計量經濟學

這是一本面向經濟類、管理類本科生和研究生的計量經濟學教材，內容主要包括迴歸模型、時間序列ARIMA模型、單位根檢驗、誤差修正模型和麪板數據模型等。　本書在本領域內第一次增加蒙特卡洛模擬結果討論統計量的分佈特徵，增強讀者對統計量分佈特徵的理解。書中每一個知識點都用簡練的語言介紹怎樣用計量經濟學軟件EViews 9 實現計算。書中所提供的案例基本上都是中國建模案例，為計量經濟學理論與分析中國經濟實際相結合提供切實範例。 ^[1] 

第1章一元線性迴歸模型

1.1計量經濟學簡介與建模步驟

1.2模型的建立及其假定條件

1.2.1建立模型的意義

1.2.2一元線性迴歸模型的定義

1.2.3一元線性迴歸模型的經濟含義與特徵

1.2.4模型的假定條件

1.3一元線性迴歸模型的參數估計

1.3.1估計方法初探

1.3.2最小二乘估計法原理

1.3.3最小二乘估計的計算

1.4yt，β^1和β^0的分佈

1.4.1yt的分佈

1.4.2β^1的分佈

1.4.3β^0的分佈

1.5σ2的估計

1.6最小二乘估計量的統計性質

1.6.1線性特性

1.6.2無偏性

1.6.3最小方差性

1.6.4漸近無偏性

1.6.5一致性

1.7最小二乘迴歸函數的性質

1.8擬合優度的測量

1.9迴歸係數的顯著性檢驗

1.10迴歸係數的置信區間

1.11單方程迴歸模型的預測

1.11.1單個yT+1的點預測

1.11.2單個yT+1的區間預測

1.11.3E(yT+1)的區間預測

1.12相關分析

1.12.1相關的定義與分類

1.12.2相關係數

1.12.3線性相關係數的侷限性

1.12.4簡單相關係數的檢驗

1.13迴歸係數β^1與相關係數r的關係

1.14案例分析

第2章多元線性迴歸模型

2.1多元線性迴歸模型及其假定條件

2.1.1模型的建立

2.1.2模型的假定條件

2.2最小二乘法

2.3最小二乘估計量的特性

2.3.1線性特性

2.3.2無偏特性

2.3.3最小方差性

2.3.4漸近無偏性

2.3.5一致性

2.4殘差的方差

2.5Y與最小二乘估計量 β^的分佈

2.6多重可決係數(多重確定係數)

