《計量經濟模型與經濟預測》是1999年機械工業出版社出版的圖書，作者是（美）平狄克（Pindyck），魯賓費爾德（Rubinfeld）。
基本介紹
內容簡介,書籍目錄,
內容簡介
《計量經濟模型與經濟預測》（第4版）分為4部分，每一部分主要討論一種類型的模型。第1部分和第2部分討論的是最基本的模型，即單方程回歸模型。為建造單方程回歸模型而發展出來的計量經濟方法，以及這些方法的變化形式，將被用於多方程模型以及時間序列模型的建造。第3部分多方程模型的討論十分重要。第3部分的每1章是關於聯立方程模型估計方法的討論，包括模型的確認問題以及諸如兩階段和三階段最小二乘估方法。第4部分專門用來討論時間序列模型。
書籍目錄
譯者序
前言
引言
第1部分 回歸分析基礎
第1章 回歸模型介紹 2
1.1 曲線的擬合 2
1.2 最小二乘估計法的推導 4
附錄1.1 求和運算元的運用 8
附錄1.2 最小二乘參數估計的推導 10
第2章 統計基礎知識複習 12
2.1 隨機變數 12
2.1.1 期望值 13
2.1.2 隨機變數的聯合分布 13
2.1.3 獨立與相關 14
2.2 估計 15
2.2.1 均值、方差和協方差的估計 15
2.2.2 中心極限定理 17
2.3 估計量的有用性質 17
2.3.1 無偏差 18
2.3.2 有效性 18
.2.3.3 最小平均偏差平方 18
2.3.4 一致性 19
2.4 機率分布 20
2.4.1 常態分配 20
2.4.2 c2分布 21
2.4.3 t分布 21
2.4.4 f分布 22
2.5 假設檢驗與置信區間 23
2.5.1 第一類錯誤和第二類錯誤 25
2.5.2 p值 25
2.5.3 檢驗的勢 26
2.6 描述統計學 27
附錄2.1 期望運算元的性質 29
附錄2.2 極大似然估計 31
第3章 一元線性回歸模型 34
3.1 模型 34
3.2 最佳線性無偏估計 36
3.3 假設檢驗和置信區間 39
回歸係數的檢驗 40
3.4 方差分析和相關性 42
3.4.1 擬合優度 42
3.4.2 相關 44
3.4.3 檢驗回歸方程 44
附錄3.1 斜率最小二乘估計的方差 48
附錄3.2 最小二乘殘差的一些性質 49
第4章 多元線性回歸模型 51
4.1 模型 51
4.2 回歸統計量 52
4.3 f檢驗、r2和調整的r2 53
4.4 多重共線性 57
4.4.1 完全共線性 57
4.4.2 多重共線的後果 57
4.4.3 多重共線的標誌 58
4.5 標準化係數和彈性係數 59
4.5.1 標準化係數 59
4.5.2 彈性係數 59
4.6 偏相關係數和逐步回歸 59
附錄4.1 最小二乘參數估計 63
附錄4.2 回歸係數 64
附錄4.3 多元回歸模型的矩陣形式 65
第2部分 單方程回歸模型
第5章 多元回歸模型的套用 72
5.1 一般線性模型 72
5.2 虛擬變數的使用 75
5.3 用t檢驗和f檢驗對多參數假設
進行檢驗 79
5.3.1 多個回歸係數的聯合檢驗 79
5.3.2 關於回歸係數線性函式的檢驗 81
5.3.3 有關不同回歸模型的係數是否
相等的檢驗 82
5.4 分段線性回歸 83
變更回歸方法 84
5.5 具有隨機解釋變數的多元回歸模型 85
附錄 有關虛擬變數係數的檢驗 86
第6章 序列相關和異方差性 90
6.1 異方差性 90
6.1.1 異方差性的修正 92
6.1.2 異方差的檢驗 94
6.2 序列相關性 98
6.2.1 序列相關的修正 99
6.2.2 序列相關性的檢驗 102
6.2.3 有滯後因變數時對序列相關性
的檢驗 104
附錄 廣義最小二乘估計法 106
第7章 工具變數法和
模型的確認 111
7.1 自變數與誤差項相關 111
7.2 變數的測量誤差 112
7.2.1 情形i：y具有測量誤差 112
7.2.2 情形ii：x具有測量誤差 112
7.2.3 情形iii：x和y都具有測量誤差 113
7.2.4 工具變數估計法 113
7.3 確認失誤 114
7.3.1 被忽略的變數 114
7.3.2 不相干變數的存在 115
7.3.3 非線性 116
7.3.4 建模時的有效與有偏 116
7.4 回歸診斷 118
7.4.1 學生氏殘差 118
7.4.2 dfbetas 119
7.5 確認檢驗 120
7.5.1 關於變數是否應當從線性回歸模型中
去掉的檢驗 121
7.5.2 關於是否存在測量誤差的檢驗 121
附錄 工具變數估計法的矩陣形式 124
第8章 單方程回歸模型預測 126
8.1 無條件預測 127
8.1.1 預測誤差 127
8.1.2 預測的評價 130
8.2 誤差項序列相關情形下的預測 133
8.3 有條件預測 136
附錄 多元回歸模型預測 139
第9章 單方程估計：高級問題 142
9.1 分布滯後模型 142
9.1.1 幾何滯後 143
9.1.2 幾何滯後模型的估計 145
9.1.3 多項式分布滯後模型 146
9.1.4 滯後項數的選擇 147
9.2 因果關係檢驗 150
9.3 觀測的丟失 152
9.4 平行數據的使用 155
9.4.1 平行數據的模型估計 155
9.4.2 固定效應模型 156
9.4.3 隨機效應模型 157
