计量经济学 9787560599434 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

王芹，康玉泉，田杰 著

图书标签:

• 计量经济学
• 经济学
• 统计学
• 模型
• 数据分析
• 回归分析
• 时间序列
• 金融
• 经济计量
• 高等教育

店铺： 一鸿盛世图书专营店

出版社： 西安交通大学出版社

ISBN：9787560599434

商品编码：29793165158

包装：平装-胶订

出版时间：2017-10-01

基本信息

书名：计量经济学

定价：29.80元

作者：王芹,康玉泉,田杰

出版社：西安交通大学出版社

出版日期：2017-10-01

ISBN：9787560599434

字数：

页码：

版次：1

装帧：平装-胶订

开本：16开

商品重量：0.4kg

编辑推荐

---

内容提要

---

《计量经济学/普通高等教育“十三五”经济与管理类专业核心课程规划教材》详细论述了经典的单方程计量经济学模型的理论方法，适当介绍了虚拟变量模型与联立方程模型的理论与应用、时间序列计量经济学模型的建模及其应用：以初级水平内容为主，适当吸收了中级和高级水平的内容：以经典线性模型为主，适当介绍了一些适用的非经典模型。全书形成了一个特色的内容体系。
　　《计量经济学/普通高等教育“十三五”经济与管理类专业核心课程规划教材》的特色在于，十分强调计量经济学方法的实际运用，每讲述完一个计量经济学的理论方法，都会有一个案例操作，详尽地介绍了相应的EViews软件操作方法和步骤，并在此基础上，通过一些精心挑选出来的案例和课后题，使读者能够真正掌握计量经济学基本的研究方法，学会使用计量经济学软件分析解决现实的经济问题，从而将计量经济学建模用于实证研究当中。
　　《计量经济学/普通高等教育“十三五”经济与管理类专业核心课程规划教材》可作为高等院校经济学及相关专业本科生的教学用书，也可作为相关人员的参考用书。

目录

---

章 导论
1．1 计量经济学的产生和发展
1．2 计量经济学的研究内容
1．3 计量经济模型
1．4 计量经济学的研究方法(建立计量经济模型的步骤)
1．5 计量经济模型的应用

篇 经典假设下的计量经济学模型
第2章 一元线性回归模型
2．1 引入：一元线性回归模型
2．2 线性回归模型基本假设
2．3 一元线性回归模型的参数估计
2．4 参数估计量的性质
2．5 拟合优度的度量
2．6 预测
2．7 案例分析
思考与练习
第3章 多元线性回归模型
3．1 模型的建立
3．2 小二乘估计
3．3 小二乘估计量的统计特征
3．4 多元线性回归模型的统计检验
3．5 案例分析
思考与练习

第二篇 放宽假设的计量经济学模型
第4章 多重共线性
4．1 多重共线性的概念
4．2 多重共线性的来源与结果
4．3 多重共线性的检验
4．4 多重共线性的修正方法
4．5 案例分析：多重共线性的检验和处理
思考与练习
第5章 异方差
5．1 异方差的概念
5．2 异方差的来源与后果
5．3 异方差的检验
5．4 异方差性的补救措施
5．5 案例分析：异方差的检验和处理
思考与练习
第6章 序列自相关
6．1 序列自相关的概念
6．2 序列自相关的来源与结果
6．3 序列自相关的检验
6．4 序列自相关的修正方法
6．5 案例分析：序列自相关的检验与处理
思考与练习

第三篇 虚拟变量模型与联立方程模型的理论与应用
第7章 虚拟变量模型
7．1 虚拟变量
7．2 虚拟解释变量回归
7．3 虚拟被解释变量模型
7．4 案例分析
思考与练习
第8章 联立方程模型
8．1 联立方程模型的概念
8．2 联立方程模型的分类
8．3 联立方程模型的识别
8．4 联立方程模型的参数估计方法
8．5 案例分析
思考与练习

第四篇 时间序列计量经济学模型及其应用
第9章 时间序列的平稳性及其检验
9．1 时间序列数据的平稳性
9．2 时间序列数据的平稳性检验
9．3 单整时间序列
9．4 案例分析
思考与练习
0章 协整与误差修正模型
10．1 长期均衡关系与协整
10．2 误差修正模型
10．3 案例分析
思考与练习
1章 向量自回归模型及其应用
11．1 向量自回归模型
11．2 向量自回归模型的估计
11．3 脉冲响应函数
11．4 预测误差方差分解
11．5 Granger因果关系检验
11．6 案例分斯
思考与练习

