高级搜索  |  搜索帮助
最近的浏览历史
购买此书的人还购买过
书  名:计量经济分析方法与建模――EViews应用及实例(第二版)
  • 作  者: 高铁梅、王金明、梁云芳、刘玉红
  • 出版时间: 2009-05-01
  • 出 版 社: 清华大学出版社
  • 字  数: 759 千字
  • 印  次: 2-3
  • 印  张: 36
  • 开  本: 16开
  • ISBN: 9787302200123
  • 装  帧: 平装
  • 定  价:¥49.00
电子书价:¥34.30 折扣:70折 节省:¥14.70 vip价:¥34.30 电子书大小:52.35M
配套资源下载:
  • 名称
  • 说明
  • 权限
  • 文件大小
  • 点击图标下载
  • 图书样章
  • 所有用户
  • 256K
  • 图书课件
  • 教师
  • 10M
  • 网络资源
  • 请通过ftp下载
  • 教师
共有商品评论0条 查看评论摘要
内容简介
  本书全面介绍计量经济学的主要理论和方法,尤其是20世纪80年代以来重要的和最新的发展,并将它们纳入一个完整、清晰的体系之中。本书在数学描述方面适当淡化,以讲清楚方法、思路为目标,不做大量的推导和证明,重点放在如何运用各种计量经济方法对实际的经济问题进行分析、建模、预测、模拟等实际操作上。本书中的实际案例大多数是作者在实践中运用的实例和国内外的经典实例,并基于EViews软件来介绍实际应用,具有很强的可操作性。

本书可作为本科生及研究生的教材,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。
前言
  第二版前言本书第二版得到国家自然科学基金项目的资助,项目号: 70673009

本书第一版出版以来,专家学者们提出了许多宝贵的意见和建议,使我们获益颇多。同时随着计量经济学的新发展,不断地涌现出许多新的理论与方法,为此我们查阅了大量的国内外文献,反复研究、讨论、切磋,并收集数据,进行建模分析,对本书第一版做了较大的修改,并增加了一些新内容和新例子。本书增加和修改的主要内容有:

1. 第4章增加了分位数回归(Quantile Regression)模型和非参数模型。绝大多数回归模型都关注因变量的条件均值,近年来人们对于因变量条件分布的其他方面的模拟方法也越来越有兴趣,尤其是能够更加全面地描述因变量条件分布的分位数回归。同时非参数回归模型的研究也是当前计量经济学研究的一个重要方向。本书对分位数回归模型和非参数回归模型作了初步介绍,分别给出了分位数回归的多种估计方法和模型的评价与检验、非参数模型的核估计和近邻估计等方法。

2. 第6章增加了单整GARCH模型(Intergrated GARCH Model,IGARCH),并增加了中国CPI模型的ARCH检验和修正,以及相应的TARCH模型的例子。

3. 第9章增加了具有约束条件的VEC模型(Vector Error Correction Models)的例子。为了说明如何在VEC模型中施加约束于协整关系,本书利用中国的6个宏观经济变量建立了VEC模型,通过施加约束条件来研究货币政策对各类需求的影响。

4. 第10章增加了Hausman检验和面板数据的协整检验。面板数据的协整检验方法可以分为两大类,一类是建立在Engle 和Granger二步法检验基础上的面板协整检验,具体方法主要有Pedroni检验和Kao检验; 另一类是建立在Johansen协整检验基础上的面板协整检验。

5. 第12章增加了多变量ARCH(Autoregressive Conditional Heteroskedasticity)方法。在不同的市场、资产之间,往往存在着相互影响及波动的相关关系,多变量ARCH模型能够有效地估计多个变量之间波动的相关性特征与风险特征。

6. 本书增加了第13章“主成分分析和因子分析”。在建立多元回归模型时,为了更准确地反映事物的特征,人们经常会在模型中包含较多相关解释变量,这不仅使得问题分析变得复杂,而且变量之间可能存在多重共线性,使得数据提供的信息发生重叠,甚至会抹杀事物的真正特征。为了解决这些问题,需要采用降维的思想,将所有指标的信息通过少数几个指标来反映,在低维空间将信息分解为互不相关的部分以获得更有意义的解释。主成分分析和因子分析方法可用于解决这类问题。

7. 由于2005年之前经济数据的统计口径同2004年中国的经济普查的口径不同,使得2005年前后的GDP数据不可比。国家统计局对2005年前的年度数据和季度数据进行了调整,本书采用国家统计局发布的修改后数据,对书中的相关例子做了修改。

8. 美国QMS(Quantitative Micro Software)公司2007年推出EViews6版本软件,我们购买了该版本软件。本书的EViews软件操作部分都采用EViews6版本软件。

