計量經濟分析方法與建模:EViews套用及實例(第3版)

計量經濟分析方法與建模:EViews套用及實例(第3版)

《計量經濟分析方法與建模:EViews套用及實例(第3版)》是2016年12月1日清華大學出版社出版的圖書,作者是高鐵梅、王金明、陳飛、劉玉紅。

基本介紹

  • 中文名:計量經濟分析方法與建模:EViews套用及實例(第3版)
  • 作者:高鐵梅、王金明、陳飛、劉玉紅
  • 類別:經濟
  • 出版社清華大學出版社 
  • 出版時間:2016年12月1日
  • 頁數:587 頁
  • 定價:62 元
  • 開本:32 開
  • 裝幀:平裝
  • ISBN:9787302461005
  • 字數:84000
內容簡介,目錄,

內容簡介

本書全面介紹了計量經濟學的主要理論和方法,將它們納入一個完整、清晰的體系之中。本書注重將計量經濟學的理論和實際經濟問題相結合,提供了大量的基於經濟問題的模型實例,協助教師提高教學效率,增強學生的學習興趣和實際建模能力。本書的作者都是多年從事計量經濟學教學和研究的教師,書中融入了作者們教學和科研的體會。書中大多數實際案例是作者們在實踐中運用的實例和國內外的經典實例,同時基於EViews軟體來介紹實際套用技巧,具有很強的可操作性。本書可以作為本科生、碩士和博士研究生的套用計量經濟學課程教材,也可作為在經濟、統計、金融等領域從事定量分析的工作人員的參考書。