附录
附录一 EViews软件的基本操作
附录二 常用统计年鉴
附录三 常用统计表
参考文献

作者介绍

---

文摘

---

序言

---

计量经济学：洞察经济世界运行规律的精密工具 经济现象纷繁复杂，从通货膨胀的波动到就业市场的变化，从国家宏观经济政策的制定到企业微观运营的决策，无不受到各种因素的交织影响。理解这些现象背后的驱动力，预测未来的发展趋势，并为政策制定和商业决策提供科学依据，是经济学研究的核心目标。而“计量经济学”正是实现这一目标的关键所在。它不仅仅是理论经济学的延伸，更是一种将抽象经济理论转化为可量化、可检验的实证研究的强大方法论。 计量经济学，顾名思义，是将“计量”（measurement）与“经济学”（economics）相结合的学科。它致力于运用统计学、数学以及计算机技术等工具，来衡量、检验和量化经济理论所提出的各种关系和假设。本书将带领读者深入探索计量经济学的世界，揭示其如何成为理解和分析经济现实的必备利器。 计量经济学的核心思想与方法论 计量经济学的魅力在于它能够为那些难以用语言精确描述的经济现象提供量化的解释。它建立在一系列基本假设之上，并发展出了一套严谨的研究框架。 经济理论是起点： 计量经济学并非凭空产生，它深深植根于经济学理论。无论是微观经济学中的供需关系、消费者行为理论，还是宏观经济学中的国民收入决定理论、货币政策传导机制，计量经济学都尝试将这些理论用数学模型表达出来。例如，一个关于商品价格和需求量的理论，可以用一个简单的线性方程来表示：需求量 = α + β 价格 + ε，其中α是截距项，β是价格对需求量的影响系数，而ε则代表了其他未被模型捕捉到的随机因素。 数据是载体： 经济理论需要用真实世界的数据来验证。计量经济学依赖于各种类型的数据，包括： 时间序列数据（Time Series Data）： 记录了同一经济变量在不同时间点上的数值，例如每年的GDP增长率、每月的失业率、每日的股票价格等。分析时间序列数据可以揭示经济变量随时间演变的规律、趋势和周期性波动。 横截面数据（Cross-Sectional Data）： 记录了不同经济主体（如家庭、企业、国家）在同一时间点上的经济变量数值，例如不同家庭的收入和消费支出、不同公司的利润和投资额。分析横截面数据可以揭示经济主体之间的差异及其原因。 面板数据（Panel Data）： 结合了时间序列和横截面数据的特点，记录了同一经济主体在不同时间点上的观测值，或者不同经济主体在同一时间点上的追踪观测值。面板数据能够提供更丰富的信息，允许我们控制个体固定效应和时间固定效应，从而更有效地识别因果关系。 统计模型是工具： 计量经济学利用统计模型来描述经济变量之间的关系。最常用的模型之一是线性回归模型（Linear Regression Model）。通过对数据进行回归分析，我们可以估计模型中各个参数（如上述方程中的α和β）的数值，并检验这些参数的统计显著性。例如，我们可以估计出价格每上涨1元，某种商品的需求量会减少多少。 推断与检验是目标： 计量经济学研究的最终目的是进行统计推断。这意味着我们要根据样本数据对总体的经济规律做出判断，并检验经济学理论的有效性。例如，我们能否有足够证据拒绝“价格对需求量没有影响”的零假设？计量经济学提供了一系列统计检验方法，如t检验、F检验等，来帮助我们做出科学的判断。 计量经济学的核心模型与技术 本书将深入讲解计量经济学的核心模型和技术，为读者构建坚实的理论基础和实践能力。 一元线性回归（Simple Linear Regression）： 这是计量经济学中最基础也最重要的模型。我们将学习如何构建一元线性回归模型，理解其模型假设，掌握估计模型参数的方法（如普通最小二乘法 OLS），以及如何解释回归结果，包括斜率系数的经济含义、决定系数R²的意义等。同时，我们还将学习如何对回归系数进行t检验，以判断解释变量对被解释变量的影响是否显著。 多元线性回归（Multiple Linear Regression）： 现实中的经济现象往往是多个因素共同作用的结果。多元线性回归模型允许我们同时考虑多个解释变量对被解释变量的影响，从而更全面地刻画经济关系。我们将学习如何构建多元回归模型，理解模型中各系数的含义，以及如何解释多重共线性、遗漏变量偏误等可能出现的问题。此外，F检验将被用于检验所有解释变量对被解释变量的联合显著性。 虚拟变量（Dummy Variables）： 许多经济因素，如性别、地区、政策实施与否等，是定性的，无法直接纳入回归模型。虚拟变量的引入，将这些定性因素转化为定量信息，使得它们也能被纳入回归分析。我们将学习如何设置和解释虚拟变量，以及它们在分析政策效果、消费习惯差异等问题中的应用。 