計量經濟學方法
美國約翰斯頓所著書籍
《計量經濟學方法》初版於1963年，其後大約每隔10年再版一次，以跟上計量經濟學的發展。數十年來，本書已成為各國名牌大學廣泛採用的教材。本版本的主要寫作目標有兩個：其一是提供一份綜合易懂可用的計量經濟方法手冊；二是通過應用一些真實數據集來說明這些方法。這些數據由本書的配套數據磁碟給出，因而，讀者可以重複操作一追課文中的應用案例，實驗一下章末所提出的一些問題，再對自己選擇的方法進行進一步的分析。因此，本書幾乎是全部重寫井增加了對一些新專題的介紹，包括：漸進理論，時間序列，模型評價，廣義矩法，密集計演演算法，微觀計量經濟學。
書 名：《計量經濟學方法》
定價：87.50
ISBN：7501750637
出版日期： 2002-4-1
頁 數： 535
開 本： 32
紙 張：膠版紙
包 裝：平裝
所屬分類：圖書 >> 經濟 >>經濟學理論
J.約翰斯頓，是加利福尼亞大學的計量經濟學名譽教授。在轉入俄爾文之前，他擔任曼徹斯特大學的斯坦利·傑文斯計量經濟學教授。J.約翰斯頓教授也曾任教於紐約市立大學、埃莫立大學，哈佛大學，安大略皇后大學，威爾士大學，威斯康辛-麥迪遜厭這。他還是計量經濟學會的資深會員。其作品有《統計成本分析》及《計量經濟學方法》的前三版。
J.迪納爾多，是加利福尼亞大學的經濟學副教授，並為國民經濟研究所的研究員。在轉入俄爾文之前，他曾擔任蘭德的研究助理。作為一名勞動經濟學家和應用計量經濟學家，他曾執教於麻省理工大學和普林頓大學。他最近的作品刊登在《計量經濟學》雜誌、《政治經濟學》雜誌、以及《經濟學雜誌》季刊上。本書是他所著的第一本書。
致我們的中文讀者
To Our Chinese Readers
譯者的話
前言
第一章 兩個變數之間的關係
1.1 雙變數關係示例
1.1.1 雙變數頻數分佈
1.2 相關係數
1.2.1 雙變數頻數分佈的相關係數
1.2.2 r的範圍
1.2.3 無謂相關及其他問題
1.2.4 一個案例研究
1.3 雙變數概率模型
1.3.1 離散的雙變數概率分佈
1.3.2 雙變數正態分佈
1.4 雙變數線性回歸模型
1.4.1 一個條件模型
1.4.2 估計值和估計量
1.4.3 最小二乘估計量
1.4.4 平方和的分解
1.4.5 一個數值例子
1.5 兩變數最小二乘模型中的推斷
1.5.1 LS估計量的性質
1.5.2 高斯—馬爾科夫定理
1.5.3 推斷程序
1.5.4 數值例子(續1.4.5節中的例子)
1.6 兩變數回歸模型的方差分析
1.7 雙變數回歸模型中的預測
1.8 汽油消費：一個初步分析
附錄
附錄1.1 證明Var(b)=a2/Σ x2
附錄1.2 推導∂的抽樣分佈的均值和方差
附錄1.3 推導cov(a，b)
附錄1.4 高斯—馬爾科夫定理
附錄1.5 推導var(e0)
習題
第二章 雙變數關係的其他方面
2.1 時間作為回歸元
2.1.1 恆定增長曲線
2.1.2 數值例子
2.2 變數變換
2.2.1 雙對數變換
2.2.2 半對數變換
2.2.3 倒數變換
2.3 非線性關係的一個實例：美國的通貨膨脹和失業
2.4 滯后因變數作為回歸元
2.4.1 漸近理論簡介
2.4.2 依概率收斂
2.4.3 依分佈收斂
2.4.4 自回歸方程
2.5 平穩和非平穩序列
2.5.1 單位根
2.5.2 數值例證