9. 本书相关实例的数据(Excel表)、EViews工作文件及各章课件可以在清华大学出版社网站(www.tup.com.cn)下载。

本书的修改仍由各章的作者完成(作者的分工见第一版前言),新增加的第13章由梁云芳和王亚芬完成。最后由我本人对全书进行了审阅、修改和定稿。

在本书第二版出版之际,我们首先要感谢上海社会科学研究院的朱平芳教授、福州大学的叶阿忠教授和南开大学的张晓峒教授,他们花费了大量的时间仔细审阅和修改了本书的分位数回归、非参数回归和单位根检验的理论和方法部分,并提出了许多宝贵的修改意见; 特别要感谢清华大学出版社的编辑,是他们的热情鼓励和大力支持,使这本书得以出版。还有许多同行专家、硕士和博士研究生对本书给予了帮助,在这里一并表示感谢。我们把这本书奉献给所有给予我们支持和帮助的人。

由于我们水平有限,错误或不当之处在所难免,诚恳地欢迎同行专家和读者批评指正,并提出宝贵的意见和建议。


高铁梅

2009年3月6日
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章经济时间序列的季节调整、分解与平滑

2.1移动平均方法

2.1.1简单的移动平均公式

2.1.2中心化移动平均

2.1.3加权移动平均

2.2季节调整

2.2.1X11季节调整方法

2.2.2Census X12季节调整方法

2.2.3移动平均比率方法

2.2.4TRAMO/SEATS方法

2.3趋势分解

2.3.1HodrickPrescott滤波方法

2.3.2频谱滤波(BP滤波)方法

2.4指数平滑方法

2.4.1单指数平滑

2.4.2双指数平滑

2.4.3HoltWinters乘法模型

2.4.4HoltWinters加法模型

2.4.5HoltWinters——无季节性模型

2.5EViews软件的相关操作

2.5.1X11季节调整方法的操作

2.5.2X12季节调整方法

2.5.3移动平均比率方法

2.5.4Tramo/Seats方法

2.5.5HodrickPrescott滤波

2.5.6BP滤波

2.5.7指数平滑法

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最小二乘法

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

3.2.5BoxCox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加权最小二乘估计

4.1.3存在异方差时参数估计量的一致协方差

4.2二阶段最小二乘法

4.3非线性最小二乘法

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逐步最小二乘回归

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

4.9EViews软件的相关操作

4.9.1异方差检验

4.9.2加权最小二乘法估计

4.9.3White异方差一致协方差和NeweyWest异方差自相关
一致协方差

4.9.4在EViews中使用TSLS估计

4.9.5在EViews中使用非线性最小二乘估计

4.9.6在EViews中使用GMM进行估计

4.9.7在EViews中估计包含PDLs的模型

4.9.8在EViews中进行逐步回归估计

4.9.9在EViews中进行分位数回归

4.9.10在EViews中进行非参数估计

4.10附录广义最小二乘估计

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估计与修正

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

5.3.3ARIMA模型

5.4协整和误差修正模型

5.4.1协整关系

5.4.2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

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模型的扰动项分布假设

6.1.7GARCHM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审查回归模型

7.3.2截断回归模型

7.4计数模型

7.4.1泊松模型的形式与参数估计

7.4.2负二项式模型的形式与参数估计

7.4.3准—极大似然估计

7.5EViews软件的相关操作

7.5.1估计二元选择模型

7.5.2估计排序选择模型

7.5.3估计审查回归模型

7.5.4估计计数模型

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Ⅳ部分多方程分析

第9章向量自回归和向量误差修正模型

9.1向量自回归理论

9.1.1VAR模型的一般表示

9.1.2结构VAR模型(SVAR)

9.2结构VAR(SVAR)模型的识别条件

9.2.1VAR模型的识别条件

9.2.2SVAR模型的约束形式

9.3VAR模型的检验

9.3.1Granger因果检验

9.3.2滞后阶数p的确定

9.4脉冲响应函数

9.4.1脉冲响应函数的基本思想

9.4.2多变量VAR模型的脉冲响应函数

9.4.3广义脉冲响应函数

9.4.4SVAR模型的脉冲响应函数

9.5方差分解

9.6Johansen协整检验

9.6.1特征根迹检验(trace检验)

9.6.2最大特征值检验

9.6.3协整方程的形式

9.7向量误差修正模型(VEC)