异方差与序列相关（Heteroskedasticity and Autocorrelation）： 在实际应用中，OLS方法的有效性依赖于一些核心假设，当这些假设被违反时，OLS估计量仍然无偏，但不再是最小方差的。异方差是指误差项的方差不恒定，而序列相关是指误差项之间存在相关性，这在时间序列数据中尤为常见。本书将详细讲解如何识别这两种问题，并介绍修正异方差和序列相关的各种方法，如加权最小二乘法（WLS）、广义最小二乘法（GLS）以及使用稳健标准误（Robust Standard Errors）等，以获得更可靠的统计推断。 内生性问题及其处理（Endogeneity and its Solutions）： 内生性是计量经济学中一个核心且普遍存在的问题，它会导致OLS估计量产生偏误且不一致。内生性通常来源于遗漏变量偏误、测量误差偏误以及因果关系的反向性。本书将深入剖析内生性的来源，并重点介绍处理内生性的各种方法，包括工具变量法（Instrumental Variables, IV）、两阶段最小二乘法（2SLS）、差分法（Difference-in-Differences）等。这些方法是进行因果推断的关键工具。 时间序列分析（Time Series Analysis）： 经济数据常常呈现出时间依赖性。时间序列分析是研究经济变量如何随时间演变的专门领域。我们将接触AR、MA、ARMA、ARIMA等经典时间序列模型，学习如何对经济时间序列进行平稳性检验、自相关和偏自相关分析，以及如何选择和估计时间序列模型。此外，我们将还会探讨单位根检验、协整分析等概念，这些都是在分析宏观经济变量（如GDP、通货膨胀率）时不可或缺的技术。 面板数据模型（Panel Data Models）： 前面提到的横截面和时间序列数据各有优劣，而面板数据能够有效地克服两者的一些局限性。本书将详细介绍固定效应模型（Fixed Effects Model）和随机效应模型（Random Effects Model），以及如何根据数据特点和研究目的选择合适的面板数据模型。这些模型在分析企业投资、家庭消费、劳动力市场等方面的研究中具有广泛的应用。 模型选择与诊断（Model Selection and Diagnostics）： 建立一个有效的计量经济学模型并非一蹴而就。本书将强调模型选择的重要性，并介绍各种模型选择标准（如AIC, BIC）。同时，我们还将学习如何通过残差分析、异方差检验、序列相关检验等方式对模型进行诊断，以评估模型的拟合优度，确保模型的有效性和可靠性。 计量经济学的实际应用 计量经济学的理论与方法不仅是学术研究的基石，更是解决现实经济问题的强大工具。本书将通过丰富的案例研究，展示计量经济学在以下领域的广泛应用： 宏观经济政策评估： 如何量化货币政策（如利率调整）对通货膨胀和就业的影响？如何评估财政政策（如减税）对经济增长的实际效果？计量经济学模型能够提供精确的答案。 金融市场分析： 预测股票价格走势，评估风险，构建投资组合，这些都需要计量经济学模型来支持。例如，利用时间序列模型预测未来股票收益，或利用回归模型分析影响股价的因素。 市场营销与消费者行为研究： 企业如何制定最优定价策略？哪些因素影响消费者的购买决策？计量经济学可以帮助企业理解市场需求，优化产品定价和营销活动。 劳动力经济学： 分析教育对收入的影响，评估最低工资政策的效果，研究性别薪酬差距的原因，这些都离不开计量经济学方法的应用。 发展经济学： 探究贫困的根源，评估减贫政策的有效性，分析国际援助的影响，计量经济学为理解和解决发展中国家面临的挑战提供了量化工具。 环境经济学： 评估环境政策的成本效益，量化污染对健康和经济的损害，计量经济学帮助我们做出更明智的环境决策。 学习计量经济学的重要性 在这个数据驱动的时代，掌握计量经济学技能的重要性不言而喻。无论您是经济学专业的学生，还是金融、市场营销、公共政策等相关领域的从业者，计量经济学都将为您提供： 批判性思维能力： 能够辨别经济新闻和研究报告中的统计陷阱，做出独立的判断。 解决复杂问题的能力： 能够将抽象的经济问题转化为可量化的模型，并利用数据找到解决方案。 数据分析与解读能力： 能够熟练运用计量经济学软件（如Stata, R, Eviews）进行数据处理、模型估计和结果解释。 职业发展优势： 在竞争日益激烈的就业市场中，熟练掌握计量经济学技能将使您脱颖而出。 本书将以清晰的逻辑、详实的讲解和丰富的实例，引导读者一步步掌握计量经济学的精髓。从基础概念到高级模型，从理论推导到实证应用，我们力求为您提供一个全面、深入的学习体验。通过学习本书，您将不仅仅是掌握一套技术，更是获得一种洞察经济世界运行规律的精密工具，为您的学术研究或职业生涯增添强大的竞争力。

