计量经济学方法

出版时间：2002-4  出版社：中国经济出版社  作者：(美)J.约翰斯顿(Jack Johnston) (美)J.迪纳尔多(John DiNardo)  
Tag标签：无  

内容概要

　　本书初版于1963年，其后大约每隔10年再版一次，以跟上计量经济学的发展。数十年来，本书已成为各国名牌大学广泛采用的教材。 本版本的主要写作目标有两个：其一是提供一份综合易懂可用的计量经济方法手册；二是通过应用一些真实数据集来说明这些方法。这些数据由本书的配套数据磁盘给出，因而，读者可以重复操作一追课文中的应用案例，实验一下章末所提出的一些问题，再对自己选择的方法进行进一步的分析。因此，本书几乎是全部重写井增加了对一些新专题的介绍，包括：渐进理论，时间序列，模型评价，广义矩法，密集计算法，微观计量经济学。　　附赠一个数据盘。

作者简介

　　J.约翰斯顿，是加利福尼亚大学的计量经济学名誉教授。在转入俄尔文之前，他担任曼彻斯特大学的斯坦利·杰文斯计量经济学教授。J.约翰斯顿教授也曾任教于纽约市立大学、埃莫立大学，哈佛大学，安大略皇后大学，威尔士大学，威斯康辛-麦迪逊厌这。他还是计量经济学会的资深会员。其作品有《统计成本分析》及《计量经济学方法》的前三版。　　J.迪纳尔多，是加利福尼亚大学的经济学副教授，并为国民经济研究所的研究员。在转入俄尔文之前，他曾担任兰德的研究助理。作为一名劳动经济学家和应用计量经济学家，他曾执教于麻省理工大学和普林顿大学。他最近的作品刊登在《计量经济学》杂志、《政治经济学》杂志、以及《经济学杂志》季刊上。本书是他所著的第一本书。		　　