9.4.4 時間序列自相關模型 159
附錄 長期彈性係數的區間估計 162
第10章 非線性估計與
極大似然估計 165
10.1 非線性估計 165
10.1.1 非線性估計的計算方法 166
10.1.2 非線性回歸方程的評價 167
10.1.3 非線性回歸方程的預測 168
10.2 極大似然估計法 169
10.2.1 極大似然估計法 170
10.2.2 似然比檢驗 171
10.2.3 一個套用：box-cox模型 172
10.2.4 拉格朗日乘數檢驗法 174
10.2.5 wald檢驗、似然比檢驗和拉格朗
日乘數檢驗的比較 175
10.3 arch與garch模型 177
附錄 廣義矩估計法 182
第11章 分類選擇模型 185
11.1 二元選擇模型 185
11.1.1 線性機率模型 186
11.1.2 probit 模型 188
11.1.3 logit 模型 190
11.1.4 預測：擬合優度 196
11.2 多元選擇模型 197
11.2.1 線性機率模型 197
11.2.2 logit 模型 198
11.2.3 有序probit 模型 200
11.3 censored 回歸模型 201
附錄 logit模型和probit模型的極大
似然估計法 205
第3部分 聯立方程模型
第12章 聯立方程模型的
估計方法 210
12.1 聯立方程模型概述 210
聯立方程系統 210
12.2 模型識別問題 213
12.3 參數的一致估計 215
12.4 兩階段最小二乘法 217
12.4.1 估計方法 217
12.4.2 聯立性檢驗 220
12.5 具有序列相關和滯後因變數的
聯立方程模型的估計 221
12.6 更高級的估計方法 223
12.6.1 似無關模型 223
12.6.2 方程組的估計方法 223
12.6.3 不同估計量的比較 227
附錄12.1 矩陣形式的模型識別問題 228
附錄12.2 矩陣形式的兩階段最小二乘法 232
附錄12.3 矩陣形式的似無關回歸估計法 234
第13章 模擬模型介紹 238
13.1 模擬過程 239
13.2 模擬模型的評價 241
13.3 模擬的實例 244
13.4 模型的估計 247
13.5 非結構化模型：向量自回歸模型 249
13.6 數據受限制的模型構造方法 254
第14章 模擬模型的動態行為 261
14.1 模型的穩定性和振盪性 261
14.1.1 線性模型 262
14.1.2 更大模型的分析 265
14.2 模型的行為：乘數和動態反應 266
14.2.1 動態乘數 267
14.2.2 動態彈性 269
14.3 脈衝回響函式和向量自回歸模型 273
14.4 模擬模型的調試 277
14.5 隨機模擬 279
附錄 一個小巨觀經濟模型 281
第4部分 時間序列模型
第15章 時間序列的
平滑和外推 295
15.1 簡單外推模型 295
15.1.1 簡單外推方法 296
15.1.2 移動平均模型 300
15.2 平滑和季節調整 301
15.2.1 平滑技術 302
15.2.2 季節調整 304
第16章 隨機時間序列的特性 309
16.1 隨機時間序列模型簡介 309
16.1.1 隨機遊走 309
16.1.2 平穩和非平穩時間序列 311
16.1.3 平穩過程的性質 312
16.2 刻劃時間序列的自相關函式 312
16.2.1 齊次非平穩過程 314
16.2.2 平穩性和自相關函式 315
16.2.3 季節性和自相關函式 317
16.3 隨機遊走的檢驗 319
16.4 協整時間序列 324
附錄 平穩過程的自相關函式 326
第17章 線性時間序列模型 329
17.1 移動平均模型 329
17.2 自回歸模型 332
17.2.1 自回歸模型的性質 332
17.2.2 偏自相關函式 336
17.3 混合自回歸－移動平均模型 337
17.4 齊次非平穩過程：arima模型 339
17.5 arima模型的確認 341
附錄 平穩性、可逆性和齊次性 344
第18章 時間序列模型的
估計和預測 347
18.1 模型估計 347
18.1.1 序列的初始值 348
18.1.2 模型參數的非線性估計 348
18.1.3 參數值的初始選擇 349
18.2 診斷檢驗 350
18.3 最小均方誤差預測 353
18.4 預測值的計算 354
18.5 預測誤差 355
18.6 預測的置信區間 356
18.7 預測的性質 356
18.7.1 ar(1)過程 356
18.7.2 ma(1)過程 357
18.7.3 arma(1,1)過程 358
18.7.4 ari(1,1,0)過程 358
18.7.5 ari(1,1,0)預測的置信區間 360
18.8 兩個例子 361
第19章 時間序列模型的套用 366
19.1 建模過程回顧 366
19.2 經濟變數模型：庫存投資 367
19.3 季節性電話數據的預測 370
19.4 時間序列和回歸分析組合模型：
轉移函式模型 372
19.5 用回歸－時間序列組合模型預測
短期儲蓄存款流量 373
19.6 預測利率的回歸－時間序列組合
模型 376
統計數表 381
部分練習參考答案 389
