计量经济分析方法与建模-EViews应用及实例-(第3 下载 mobi epub pdf 电子书 2024

基本信息

编辑推荐

本书的适用范围： 对于学过初级计量经济学课程的本科生可以讲授本书的第1章、第2章（2.1节、2.2节）、第3章、第4章（4.1节、4.2节）、第5章的部分内容，以及多方程部分的第11章和第14章的简单内容； 对于学过中高级计量经济学课程的硕士和博士研究生可以讲授第2章、第4章（4.3节~4.10节）、第5章、扩展的单方程分析的第6~9章、多方程部分的第10章、第12~15章。

内容提要

本书全面介绍了计量经济学的主要理论和方法，将它们纳入一个完整、清晰的体系之中。本书注重将计量经济学的理论和实际经济问题相结合，提供了大量的基于经济问题的模型实例，协助教师提高教学效率，增强学生的学习兴趣和实际建模能力。本书的作者都是多年从事计量经济学教学和研究的教师，书中融入了作者们教学和科研的体会。书中大多数实际案例是作者们在实践中运用的实例和国内外的经典实例，同时基于EViews软件来介绍实际应用技巧，具有很强的可操作性。 本书可以作为本科生、硕士和博士研究生的应用计量经济学课程教材，也可作为在经济、统计、金融等领域从事定量分析的工作人员的参考书。