书籍目录

致我们的中文读者To Our Chinese Readers译者的话前言第一章　两个变量之间的关系1.1　双变量关系示例1.1.1　双变量频数分布1.2　相关系数1.2.1　双变量频数分布的相关系数1.2.2　r的范围1.2.3　无谓相关及其他问题1.2.4　一个案例研究1.3　双变量概率模型1.3.1　离散的双变量概率分布1.3.2　双变量正态分布1.4　双变量线性回归模型1.4.1　一个条件模型1.4.2　估计值和估计量1.4.3　最小二乘估计量1.4.4　平方和的分解1.4.5　一个数值例子1.5　两变量最小二乘模型中的推断1.5.1　LS估计量的性质1.5.2　高斯—马尔科夫定理1.5.3　推断程序1.5.4　数值例子（续1.4.5节中的例子）1.6　两变量回归模型的方差分析1.7　双变量回归模型中的预测1.8　汽油消费：一个初步分析附录附录1.1　证明Var（b）=a2／Σ x２附录1.2　推导?的抽样分布的均值和方差附录1.3　推导cov（a，b）附录1.4　高斯—马尔科夫定理附录1.5　推导var（e0）习题第二章　双变量关系的其他方面2.1　时间作为回归元2.1.1　恒定增长曲线2.1.2　数值例子2.2　变量变换2.2.1　双对数变换2.2.2　半对数变换2.2.3　倒数变换2.3　非线性关系的一个实例：美国的通货膨胀和失业2.4　滞后因变量作为回归元2.4.1　渐近理论简介2.4.2　依概率收敛2.4.3　依分布收敛2.4.4　自回归方程2.5　平稳和非平稳序列2.5.1　单位根2.5.2　数值例证2.6　自回归方程的最大似然估计2.6.1　最大似然估计量2.6.2　最大似然估计量的性质附录附录2.1　密度函数中的变量变换附录2.2　AR（1）模型的最大似然估计量习题第三章　k元线性方程3.1　k—变量模型的矩阵表达式3.1.1　最小二乘法的代数表达式3.1.2　平方和分解3.1.3　方程的离差形式3.2　偏相关系数3.2.1　解释平方和的序贯形成3.2.2　偏相关系数和复回归系数3.2.3　偏相关系数和复回归系数的一般处理3.3　最小二乘法的几何意义3.4　k元方程的推断3.4.1　假定条件3.4.2　b的均值和方差3.4.3　σ2的估计3.4.4　高斯—马尔可夫定理3.4.5　检验关于卢的线性假设3.4.6　受约束和无约束的回归3.4.7　拟合受约束回归方程3.5　预测附录附录3.1　证明r12.3=（r12--r13r）／√▔▔▔▔√▔▔▔▔1—r213　 1—r223附录3.2　在多元回归中，求解单一个回归系数附录3.3　证明当约束Xa=c时，最小化aa将得到a=X（XX）-1c附录3.4　受约束估计量b。的推导习题第四章　k元线性方程设定错误的若干检验4.1　设定错误4.1.1　关于u的可能问题4.1.2　关于X的可能问题4.1.3　关于β的可能问题4.2　模型评估与诊断检验4.3　参数不变性的检验4.3.1　邹（至庄）预测检验4.3.2　汉森检验4.3.3　递归估计检验4.3.4　向前一步预测误差4.3.5　累积和与平方累积和检验4.3.6　设定错误的一个更一般的检验：拉姆齐检验4.4　数值例证4.5　结构变化的检验4.5.1　一个结构变化的检验4.5.2　对斜率系数的检验4.5.3　对截距项的检验4.5.4　小结4.5.5　数值例子4.5.6　推广4.6　虚拟变量4.6.1　简介4.6.2　季节虚拟变量4.6.3　定性变量4.6.4　多于两组的虚拟变量4.6.5　数值例子附录附录　4.1　证明：var（d）＝[1：+X2（X1X1）”X¨习题第五章　最大似然估计，广义最小二乘法及工具变量估计5.1　最大似然估计量5.1.1　最大似然估计量的性质5.2　线性模型的ML估计5.3　似然比、沃尔德与拉格朗日乘数检验5.3.1　似然比检验5.3.2　沃尔德检验5.3.3　拉格朗日乘数检验5.4　有非球形干扰项的线性模型的ML估计5.4.1　广义最小二乘法5.5　工具变量估计量5.5.1　特例5.5.2　两阶段最小二乘法（2SLS）5.5.3　工具的选择5.5.4　线性约束条件的检验附录附录5.1　密度函数中的变量代换附录5.2　中心和非中心的R2附录5.3　证明e?*X（X?X）—1X?e*=e′e*－ee习题第六章　异方差性和自相关6.1　OLS估计量的性质6.2　对异方差性的检验6.2.1　怀特检验6.2.2　布罗施—帕甘伐弗雷检验6.2.3　戈德菲尔德—匡特检验6.2.4　戈德菲尔德—匡特检验的扩展6.3　异方差性下的估计6.3.1　对分组数据的估计6.3.2　对异方差关系式的估计6.4　自相关干扰6.4.1　自相关的形式：自回归和移动平均模式6.4.2　自相关干扰的原因6.5　OLS和自相关干扰6.6　自相关干扰的检验6.6.1　德宾—沃森检验6.6.2　沃利斯四阶自回归检验6.6.3　回归含有因变量滞后值的德宾检验6.6.4　布罗施—戈弗雷检验6.6.5　博克斯—皮尔斯—杨统计量6.7　对具有自相关干扰的关系式的估计6.8　出现自相关干扰时的预测6.9　自回归条件异方差性附录附录6.1　乘积性异方差性的LM检验附录6.2　对群块同方差性的LR检验附录6.3　ARCH（1）过程的性质习题第七章　单变量时间序列建模7.1　进行单变量分析的根本原因7.1.1　滞后算子7.1.2　ARMA建模7.2　AR、MA和ARMA过程的性质7.2.I　AR（1）过程7.2.2 AR（2）过程7.2.3 MA过程7.2.4　ARMA过程7.3　平稳性检验7.3.1　图视法7.3.2　单积（或单整）序列7.3.3　趋势平稳（TS）和差分子稳（DS）序列7.3.4　单位根检验7.3.5　数值例子7.4　ARIMA模型的识别、估计和检验7.4.1　识别7.4.2　估计7.4.3　诊断检验7.5　预测7.5.1　MA（1）过程7.5.2　ARMA（1，1）过程7.5.3　ARMA（1，1，0）过程7.6　季节性7.7　一个数值例子：每月新住房动工习题第八章　自回归分布滞后关系8.1　自回归分布滞后关系8.1.1　恒定弹性关系8.1.2　参数重组8.1.3　动态均衡8.1.4　单位弹性8.1.5　推广8.2　设定与检验8.2.1　一般到简单与简单到一般8.2.2　估计与检验8.2.3　外生性8.2.4　外生性检验8.2.5　武—豪斯曼检验8.3　非平稳回归元8.4　一个数值例子8.4.1　平稳性8.4.2　协积8.4.3　重新设定关系式8.4.4　一个一般的ADL关系8.4.5　参数重组8.5　非嵌套模型附录附录8.1　对方程中的变量作非奇异线性变换附录8.2　证明（8.37）式与（8.41）式的检验统计量相等习题第九章　多方程模型9.1　向量自回归9.1.1　一个简单的VAR9.1.2　三变量VAR9.1.3　高阶系统9.2　VAR的估计9.2.1　检验VAR的阶数9.2.2　葛兰杰因果检验9.2.3　预测、脉冲反应函数和方差分解9.2.4　脉冲响应函数9.2.5　正交新生值9.2.6　方差分解9.3　向量误差纠正模型9.3.1　检验协积秩9.3.2　协积向量估计9.3.3　向量误差纠正模型的估计9.4　　联立结构方程模型9.5　识别条件9.6　结构方程的估计9.6.1　非平稳变量9.6.2　估计的系统方法附录附录9.1　似无关回归附录9.2　高阶VAR习题第十章　广义矩法（GMM）10.1　矩法10.2　OLS作为一个矩问题10.3　工具变量作为一个矩问题10.4　GMM和正交性条件10.5　GMM估计量的分布10.6　应用10.6.1　两阶段最小二乘法和过度识别约束条件的检验10.6.2　重温武—豪斯曼检验10.6.3　最大似然法10.6.4　欧拉方程10.7　关于参考书习题第十一章　密集计算法选讲第十二章　纵列数据第十三章　离散和限值固变量模型附录A　矩阵代数附录B　统计学附录C　数据盘统计学用表索　引