9.8EViews软件的相关操作

9.8.1VAR模型的建立和估计

9.8.2VAR模型的视图

9.8.3VAR模型的过程

9.8.4脉冲响应函数的计算

9.8.5方差分解的实现

9.8.6协整检验

9.8.7VEC模型的建立和估计

第10章Panel Data模型

10.1Panel Data模型的基本原理

10.1.1Panel Data模型概述

10.1.2Panel Data模型分类

10.2模型形式设定检验

10.3变截距模型

10.3.1固定影响变截距模型

10.3.2随机影响变截距模型

10.3.3Hausman检验

10.4变系数模型

10.4.1固定影响变系数模型

10.4.2随机影响变系数模型

10.5Panel Data模型系数协方差的估计方法

10.6面板数据的单位根检验和协整检验

10.6.1面板数据的单位根检验

10.6.2面板数据的协整检验

10.7EViews软件的相关操作

10.7.1含有Pool对象的工作文件

10.7.2Pool对象中数据处理

10.7.3Pool对象的模型估计

10.7.4面板结构的工作文件


第11章状态空间模型和卡尔曼滤波

11.1状态空间模型的定义

11.2卡尔曼滤波

11.2.1Kalman滤波的一般形式

11.2.2Kalman滤波的解释和性质

11.2.3修正的Kalman滤波递推公式

11.2.4非时变模型及Kalman滤波的收敛性

11.2.5Kalman滤波的初始条件

11.3状态空间模型超参数的估计

11.4状态空间模型的应用

11.4.1可变参数模型的状态空间表示

11.4.2季节调整的状态空间形式

11.4.3ARMAX模型的状态空间形式

11.5EViews软件的相关操作

11.5.1定义状态空间模型

11.5.2估计状态空间模型

11.5.3状态空间模型的视窗和过程

第12章联立方程模型的估计与模拟

12.1联立方程系统概述

12.1.1联立方程系统的基本概念

12.1.2联立方程系统的识别

12.1.3一个小型中国宏观经济联立方程模型

12.2联立方程系统的估计方法

12.2.1单方程估计方法

12.2.2系统估计方法

12.2.3多变量ARCH方法

12.3联立方程模型的模拟

12.3.1联立方程模型概述

12.3.2模型模拟的分类

12.3.3模型的评估

12.3.4情景分析

12.4EViews软件的相关操作

12.4.1联立方程系统的基本操作

12.4.2联立方程模型的模拟与预测

12.4.3联立方程模型的求解

12.4.4联立方程模型的数据操作

第13章主成分分析和因子分析

13.1主成分分析

13.1.1主成分分析的基本思想

13.1.2总体主成分求解及其性质

13.1.3样本的主成分

13.2因子分析

13.2.1基本的因子分析模型

13.2.2正交因子模型的性质

13.2.3因子载荷的估计方法

13.2.4因子数目的确定方法及检验

13.2.5因子旋转

13.2.6因子得分

13.3EViews软件的相关操作

13.3.1主成分分析的实现

13.3.2因子分析的实现

13.3.3因子旋转的操作

13.3.4计算因子得分

13.3.5因子视图

13.3.6因子过程

附录AEViews软件基础

A.1EViews软件简介

A.1.1安装和启动EViews

A.1.2EViews窗口

A.1.3关闭EViews

A.1.4寻求帮助

A.2工作文件(Workfile)基础

A.2.1工作文件的基本概念

A.2.2创建工作文件

A.2.3工作文件的相关操作

A.3对象(Object)基础

A.3.1对象的概念

A.3.2基本对象操作

A.4基本数据处理

A.4.1数据对象

A.4.2数据的输入输出

A.4.3频率转换

A.5数据操作

A.5.1数学表达式

A.5.2序列操作

A.5.3自动序列(AutoSeries)操作

A.5.4字符串序列(Series Alpha)操作

A.5.5日期序列操作(Date Series)

A.6序列链接(Series link)

A.7EViews数据库简介

A.8图、表和文本对象

A.8.1图对象

A.8.2表对象

A.8.3文本对象

附录BEViews程序设计

B.1程序设计基础

B.1.1创建程序

B.1.2存储程序

B.1.3打开程序

B.1.4运行程序

B.1.5终止程序

B.2程序变量

B.2.1控制变量

B.2.2字符串变量

B.2.3字符串操作

B.2.4替代变量

B.2.5程序参数

B.3控制程序

B.3.1IF语句

B.3.2FOR循环

B.3.3WHILE循环

B.3.4处理执行错误

B.3.5其他控制工具

B.4多程序文件

B.5子程序

B.5.1定义子程序

B.5.2带有参数的子程序

B.5.3子程序放置

B.5.4调用子程序

B.5.5全局变量和局部变量

B.5.6全局子程序

B.5.7局部子程序

附录CEViews中的常用函数

C.1公式中的运算符号及其含义

C.2时间序列函数及其含义

C.3序列描述性统计量的@函数及其含义

C.4三角函数

C.5统计函数

C.6回归统计量的@函数及其含义

附录D数据

D.1中国年度数据

D.2中国季度数据

参考文献

Copyright(C)清华大学出版社有限公司,All Rights Reserved 京ICP备10035462号 联系我们