目錄

第Ⅰ部分數據分析基礎
第1章機率與統計基礎
1.1隨機變數
1.1.1機率分布
1.1.2隨機變數的數字特徵
1.1.3隨機變數的聯合分布
1.2從總體到樣本
1.2.1基本統計量
1.2.2估計量性質
1.3一些重要的機率分布
1.3.1常態分配
1.3.2χ2分布
1.3.3t分布
1.3.4F分布
1.4統計推斷
1.4.1參數估計
1.4.2假設檢驗
1.5EViews軟體的相關操作
1.5.1單序列的統計量、檢驗和分布
1.5.2多序列的顯示和統計量
第2章經濟時間序列的處理、季節調整與分解
2.1經濟時間序列的處理和頻率轉換方法
2.1.1經濟指標幾種數據類型的概念
2.1.2頻率轉換
2.2季節調整
2.2.1移動平均公式
2.2.2Census X13ARIMASEATS季節調整方法
2.2.3TRAMO/SEATS方法
2.3趨勢分解
2.3.1HodrickPrescott濾波方法
2.3.2頻譜濾波(BP濾波)方法
2.4EViews軟體的相關操作
2.4.1頻率轉換
2.4.2X13ARIMASEATS季節調整
2.4.3TRAMO/SEATS季節調整
2.4.4HodrickPrescott濾波
2.4.5BP濾波
第Ⅱ部分基本的單方程分析
第3章基本回歸模型
3.1.1一元線性回歸模型
3.1.3多元線性回歸模型
3.1.4係數估計量的性質
3.1.5線性回歸模型的檢驗
3.1.6AIC準則和Schwarz準則
3.2回歸方程的函式形式
3.2.1雙對數線性模型
3.2.2半對數模型
3.2.3雙曲函式模型
3.2.4多項式回歸模型
3.2.5BoxCox轉換
3.3包含虛擬變數的回歸模型
3.3.1回歸中的虛擬變數
3.3.2季節調整的虛擬變數方法
3.4模型設定和假設檢驗
3.4.1係數檢驗
3.4.2殘差檢驗
3.4.3模型穩定性檢驗
3.5方程模擬與預測
3.5.1預測誤差與方差
3.5.2預測評價
3.6EViews軟體的相關操作
3.6.1設定回歸方程形式和估計方程
3.6.2方程輸出結果
3.6.3與回歸方程有關的操作
3.6.4模型設定和假設檢驗
3.6.5預測
第4章其他回歸方法
4.1異方差
4.1.1異方差檢驗
4.1.2加權最小二乘估計
4.1.3存在異方差時參數估計量的一致協方差
4.2二階段最小二乘法
4.3非線性最小二乘法
4.4廣義矩方法
4.4.1矩法估計量
4.5多項式分布滯後模型
4.6逐步最小二乘回歸
4.7分位數回歸
4.7.1分位數回歸的基本思想和係數估計
4.7.2係數協方差的估計
4.7.3模型評價和檢驗
4.8非參數回歸模型
4.8.1密度函式的非參數估計
4.8.2一元非參數計量經濟模型
4.9穩健最小二乘法(robust)
4.9.1M估計
4.9.2S估計
4.9.3MM估計
4.9.4係數協方差的計算方法
4.10有限信息極大似然估計和K類估計
4.10.1有限信息極大似然估計(LIML)
4.10.2K類估計
4.11EViews軟體的相關操作
4.11.1異方差檢驗
4.11.2加權最小二乘法估計
4.11.3White異方差一致協方差和NeweyWest
異方差自相關一致協方差
4.11.4二階段最小二乘法(TSLS)估計
4.11.5非線性最小二乘估計
4.11.6GMM估計
4.11.7估計包含PDLs的模型
4.11.8逐步回歸估計
4.11.9分位數回歸
4.11.10非參數估計
4.11.11Robust最小二乘估計
4.11.12在EViews中進行LIMI和K類估計
4.12附錄廣義最小二乘估計
第5章時間序列模型
5.1序列相關及其檢驗
5.1.1序列相關及其產生的後果
5.1.2序列相關的檢驗方法
5.1.3擾動項存在序列相關的線性回歸方程的修正與估計
5.2平穩時間序列建模
5.2.1平穩時間序列的概念
5.2.2ARMA模型
5.2.3ARMA模型的平穩性
5.2.4ARMA模型的識別
5.3非平穩時間序列建模
5.3.1非平穩序列和單整
5.3.2非平穩序列的單位根檢驗
5.3.3突變點單位根檢驗(breakpoint unit root test)
5.3.4ARIMA模型
5.3.5ARFIMA模型
5.3.6自回歸分布滯後模型
5.4協整和誤差修正模型
5.4.1協整關係
5.4.2基於殘差的協整檢驗
5.5EViews軟體的相關操作
5.5.1檢驗序列相關性
5.5.2修正序列相關
5.5.3ARMA(p,q)模型的估計
5.5.4單位根檢驗
5.5.5非平穩時間序列估計
5.5.6基於殘差的EG協整檢驗(EG和PO協整檢驗方法)
第Ⅲ部分擴展的單方程分析
第6章條件異方差模型
6.1自回歸條件異方差模型
6.1.1ARCH模型
6.1.2ARCH的檢驗
6.1.3GARCH模型
6.1.4IGARCH模型
6.1.5約束及回推
6.1.6GARCH模型的殘差分布假設
6.1.7GARCHM模型
6.2非對稱的ARCH模型
6.2.1TARCH模型
6.2.2EGARCH模型
6.2.3PARCH模型
6.2.4非對稱的信息衝擊曲線
6.3成分ARCH模型
6.4EViews軟體的相關操作
6.4.1ARCH檢驗
6.4.2ARCH模型的建立
6.4.3ARCH模型的視圖和過程
6.4.4ARCH模型的輸出
6.4.5繪製估計的信息衝擊曲線
第7章離散因變數和受限因變數模型
7.1二元選擇模型
7.1.1線性機率模型及二元選擇模型的形式
7.1.2二元選擇模型的估計問題
7.1.3二元選擇模型的變數假設檢驗問題
7.2排序選擇模型
7.3受限因變數模型
7.3.1審查、選擇性樣本和截斷數據
7.3.2受限因變數數據為什麼不能用普通最小二乘估計
7.3.3審查回歸模型
7.3.4截斷回歸模型
7.4Heckman樣本選擇模型
7.5計數模型
7.5.1泊松模型的形式與參數估計
7.5.2負二項式模型的形式與參數估計
7.5.3準—極大似然估計
7.6廣義線性模型
7.6.1廣義線性模型的形式
7.6.2廣義線性模型的參數估計
7.7EViews軟體的相關操作
7.7.1二元選擇模型
7.7.2排序選擇模型
