差性的检验

9.3.5a积性异方差性的检验

9.3.5b戈德菲尔德—匡特（Goldfeld—Quandt）检验

9.3.5c布罗施—帕甘（Breusch—Pagan）检验

9.3.6小结

9.3.7一个例子

9.4关于异方差性的练习

9.4.1代数练习

9.4.2个人数值练习

9.4.3小组练习

9.5自相关

9.5.1背景和模型

9.5.2估计

9.5.2a广义最小平方估计

9.5.2b估计广义最小平方估计

9.5.2c其它估计量

9.5.3一阶自回归误差的检验

9.5.3a一种渐近检验

9.5.3b德宾—沃森（Durbin—Watson）检验

9.5.3c一个例子

9.5.3d德宾的h统计量

9.5.4预检估计量

9.5.5自相关误差的预测含意

9.5.6一个例子

9.5.7小结

9.6关于自相关的问题

9.6.1一般练习

9.6.2运用蒙特卡罗数据的个人练习

9.6.3使用蒙特卡罗数据的小组练习

9.7参考文献

9.A附录：再抽样方法

9.A.1靴襻法

9.A.2大折刀法

9.A.3一个例子

9.A.4参考文献

第十章 虚变量与可变参数模型

10.1引言

10.2虚变量在估计中的应用

10.2.1允许截距变化的情况

10.2.2截距和一些斜率参数可变的情况

10.2.3允许截距和所有斜率参数都变动的情况

10.2.4两组或更多组虚变量的情况

10.2.5开关回归模型

10.2.6小结和进一步阅读虚变量内容指南

10.3用虚变量检验位置向量的变化

10.4系统可变参数模型

10.5希尔德雷斯—霍克随机系数模型

10.6小结和进一步阅读指南

10.7练习

第十一章 线性统计模型组

11.1引言

11.2似不相关回归方程

10.8参考文献

11.2.1一般模型设定

11.2.2具有已知协方差矩阵的估计

11.2.3具有未知协方差矩阵的估计

11.2.4一个例子与蒙特卡罗试验

11.2.5假设检验与约束估计

11.2.5a同期相关检验

11.2.5b对系数的线性约束

11.2.6再举一例

11.2.7观测值个数不等的方程组

11.2.7a理论结果

11.2.7b一个例子

11.2.8模型的扩展

11.3似不相关回归的练习

11.3.1一般练习

11.3.2使用蒙特卡罗数据的练习

11.4用虚变量合并时间序列数据和截面数据

11.4.1参数估计

11.4.2方差估计

11.4.3一个可采用的参数化方法

11.4.4虚变量系数检验

11.4.5一个例子

11.5用误差分量合并时间序列数据和截面数据

11.5.1广义最小平方估计

11.5.2方差分量的估计

11.5.3随机分量的预测

11.5.4设定的检验

11.5.5例子（续）

11.6合并模型的选择

11.6.1虚变量与误差分量

11.6.2合并数据的其它模型

11.7虚变量和误差分量练习

11.7.1代数练习

11.7.2个人数值练习

11.7.3小组练习

11.8参考文献

11.A附录：二元（多元）正态随机变量

第十二章 非线性最小平方估计和非线性极大似然估计

12.1引言

12.2非线性最小平方原理

12.2.1单参数的非线性最小平方估计

12.2.1a性质

12.2.1b续例

12.2.2多参数的非线性最小平方估计

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

12.2.3a柯布—道格拉斯生产函数

12.2.3bCES生产函数

12.2.4牛顿—拉夫森算法

12.2.4a单参数情形

12.2.4b一个例子

12.2.4cK个参数的一般情形

12.2.5极大似然估计

12.2.5a性质

12.2.5b供选择的算法和协方差矩阵估计量

12.3具有一般协方差矩阵的线性模型的估计

12.3.1一般考虑

12.3.1a非线性最小平方估计

12.3.1b极大似然估计

12.3.1c贝叶斯估计

12.3.2一阶自回归误差

12.3.2a非线性最小平方估计

12.3.2b极大似然估计

12.3.2c贝叶斯估计

12.3.3异方差误差模型

12.3.4沃尔德、拉格朗日乘数和似然比检验

12.3.4a线性约束Rβ=r的检验

12.3.4b积性异方差性的检验

12.4非线性似不相关回归方程

12.4.1两步估计

12.4.2极大似然估计

12.4.3一个例子：线性支出系统

12.5函数形式——Box—Cox变换

12.5.1极大似然估计