2.6 自回歸方程的最大似然估計
2.6.1 最大似然估計量
2.6.2 最大似然估計量的性質
附錄
附錄2.1 密度函數中的變數變換
附錄2.2 AR(1)模型的最大似然估計量
習題
第三章 k元線性方程
3.1 k—變數模型的矩陣表達式
3.1.1 最小二乘法的代數表達式
3.1.2 平方和分解
3.1.3 方程的離差形式
3.2 偏相關係數
3.2.1 解釋平方和的序貫形成
3.2.2 偏相關係數和復回歸係數
3.2.3 偏相關係數和復回歸係數的一般處理
3.3 最小二乘法的幾何意義
3.4 k元方程的推斷
3.4.1 假定條件
3.4.2 b的均值和方差
3.4.3 σ2的估計
3.4.4 高斯—馬爾可夫定理
3.4.5 檢驗關於盧的線性假設
3.4.6 受約束和無約束的回歸
3.4.7 擬合受約束回歸方程
3.5 預測
附錄
附錄3.1 證明r12.3=(r12--r13r)/√▔▔▔▔√▔▔▔▔
1—r213 1—r223
附錄3.2 在多元回歸中，求解單一個回歸係數
附錄3.3 證明當約束X'a=c時，最小化a'a
將得到a=X(X'X)-1c
附錄3.4 受約束估計量b。的推導
習題
第四章 k元線性方程設定錯誤的若干檢驗
4.1 設定錯誤
4.1.1 關於u的可能問題
4.1.2 關於X的可能問題
4.1.3 關於β的可能問題
4.2 模型評估與診斷檢驗
4.3 參數不變性的檢驗
4.3.1 鄒(至庄)預測檢驗
4.3.2 漢森檢驗
4.3.3 遞歸估計檢驗
4.3.4 向前一步預測誤差
4.3.5 累積和與平方累積和檢驗
4.3.6 設定錯誤的一個更一般的檢驗：拉姆齊檢驗
4.4 數值例證
4.5 結構變化的檢驗
4.5.1 一個結構變化的檢驗
4.5.2 對斜率係數的檢驗
4.5.3 對截距項的檢驗
4.5.4 小結
4.5.5 數值例子
4.5.6 推廣
4.6 虛擬變數
4.6.1 簡介
4.6.2 季節虛擬變數
4.6.3 定性變數
4.6.4 多於兩組的虛擬變數
4.6.5 數值例子
附錄
附錄 4.1 證明：var(d)=[1：+X2(X1X1)”X¨
習題
第五章 最大似然估計，廣義最小二乘法及工具變數估計
5.1 最大似然估計量
5.1.1 最大似然估計量的性質
5.2 線性模型的ML估計
5.3 似然比、沃爾德與拉格朗日乘數檢驗
5.3.1 似然比檢驗
5.3.2 沃爾德檢驗
5.3.3 拉格朗日乘數檢驗
5.4 有非球形干擾項的線性模型的ML估計
5.4.1 廣義最小二乘法
5.5 工具變數估計量
5.5.1 特例
5.5.2 兩階段最小二乘法(2SLS)
5.5.3 工具的選擇
5.5.4 線性約束條件的檢驗
附錄
附錄5.1 密度函數中的變數代換
附錄5.2 中心和非中心的R2
附錄5.3 證明e΄*X(X΄X)—1X΄e*=e´e*－e'e
習題
第六章 異方差性和自相關
6.1 OLS估計量的性質
6.2 對異方差性的檢驗
6.2.1 懷特檢驗
6.2.2 布羅施—帕甘伐弗雷檢驗
6.2.3 戈德菲爾德—匡特檢驗
6.2.4 戈德菲爾德—匡特檢驗的擴展
6.3 異方差性下的估計
6.3.1 對分組數據的估計
6.3.2 對異方差關係式的估計
6.4 自相關干擾
6.4.1 自相關的形式：自回歸和移動平均模式
6.4.2 自相關干擾的原因
6.5 OLS和自相關干擾