2.6.1總平方和、迴歸平方和與殘差平方和

2.6.2多重確定係數R2

2.6.3調整的多重確定係數2

2.7F檢驗

2.8t檢驗和迴歸係數的置信區間

2.9預測

2.9.1yT+1的點預測

2.9.2單個yT+1的置信區間預測

2.9.3E(yT+1)的置信區間預測

2.9.4預測的評價指標

2.10多元線性迴歸計算舉例

2.11偏相關與複相關

2.11.1偏相關

2.11.2複相關

2.12案例分析

2.13實際建模過程中應該注意的若干問題

第3章可線性化的非線性迴歸模型

3.1可線性化的7種非線性函數

3.1.1冪函數模型

3.1.2指數函數模型

3.1.3對數函數模型

3.1.4雙曲線函數模型

3.1.5多項式函數模型

3.1.6生長曲線函數模型

3.1.7龔伯斯曲線函數模型

3.2可線性化的非線性模型綜合案例

3.3可線性化的非線性模型一覽表

第4章特殊解釋變量

4.1虛擬變量

4.1.1測量截距移動

4.1.2測量斜率變化

4.2工具變量

4.2.1工具變量在一元線性迴歸模型中的應用

4.2.2工具變量在多元線性迴歸模型中的應用

4.3滯後變量

4.3.1分佈滯後模型

4.3.2自迴歸模型

4.4隨機解釋變量

第5章異方差

5.1同方差假定

5.2異方差的表現與來源

5.3模型存在異方差的後果

5.4異方差檢驗

5.4.1定性分析異方差

5.4.2戈德菲爾德-匡特檢驗

5.4.3懷特檢驗

5.4.4戈列瑟檢驗

5.4.5ARCH(自迴歸條件異方差)檢驗

5.5克服異方差的方法

5.5.1用解釋變量或解釋變量的算術根除原迴歸式克服異方差

5.5.2用戈列瑟檢驗式克服異方差

5.5.3通過對數據取自然對數消除異方差

5.5.4克服異方差的矩陣描述

5.6案例分析

第6章自相關

6.1非自相關假定

6.2自相關的來源與後果

6.3自相關檢驗

6.3.1圖示法

6.3.2DW檢驗法

6.3.3LM檢驗(亦稱BG檢驗)法

6.3.4迴歸檢驗法

6.4自相關的解決方法

6.5克服自相關的矩陣描述

6.6自相關係數的估計

6.7案例分析

第7章多重共線性

7.1非多重共線性假定

7.2多重共線性的來源

7.3多重共線性的後果

7.3.1完全多重共線性對參數估計的影響

7.3.2近似共線性對參數估計的影響

7.3.3多重共線性後果的矩陣描述與蒙特卡洛模擬

7.4多重共線性的檢測

7.5多重共線性的解決方法

7.5.1直接合並解釋變量

7.5.2利用已知信息合併解釋變量

7.5.3增加樣本容量或重新抽取樣本

7.5.4合併截面數據與時間序列數據

7.5.5剔除引起多重共線性的變量

7.6案例分析

7.7多重共線性與解釋變量的不正確剔除

7.8違反模型假定條件的其他幾種情形

7.8.1被解釋變量存在測量誤差

7.8.2被解釋變量、解釋變量同時存在測量誤差

7.8.3隨機解釋變量

7.8.4模型的設定誤差

第8章聯立方程模型

8.1聯立方程模型的概念

8.2聯立方程模型的分類

8.2.1結構模型

8.2.2簡化型模型

8.2.3遞歸模型

8.3聯立方程模型的識別

8.3.1識別概念

8.3.2結構模型的識別方法

8.4聯立方程模型的估計方法

8.4.1遞歸模型的估計方法

8.4.2簡化型模型的估計方法

8.4.3結構模型的估計方法

8.5聯立方程模型舉例

第9章模型診斷常用統計量與檢驗

9.1檢驗模型中全部解釋變量都無解釋作用的F統計量

9.2檢驗單個迴歸係數顯著性的t統計量

9.3檢驗迴歸係數線性約束條件是否成立的F統計量

9.4似然比統計量

9.5沃爾德（Wald）統計量

9.6拉格朗日乘子統計量

9.7赤池、施瓦茨和漢南奎因統計量

9.8檢驗正態分佈性的JB統計量

9.9格蘭傑因果性檢驗

9.10鄒突變點檢驗

9.11迴歸係數穩定性的鄒檢驗

9.12遞歸分析

第10章時間序列ARIMA模型

10.1隨機過程與時間序列定義

10.2ARIMA模型的分類

10.2.1自迴歸模型

10.2.2移動平均模型

10.2.3自迴歸移動平均模型

10.2.4單整自迴歸移動平均模型

^[3] 