目录

目录 第Ⅰ部分数据分析基础 第1章概率与统计基础 1．1随机变量 1．1．1概率分布 1．1．2随机变量的数字特征 1．1．3随机变量的联合分布 1．2从总体到样本 1．2．1基本统计量 1．2．2估计量性质 1．3一些重要的概率分布 1．3．1正态分布 1．3．2χ2分布 1．3．3t分布 1．3．4F分布 1．4统计推断 1．4．1参数估计 1．4．2假设检验 1．5EViews软件的相关操作 1．5．1单序列的统计量、检验和分布 1．5．2多序列的显示和统计量 第2章经济时间序列的处理、季节调整与分解 2．1经济时间序列的处理和频率转换方法 2．1．1经济指标几种数据类型的概念 2．1．2频率转换 2．2季节调整 2．2．1移动平均公式 2．2．2Census X��13�睞RIMA�睸EATS季节调整方法 2．2．3TRAMO/SEATS方法 2．3趋势分解 2．3．1Hodrick�睵rescott滤波方法 2．3．2频谱滤波(BP滤波)方法 2．4EViews软件的相关操作 2．4．1频率转换 2．4．2X��13�睞RIMA�睸EATS季节调整 2．4．3TRAMO/SEATS季节调整 2．4．4Hodrick�睵rescott滤波 2．4．5BP滤波 第Ⅱ部分基本的单方程分析 第3章基本回归模型 3．1古典线性回归模型 3．1．1一元线性回归模型 3．1．2*小二乘法 3．1．3多元线性回归模型 3．1．4系数估计量的性质 3．1．5线性回归模型的检验 3．1．6AIC准则和Schwarz准则 3．2回归方程的函数形式 3．2．1双对数线性模型 3．2．2半对数模型 3．2．3双曲函数模型 3．2．4多项式回归模型 3．2．5Box�睠ox转换 3．3包含虚拟变量的回归模型 3．3．1回归中的虚拟变量 3．3．2季节调整的虚拟变量方法 3．4模型设定和假设检验 3．4．1系数检验 3．4．2残差检验 3．4．3模型稳定性检验 3．5方程模拟与预测 3．5．1预测误差与方差 3．5．2预测评价 3．6EViews软件的相关操作 3．6．1设定回归方程形式和估计方程 3．6．2方程输出结果 3．6．3与回归方程有关的操作 3．6．4模型设定和假设检验 3．6．5预测 第4章其他回归方法 4．1异方差 4．1．1异方差检验 4．1．2加权*小二乘估计 4．1．3存在异方差时参数估计量的一致协方差 4．2二阶段*小二乘法 4．3非线性*小二乘法 4．4广义矩方法 4．4．1矩法估计量 4．4．2广义矩估计 4．5多项式分布滞后模型 4．6逐步*小二乘回归 4．7分位数回归 4．7．1分位数回归的基本思想和系数估计 4．7．2系数协方差的估计 4．7．3模型评价和检验 4．8非参数回归模型 4．8．1密度函数的非参数估计 4．8．2一元非参数计量经济模型 4．9稳健*小二乘法(robust) 4．9．1M估计 4．9．2S估计 4．9．3MM估计 4．9．4系数协方差的计算方法 4．10有限信息极大似然估计和K类估计 4．10．1有限信息极大似然估计(LIML) 4．10．2K类估计 4．11EViews软件的相关操作 4．11．1异方差检验 4．11．2加权*小二乘法估计 4．11．3White异方差一致协方差和Newey�瞁est 异方差自相关一致协方差 4．11．4二阶段*小二乘法(TSLS)估计 4．11．5非线性*小二乘估计 4．11．6GMM估计 4．11．7估计包含PDLs的模型 4．11．8逐步回归估计 4．11．9分位数回归 4．11．10非参数估计 4．11．11Robust*小二乘估计 4．11．12在EViews中进行LIMI和K类估计 4．12附录广义*小二乘估计 第5章时间序列模型 5.1序列相关及其检验 5.1.1序列相关及其产生的后果 5.1.2序列相关的检验方法 5.1.3扰动项存在序列相关的线性回归方程的修正与估计 5.2平稳时间序列建模 5.2.1平稳时间序列的概念 5.2.2ARMA模型 5.2.3ARMA模型的平稳性 5.2.4ARMA模型的识别 5.3非平稳时间序列建模 5.3.1非平稳序列和单整 5.3.2非平稳序列的单位根检验 5.3.3突变点单位根检验(breakpoint unit root test) 5.3.4ARIMA模型 5.3.5ARFIMA模型 5.3.6自回归分布滞后模型 5.4协整和误差修正模型 5.4.1协整关系 5.4.2基于残差的协整检验 5.4.3误差修正模型(ECM) 5.5EViews软件的相关操作 5.5.1检验序列相关性 5.5.2修正序列相关 5.5.3ARMA(p，q)模型的估计 5.5.4单位根检验 5.5.5非平稳时间序列估计 5.5.6基于残差的EG协整检验(EG和PO协整检验方法) 第Ⅲ部分扩展的单方程分析 第6章条件异方差模型 6.1自回归条件异方差模型 6.1.1ARCH模型 6.1.2ARCH的检验 6.1.3GARCH模型 6.1.4IGARCH模型 6.1.5约束及回推 6.1.6GARCH模型的残差分布假设 6.1.7GARCH�睲模型 6.2非对称的ARCH模型 6.2.1TARCH模型 6.2.2EGARCH模型 6.2.3PARCH模型 6.2.4非对称的信息冲击曲线 6.3成分ARCH模型 6.4EViews软件的相关操作 6.4.1ARCH检验 6.4.2ARCH模型的建立 6.4.3ARCH模型的视图和过程 6.4.4ARCH模型的输出 6.4.5绘制估计的信息冲击曲线 第7章离散因变量和受限因变量模型 7.1二元选择模型 7.1.1线性概率模型及二元选择模型的形式 7.1.2二元选择模型的估计问题 7.1.3二元选择模型的变量假设检验问题 7.2排序选择模型 7.3受限因变量模型 7.3.1审查、选择性样本和截断数据 7.3.2受限因变量数据为什么不能用普通*小二乘估计 7.3.3审查回归模型 7.3.4截断回归模型 7.4Heckman样本选择模型 7.5计数模型 7.5.1泊松模型的形式与参数估计 7.5.2负二项式模型的形式与参数估计 7.5.3准—极大似然估计 7.6广义线性模型 7.6.1广义线性模型的形式 7.6.2广义线性模型的参数估计 7.7EViews软件的相关操作 7.7.1二元选择模型 7.7.2排序选择模型 7.7.3审查回归模型 7.7.4截断回归模型 7.7.5Heckman选择模型 7.7.6计数模型 7.7.7广义线性模型 第8章对数极大似然估计 8.1对数极大似然估计的基本原理 8.1.1极大似然估计的基本原理 8.1.2极大似然估计量的计算方法 8.1.3优化算法 8.2对数极大似然的估计实例 8.2.1一元线性回归模型的极大似然函数 8.2.2AR(1)模型的极大似然函数 8.2.3GARCH(q，p)模型的极大似然函数 8.2.4具有异方差的一元线性回归模型的极大似然函数 8.3EViews软件的相关操作 8.3.1似然对象的建立 8.3.2似然对象的估计、视图和过程 8.3.3问题解答 第9章具有结构变化特征的回归模型 9.1间断点回归模型 9.1.1多个间断点的检验 9.1.2包含多个间断点时的方程估计 9.2门限回归模型 9.2.1门限回归(TR)模型 9.2.2自激励门限自回归(SETAR)模型 9.3转换回归模型 9.3.1转换回归的基本模型 9.3.2马尔可夫区制转换模型 9.3.3动态转换模型 9.4EViews软件的相关操作 9.4.1间断点检验和间断点模型估计 9.4.2门限模型的估计 9.4.3转换方程对象的建立与估计 第Ⅳ部分多方程分析 第10章向量自回归和向量误差修正模型 10.1向量自回归理论 10.1

书包装较好，包装袋内泡沫发挥了保护作用，但邮政快递效率太差，服务水平与京东物流的差距很大

好书，书好。

书包装较好，包装袋内泡沫发挥了保护作用，但邮政快递效率太差，服务水平与京东物流的差距很大

好书，书好。

好书，书好。

有防伪标志，朋友推荐的书

书包装较好，包装袋内泡沫发挥了保护作用，但邮政快递效率太差，服务水平与京东物流的差距很大

好书，书好。

挺好