6.6 自相關干擾的檢驗
6.6.1 德賓—沃森檢驗
6.6.2 沃利斯四階自回歸檢驗
6.6.3 回歸含有因變數滯后值的德賓檢驗
6.6.4 布羅施—戈弗雷檢驗
6.6.5 博克斯—皮爾斯—楊統計量
6.7 對具有自相關干擾的關係式的估計
6.8 出現自相關干擾時的預測
6.9 自回歸條件異方差性
附錄
附錄6.1 乘積性異方差性的LM檢驗
附錄6.2 對群塊同方差性的LR檢驗
附錄6.3 ARCH(1)過程的性質
習題
第七章 單變數時間序列建模
7.1 進行單變數分析的根本原因
7.1.1 滯后運算元
7.1.2 ARMA建模
7.2 AR、MA和ARMA過程的性質
7.2.I AR(1)過程
7.2.2 AR(2)過程
7.2.3 MA過程
7.2.4 ARMA過程
7.3 平穩性檢驗
7.3.1 圖視法
7.3.2 單積(或單整)序列
7.3.3 趨勢平穩(TS)和差分子穩(DS)序列
7.3.4 單位根檢驗
7.3.5 數值例子
7.4 ARIMA模型的識別、估計和檢驗
7.4.1 識別
7.4.2 估計
7.4.3 診斷檢驗
7.5 預測
7.5.1 MA(1)過程
7.5.2 ARMA(1，1)過程
7.5.3 ARMA(1，1，0)過程
7.6 季節性
7.7 一個數值例子：每月新住房動工
習題
第八章 自回歸分佈滯后關係
8.1 自回歸分佈滯后關係
8.1.1 恆定彈性關係
8.1.2 參數重組
8.1.3 動態均衡
8.1.4 單位彈性
8.1.5 推廣
8.2 設定與檢驗
8.2.1 一般到簡單與簡單到一般
8.2.2 估計與檢驗
8.2.3 外生性
8.2.4 外生性檢驗
8.2.5 武—豪斯曼檢驗
8.3 非平穩回歸元
8.4 一個數值例子
8.4.1 平穩性
8.4.2 協積
8.4.3 重新設定關係式
8.4.4 一個一般的ADL關係
8.4.5 參數重組
8.5 非嵌套模型
附錄
附錄8.1 對方程中的變數作非奇異線性變換
附錄8.2 證明(8.37)式與(8.41)式的檢驗統計量相等
習題
第九章 多方程模型
9.1 向量自回歸
9.1.1 一個簡單的VAR
9.1.2 三變數VAR
9.1.3 高階系統
9.2 VAR的估計
9.2.1 檢驗VAR的階數
9.2.2 葛蘭傑因果檢驗
9.2.3 預測、脈衝反應函數和方差分解
9.2.4 脈衝響應函數
9.2.5 正交新生值
9.2.6 方差分解
9.3 向量誤差糾正模型
9.3.1 檢驗協積秩
9.3.2 協積向量估計
9.3.3 向量誤差糾正模型的估計
9.4 聯立結構方程模型
9.5 識別條件
9.6 結構方程的估計
9.6.1 非平穩變數
9.6.2 估計的系統方法
附錄
附錄9.1 似無關回歸
附錄9.2 高階VAR
習題
第十章 廣義矩法(GMM)
10.1 矩法
10.2 OLS作為一個矩問題
10.3 工具變數作為一個矩問題
10.4 GMM和正交性條件
10.5 GMM估計量的分佈
10.6 應用
10.6.1 兩階段最小二乘法和過度識別約束條件的檢驗
10.6.2 重溫武—豪斯曼檢驗
10.6.3 最大似然法
10.6.4 歐拉方程
10.7 關於參考書
習題
第十一章 密集計演演算法選講
第十二章 縱列數據
第十三章 離散和限值固變數模型
附錄A 矩陣代數
附錄B 統計學
附錄C 數據盤
統計學用表
索 引