10.3伍爾德（Wold）分解定理

10.3.1伍爾德分解定理

10.3.2隨機過程期望與漂移項的關係

10.4自相關函數及其估計

10.4.1自相關函數

10.4.2自迴歸過程的自相關函數

10.4.3移動平均過程的自相關函數

10.4.4ARMA過程的自相關函數

10.4.5自相關函數的估計（相關圖）

10.5偏自相關函數及其估計

10.5.1偏自相關函數定義

10.5.2偏自相關函數的計算

10.5.3AR、MA、ARMA過程偏自相關函數特徵

10.5.4偏自相關函數的估計

10.5.5ARIMA過程自相關函數和偏自相關函數特徵總結

10.6ARIMA模型的建立、估計過程與預測

10.6.1模型的識別

10.6.2模型參數的估計

10.6.3模型的診斷與檢驗

10.6.4ARIMA模型預測

10.7ARIMA模型建模案例

10.8季節時間序列ARIMA模型

10.8.1季節時間序列模型定義

10.8.2季節隨機過程的自相關函數和偏自相關函數

10.8.3季節ARIMA模型的識別、擬合、檢驗與預測

10.8.4季節ARIMA模型建模案例

10.9迴歸與ARMA組合模型（regARIMA模型）

10.9.1迴歸與ARMA組合模型定義

10.9.2迴歸與ARMA組合模型案例分析

第11章虛假迴歸

11.1問題的提出

11.2單整性定義

11.3單整序列的統計特徵

11.4虛假迴歸

第12章單位根檢驗

12.14種典型的非平穩過程

12.1.1隨機遊走過程

12.1.2隨機趨勢過程

12.1.3趨勢平穩過程

12.1.4趨勢非平穩過程

12.2DF，T(β^-1)統計量的分佈特徵

12.2.1DF統計量的分佈特徵

12.2.2AR(p)含單位根過程的DF統計量分佈特徵

12.2.3誤差項為ARMA形式的I(1)過程DF分佈特徵

12.2.4DF檢驗式中t(α^),t(γ^)和F統計量的分佈特徵

12.2.5T(β^-1)統計量的分佈特徵

12.2.6趨勢過程中t統計量的分佈特徵

12.3單位根檢驗

12.3.1單位根檢驗原理

12.3.2單位根檢驗步驟

12.4單位根檢驗的EViews 9操作

12.5單位根檢驗案例分析

12.6結構突變序列的單位根檢驗

第13章單方程誤差修正模型

13.1均衡概念

13.2誤差修正模型

13.2.1自迴歸分佈滯後模型

13.2.2誤差修正模型定義

13.3協整定義

13.4協整檢驗

13.4.1以殘差為基礎的協整檢驗法

13.4.2協整係數的分佈滯後模型估計法

13.5格蘭傑定理

13.5.1多項式矩陣

13.5.2格蘭傑(Granger)定理

13.5.3舉例驗證格蘭傑定理

13.6建立單方程誤差修正模型的EG兩步法

13.6.1EG兩步法

13.6.2單方程誤差修正模型案例分析

第14章面板數據模型

14.1面板數據的定義

14.2面板數據模型分類

14.2.1混合模型

14.2.2固定效應模型

14.2.3隨機效應模型

14.3面板數據模型估計方法

14.3.1混合最小二乘估計

14.3.2組內估計

14.3.3最小二乘虛擬變量估計法

14.3.4一階差分估計

14.3.5可行GLS估計法（隨機效應估計法）

14.3.6面板數據模型擬合優度的測量

14.4面板數據模型的設定與檢驗

14.4.1F檢驗

14.4.2H檢驗

14.4.3Wald檢驗

14.4.4F檢驗和LR檢驗

14.5面板數據建模案例分析

14.6面板數據建模的EViews 9操作

14.6.1Pool（混合）數據工作文件的建立，模型的估計、檢驗與預測

14.6.2面板數據panel型工作文件的建立，模型估計與檢驗

附錄A隨機變量、概率極限、矩陣代數知識簡介

附錄B統計分佈表

附表1相關係數臨界值表

附表2標準正態分佈函數表

附表3t分佈百分位數表

附表4χ2分佈百分位數表

附表5F分佈百分位數表

附表6DW檢驗臨界值表(α=0.05)

附表7DF分佈百分位數表

附表8t(α^)檢驗臨界值表(Δyt=α+ρyt-1+ut中檢驗α=0)

附表9F檢驗臨界值表(Δyt=α+ρyt-1+ut中檢驗α=ρ=0)

附表10t(α^)檢驗臨界值表(Δyt=α+γt+ρyt-1+ut中檢驗α=0)

附表11t(γ^)檢驗臨界值表(Δyt=α+γt+ρyt-1+ut中檢驗γ=0)

附表12F檢驗臨界值表(Δyt=α+γt+ρyt-1+ut中檢驗γ=ρ=0)

附表13T(β^-1)分佈百分位數表

附表14EG和AEG協整檢驗臨界值表

附表15協整檢驗臨界值表

附錄CEViews 9使用簡介

參考文獻 ^[3]