12.5.1a非线性最小平方法的极大似然估计

12.5.1b具有不同变换参数的估计

12.5.2一个例子

12.6小结和进一步阅读指南

12.7练习

12.7.1个人练习

12.7.2基于蒙特卡罗的练习

12.7.2a个人数值练习

12.7.2b联合或班级练习

12.8参考文献

第十三章 随机回归自变量

13.1独立随机回归自变量模型

13.2部分独立的随机回归自变量

13.2.1若干渐近结果

13.3一般随机回归自变量模型

13.3.1工具变量估计

13.3.2一个数值例子

13.4计量误差

13.4.1变量误差的统计后果

13.4.2多余参数的附加方程

13.4.3一个数值例子

13.5结论

13.6练习

13.6.1代数练习

13.6.2个人数值练习

13.7参考文献

第四篇 联立线性统计模型

第十四章 联立线性统计模型导论

14.1引言

14.2抽样模型的设定

14.2.1统计模型

14.2.2几个渐近设定

14.3最小平方偏倚

14.4简化型参数估计

14.5由简化型参数导出结构参数的问题

14.5.1先验信息（约束）的类型

14.5.2间接最小平方法举例

14.5.3一个经验例子

14.6方程组内一个方程的识别

14.6.1识别的秩条件

14.7模型建立、识别和估计的几个例子

14.8小结和进一步阅读指南

14.9练习

14.9.1代数练习

14.9.2个人数值练习

14.9.3小组数值练习

14.10参考文献

第十五章 联立方程统计模型的估计与推断

15.1过度识别方程的参数估计问题

15.1.1间接最小平方法

15.1.2广义最小平方法

15.1.2a广义最小平方估计量

15.1.2b抽样特性

15.1.2c两阶段最小平方（2SLS）估计量

15.2渐近有效估计量的寻求

15.2.1三阶段最小平方（3SLS）估计量

15.2.2抽样特性

15.2.3估计量比较

15.2.4有限和完全信息极大似然法

15.3各种估计量的渐近特性及有限样本特性

15.4一个例子

15.5经济计量模型的结果用于预测和决策目的

15.6小结

15.7练习

15.7.1代数练习

15.7.2个人数值练习

15.7.3小组练习

15.8参考文献

第五篇 时间序列和分布滞后模型

第十六章 时间序列分析和预测

16.1引言

16.2时间序列的数学模型及其特征

16.2.1随机过程

16.2.2自协方差函数和自相关函数

16.2.3平稳随机过程

16.2.4滞后算子

§16.3自回归过程

16.3.1自回归过程的估计

16.3.2偏自相关

16.4移动平均过程

16.4.1移动平均的阶的确定

16.4.2移动平均的参数估计

16.5ARIMA模型

16.6博克斯—詹金斯方法

16.6.1识别

16.6.2估计

16.6.3诊断校验

16.7预测

16.8ARIMA模型的局限性及其与经济计量模型的关系

16.9进一步阅读指南

16.10练习

16.11参考文献

第十七章 分布滞后

17.1引言

17.2无约束有限分布滞后

17.2.1滞后长度已知时的估计

17.2.2滞后长度的确定

17.3有限多项式滞后

17.3.1滞后长度和多项式次数数已知时的估计

17.3.2多项式次数的确定

17.3.3与使用多项式滞后有关的问题

17.4无限分布滞后

17.4.1两个动态经济模型

17.4.1a自适应期望

17.4.1b局部调整

17.4.2几何滞后模型的估计

17.4.2a最小平方估计

17.4.2b工具变量估计法

17.4.2c极大似然估计

17.4.3其它无限分布滞后模型

17.5小结和评论

17.6练习

17.7参考文献

第十八章 多重时间序列

18.1背景

18.2向量自回归过程

18.2.1定义

18.2.2平稳性

18.3VAR过程的估计与设定

18.3.1已知阶数p的VAR过程的估计

18.3.2VAR阶的选择

18.4向量自回归过程的预测

18.5格兰杰因果关系

18.6新生计算和预测误差方差的分解

18.7向量自回归模型的扩展

18.8小结和评论

18.9练习

18.10参考文献

第六篇 其它经济计量学主题

第十九章 定性和受限应变量模型

19.1引言

19.2二元决择模型

19.2.1重复观测值可得时Probit和Logit模型的估计

19.2.1aProbit模型

19.2.1bLogit模型

19.2.1c一个解释性注释