评分☆☆☆☆☆

读到关于模型假设的部分，我真是捏了一把汗。作者在讲解每个模型的建立过程时，都非常注重对前提条件的阐述，生怕我们因为忽略了这些细节而导致分析结果产生偏差。这一点对于初学者来说至关重要。我记得之前有次尝试自己做一些简单的经济数据分析，结果出来的数字总是和直觉相悖，后来才意识到可能是模型选择或者假设条件没有把握好。这本书在这方面做得非常到位，它不像有些书那样直接抛出公式，而是耐心地解释了为什么需要这些假设，以及这些假设在现实中是否成立，又该如何处理它们不成立的情况。这种严谨的态度，让我觉得作者确实是站在读者的角度在思考，尽可能地降低学习的门槛，并教会我们如何“知其所以然”。我个人比较喜欢那种能够联系实际案例的讲解方式，这本书在这方面似乎也做得不错，虽然我还没深入到具体案例分析，但从目录上看，感觉内容不会过于空泛，这一点值得赞赏。

评分☆☆☆☆☆

这本书在讲解回归模型时，给了我很多启发。我一直觉得，经济学研究的最终目的就是理解变量之间的关系，而回归模型正是实现这一目标的最有力工具之一。这本书对于如何构建、估计和解释回归模型，可以说是面面俱到。从最简单的简单线性回归，到多重线性回归，再到处理多项式关系和交互项，讲解都非常清晰。让我印象深刻的是，作者在讲解 OLS (Ordinary Least Squares) 方法时，不仅仅是给出公式，而是从几何意义上解释了最小二乘法的原理，这让我对模型拟合的“最优性”有了更直观的理解。此外，关于模型的诊断，比如异方差、自相关等问题，作者也给予了充分的关注，并提供了相应的检测方法和处理策略，这让我意识到，一个看似简单的回归模型，背后却蕴含着如此多的细节和讲究，需要我们细心打磨才能得出可靠的结论。

评分☆☆☆☆☆

在学习统计检验的部分，我被作者的循序渐进的讲解方式深深吸引。我一直觉得，很多时候学习计量经济学最大的难点不在于公式本身，而在于理解每一个统计量、每一个检验的真正含义以及它们在实际中的应用。这本书的讲解就非常有条理，它先是介绍了基本的概率论和统计学概念，然后一步步引出各种统计检验方法，并详细说明了它们的原理、适用场景以及如何解读检验结果。特别值得一提的是，作者在介绍假设检验的时候，并没有仅仅停留在P值和显著性水平的层面，而是深入浅出地解释了零假设、备择假设的含义，以及犯第一类错误和第二类错误的风险，这对于建立正确的统计思维非常有帮助。我总觉得，掌握了这些基础的检验方法，就如同拥有了一把打开经济数据宝库的钥匙，能够从中挖掘出有价值的信息，而不仅仅是看到一堆数字。

评分☆☆☆☆☆

这本书的封面设计给我的第一印象就是那种严谨、学术的风格，深蓝色配上烫金的书名，一看就知道是那种需要认真对待的教材。拿到手里，份量十足，沉甸甸的感觉，仿佛里面承载了厚厚的知识。翻开扉页，印刷质量相当不错，纸张的触感也比较好，没有那种廉价的荧光感，阅读起来会比较舒适。目录的编排也显得很清晰，从基础概念到高级模型，层层递进，看得出作者在内容组织上花了不少心思。我一直觉得计量经济学是一门既有理论深度又有实践意义的学科，它能够帮助我们理解经济现象背后的规律，做出更科学的预测和决策。这本书的出现，让我对系统性地学习这门课程充满了期待，希望能通过它，打下坚实的理论基础，并逐渐掌握运用计量方法分析现实经济问题的能力。那些枯燥的公式和推导，我承认之前是有些畏惧的，但看到这本教材的整体框架和细致的排版，我好像看到了一条清晰的学习路径，这让我感到安心了不少。

评分☆☆☆☆☆

对于时间序列分析这块内容，我一直感觉它是我学习计量经济学过程中的一个“硬骨头”。经济现象很多时候都具有时间上的延续性和动态性，如何捕捉这种动态变化并进行预测，是计量经济学的一大魅力所在。这本书对时间序列的讲解，我觉得做得相当扎实。从AR, MA, ARMA模型，到更复杂的ARCH, GARCH模型，作者都给出了详尽的介绍。让我感到惊喜的是，作者在讲解这些模型时，并没有回避它们背后的数学推导，但同时又注意用通俗易懂的语言来解释其经济含义。这一点很重要，因为很多时候，我们会被复杂的数学公式弄得晕头转向，而忽略了模型本身想要表达的经济逻辑。这本书在这一点上做得很好，它能够帮助我理解为什么需要这些模型，它们分别能够捕捉到经济数据中的哪些特性，以及如何在实际中应用它们来进行预测和分析。