7.7.3審查回歸模型
7.7.4截斷回歸模型
7.7.5Heckman選擇模型
7.7.6計數模型
7.7.7廣義線性模型
第8章對數極大似然估計
8.1對數極大似然估計的基本原理
8.1.1極大似然估計的基本原理
8.1.2極大似然估計量的計算方法
8.1.3最佳化算法
8.2對數極大似然的估計實例
8.2.1一元線性回歸模型的極大似然函式
8.2.2AR(1)模型的極大似然函式
8.2.3GARCH(q,p)模型的極大似然函式
8.2.4具有異方差的一元線性回歸模型的極大似然函式
8.3EViews軟體的相關操作
8.3.1似然對象的建立
8.3.2似然對象的估計、視圖和過程
8.3.3問題解答
第9章具有結構變化特徵的回歸模型
9.1間斷點回歸模型
9.1.1多個間斷點的檢驗
9.1.2包含多個間斷點時的方程估計
9.2門限回歸模型
9.2.1門限回歸(TR)模型
9.2.2自激勵門限自回歸(SETAR)模型
9.3轉換回歸模型
9.3.1轉換回歸的基本模型
9.3.2馬爾可夫區制轉換模型
9.3.3動態轉換模型
9.4EViews軟體的相關操作
9.4.1間斷點檢驗和間斷點模型估計
9.4.2門限模型的估計
9.4.3轉換方程對象的建立與估計
第Ⅳ部分多方程分析
第10章向量自回歸和向量誤差修正模型
10.1向量自回歸理論
10.1.1VAR模型的一般表示
10.1.2結構VAR模型(SVAR)
10.2結構VAR(SVAR)模型的識別條件
10.2.1SVAR模型的識別條件
10.2.2SVAR模型的約束形式
10.3VAR模型的檢驗
10.3.1Granger因果檢驗
10.3.2滯後階數p的確定
10.4.1脈衝回響函式的基本思想
10.4.2VAR模型的脈衝回響函式
10.4.3廣義脈衝回響函式
10.4.4SVAR模型的脈衝回響函式
10.5方差分解
10.6Johansen協整檢驗
10.6.1特徵根跡檢驗(trace檢驗)
10.6.2最大特徵值檢驗
10.6.3協整方程的形式
10.8貝葉斯VAR模型
10.8.1貝葉斯VAR模型的基本思想
10.8.2先驗分布
10.9EViews軟體的相關操作
10.9.1VAR模型的建立和估計
10.9.2VAR模型的視圖
10.9.3VAR模型的過程
10.9.4脈衝回響函式的計算
10.9.5方差分解的實現
10.9.6協整檢驗
10.9.7VEC模型的建立和估計
10.9.8BVAR模型的估計
第11章基本的Panel Data模型
11.1Panel Data模型的基本原理
11.1.1Panel Data模型概述
11.1.2Panel Data模型分類
11.2模型形式設定檢驗
11.3變截距模型
11.3.1固定影響變截距模型
11.3.2隨機影響變截距模型
11.3.3Hausman檢驗
11.4變係數模型
11.4.1固定影響變係數模型
11.4.2隨機影響變係數模型
11.5Panel Data模型係數協方差的估計方法
11.6EViews軟體的相關操作
11.6.1含有Pool對象的工作檔案
11.6.2Pool對象中數據處理
11.6.3Pool對象的模型估計
第12章擴展的Panel Data模型
12.1面板數據的單位根檢驗
12.1.1相同根情形下的單位根檢驗
12.1.2不同根情形下的單位根檢驗
12.2面板數據的協整檢驗
12.2.1Pedroni檢驗
12.2.2Kao檢驗
12.2.3Fisher面板協整檢驗
12.3面板數據廣義矩(GMM)方法
12.3.1面板數據GMM方法的基本原理
12.3.2面板數據GMM的估計方法
12.4動態面板數據回歸模型
12.4.1動態面板數據回歸模型簡介
12.4.2動態面板數據模型的估計
12.5EViews軟體的相關操作
12.5.1構建面板工作檔案
12.5.2面板數據的基本分析
12.5.3面板數據模型的建立與估計
13.1狀態空間模型的定義
13.2卡爾曼濾波
13.2.1Kalman濾波的一般形式
13.2.2Kalman濾波的解釋和性質
13.2.3修正的Kalman濾波遞推公式
13.2.4非時變模型及Kalman濾波的收斂性
13.2.5Kalman濾波的初始條件
13.3狀態空間模型超參數的估計
13.3.1似然函式形式的預測誤差分解
13.3.2超參數的估計方法
13.4狀態空間模型的套用
13.4.1可變參數模型的狀態空間表示
13.4.2季節調整的狀態空間形式
13.4.3ARMAX模型的狀態空間形式
13.5EViews軟體的相關操作
13.5.1定義狀態空間模型
13.5.2估計狀態空間模型
13.5.3狀態空間模型的視窗和過程
第14章聯立方程模型的估計與模擬
14.1聯立方程系統概述
14.1.1聯立方程系統的基本概念
14.1.2聯立方程系統的識別
14.1.3一個小型中國巨觀經濟聯立方程模型
14.2聯立方程系統的估計方法
14.2.1單方程估計方法
14.2.2系統估計方法
14.2.3多變數ARCH方法
14.3聯立方程模型的模擬
14.3.1聯立方程模型概述
14.3.2模型模擬的分類
14.3.3模型的評估
14.3.4情景分析
14.4EViews軟體的相關操作
14.4.1聯立方程系統的基本操作
14.4.2聯立方程模型的模擬與預測
14.4.3聯立方程模型的求解
14.4.4聯立方程模型的數據操作
第15章主成分分析和因子分析
15.1主成分分析
15.1.1主成分分析的基本思想
15.1.2總體主成分求解及其性質
15.1.3樣本的主成分
15.2因子分析
15.2.1基本的因子分析模型
15.2.2正交因子模型的性質
15.2.3因子載荷的估計方法
15.2.4因子數目的確定方法及檢驗
15.2.5因子旋轉
15.2.6因子得分
15.3EViews軟體的相關操作
15.3.1主成分分析的實現
15.3.2因子分析的實現
15.3.3因子旋轉的操作
15.3.4計算因子得分
15.3.5因子視圖
15.3.6因子過程
附錄AEViews中的常用函式
A1. 公式中的運算符號及其含義
A2. 時間序列函式及其含義
參考文獻

相關詞條

熱門詞條

聯絡我們