19.2.2重复观测值不可得时Probit和Logit模型的估计

19.3受限应变量模型

19.3.1Tobit（删截）回归模型最小平方估计量的性质

19.3.2Tobit模型的极大似然估计

19.3.3一个例子

19.4小结和进一步阅读指南

19.5练习

19.6参考文献

第二十章 先验信息、有偏估计和统计模型选择

20.1统计决策理论

20.1.1基本概念

20.1.2决策规则的选择

20.1.3测度空间

20.2结合样本信息和非样本信息的估计量

20.2.1精确非样本信息

20.2.1a平方误差损失下的性能

20.2.1b一个例子

20.2.2随机非样本信息

20.2.2a估计量

20.2.2b一个例子

20.2.2c随机线性假设

20.2.3线性不等式约束

20.2.3a不等式约束估计量

20.2.3b抽样特性

20.2.3c假设检验

20.2.3d不等式约束的贝叶斯分析

20.2.4小结

20.3预检估计量与斯坦规则（SteinRule）估计量

20.3.1预检估计量

20.3.1a抽样性能

20.3.2斯坦规则

20.3.2a詹姆斯和斯坦规则

20.3.2b几点评注

20.4模型设定

20.4.1错误设计矩阵的统计后果

20.4.2均方误差准则

20.4.3几种备择变量选择规则

20.4.3a〓和〓准则

20.4.3b〓条件均方误差预测准则

20.4.3c无条件均方误差准则

20.4.3d赤池（Akaike）信息准则（AIC）

20.4.3e施瓦茨（Schwarz）准则（SC）

20.4.3f一个蒙特卡罗抽样研究

20.4.3g评注

20.4.4假设检验与模型识别

20.5练习

20.5.1§20.2的练习

20.5.1a§20.2.1的个人练习

20.5.1b§20.2.1的联合或班级练习

20.5.1c§20.2.2的个人练习

20.5.1d§20.2.2的联合或班级练习

20.5.1e§20.2.3的个人练习

20.5.1f§20.2.3的联合或班级练习

20.5.2§20.3的练习

20.5.3§20.4的练习

20.5.3a个人练习

20.6参考文献

第二十一章 多元共线性

21.1引言

21.2多元共线性的统计后果

21.2.1精确或完全多元共线性

21.2.2接近精确多元共线性与辅助回归

21.2.3主分量模型中的接近精确多元共线性

21.3多元共线性的存在性、严重性以及形式的检测

21.3.1检测多元共线性的方法

21.3.2一个例子——克莱因—戈德伯格消费函数

21.4多元共线性问题的解决

21.4.1追加样本信息

21.4.2严格线性约束

21.4.3岭回归

21.5小结

21.6练习

21.7参考文献

第二十二章 稳健估计

22.1非正态扰动的后果

22.1.1有限方差

22.1.2无限方差

22.2回归诊断

22.2.1正态误差的检验

22.2.2探测有影响的观测值

22.2.2a杠杆率

22.2.2b“学生化”残差

22.2.2cDFBETAS

22.2.2dDFFITS

22.3多元t误差下的估计

22.4用回归分位数时的估计

22.4.1〓估计

22.4.2回归分位数的线性函数

22.4.3调整最小平方法

22.5一个例子

22.6小结和进一步阅读指南

22.7练习

22.8参考文献

第七篇 跋

附录A有关正态分布理论的线性代数与矩阵法

A.1矩阵和向量的定义

A.2矩阵加法和减法

A.3矩阵乘法

A.4方阵的迹

A.5方阵的行列式

A.6矩阵的秩和线性相关

A.7逆矩阵和广义逆

A.8联立线性方程组的解

A.9方阵的特征根和特征向量

A.10正交矩阵

A.11对称矩阵的对角化

A.12幂等矩阵

A.13二次型

A.14有定矩阵

A.15矩阵的克罗内克（Kronecker）积

A.16矩阵的向量化

A.17向量和矩阵的微分

A.18正态向量和多元正态分布

A.19正态向量的线性、二次和其它非线性函数

A.20和算子与积算子

A.21参考文献

附录B统计表

表1标准正态分布下的面积

表2t分布的百分点

表3〓分布的百分点

表4F分布的百分点

表5德宾—沃森检验的临界值：5%显著性水平

表6德宾—沃森上界的均值和方差

附录C英汉人名对照

附录D英汉对照主题索引

作者简介

本书包括:统计推断基础、一般线性统计模型、线性统计模型的推广、联立线性统计模型、时间序列和分布滞后模型等6篇。

 经济计量学理论与实践引论下载