計量經(jīng)濟學導論

前言
第一部分導論與復習
第1章經(jīng)濟問題與數(shù)據(jù)
1.1需要討論的經(jīng)濟問題
1.2因果效應與理想實驗
1.3數(shù)據(jù)：來源與種類
第2章概率論復習
2.1隨機變量與概率分布
2.2期望值.均值與方差
2.3雙隨機變量
2.4正態(tài)分布X2分布.Fm,oo分布和t分布
2.5隨機抽樣與樣本均值的分布
2.6抽樣分布的大樣本近似
第3章統(tǒng)計學復習
3.1母體均值的估計
3.2涉及母體均值的假設檢驗
3.3母體均值的置信區(qū)間
3.4比較源于不同母體的均值
3.5美國大學畢業(yè)生的男女收入樣本協(xié)方差與相關
3.6散布圖.樣本方差與樣本相關
第二部分回歸分析基礎
第4章單回歸量線性回歸
4.1線性回歸模型
4.2線性回歸模型的系數(shù)估計
4.3最小二乘法假定
4.4OLS估計量的樣本分布
4.5回歸系數(shù)之一的假設檢驗
4.6回歸系數(shù)的置們區(qū)間
4.7X為二元變量的回歸
前言
第一部分導論與復習
第1章經(jīng)濟問題與數(shù)據(jù)
1.1需要討論的經(jīng)濟問題
1.2因果效應與理想實驗
1.3數(shù)據(jù)：來源與種類
第2章概率論復習
2.1隨機變量與概率分布
2.2期望值.均值與方差
2.3雙隨機變量
2.4正態(tài)分布X2分布.Fm,oo分布和t分布
2.5隨機抽樣與樣本均值的分布
2.6抽樣分布的大樣本近似
第3章統(tǒng)計學復習
3.1母體均值的估計
3.2涉及母體均值的假設檢驗
3.3母體均值的置信區(qū)間
3.4比較源于不同母體的均值
3.5美國大學畢業(yè)生的男女收入樣本協(xié)方差與相關
3.6散布圖.樣本方差與樣本相關
第二部分回歸分析基礎
第4章單回歸量線性回歸
4.1線性回歸模型
4.2線性回歸模型的系數(shù)估計
4.3最小二乘法假定
4.4OLS估計量的樣本分布
4.5回歸系數(shù)之一的假設檢驗
4.6回歸系數(shù)的置們區(qū)間
4.7X為二元變量的回歸
4.8R2與回歸的標準誤差
4.9異方差與同方差
4.10結(jié)論
第5章多回歸量線性回歸
5.1遺漏變量偏差
5.2多元回歸模型
5.3多元回歸的OLS估計量
5.4多元回歸的最小二乘法假定156
5.5多元回歸的OLS估計量的分布159
OLS估計量的標準誤差160
5.6單個系數(shù)的假設檢驗與置信區(qū)間161
單個系數(shù)的假設檢驗161
單個系數(shù)的置信區(qū)間162
考試成績與師生比率的應用163
5.7復合假設檢驗165
兩個或更多系數(shù)的假設檢驗165
F統(tǒng)計量167考試成績與師生比率的應用170
5.8檢驗涉及多個系數(shù)的單一約束條件170
5.9多個系數(shù)的置信集合172
5.10其他回歸統(tǒng)計量174
回歸的標準誤差174
R2174
調(diào)整的R2175
解釋及R2與實際使用的調(diào)整的R2176
5.11遺漏變量偏差與多元回歸177
模型設定的理論與實踐178
5.12考試成績數(shù)據(jù)的分析179
5.13結(jié)論183
附錄5.1方程(5.1)的推導189
附錄5.2兩個回歸量與同方差誤差項的OLS估計量的分布189
附錄5.3檢驗復合假設的其他兩種方法190
第6章非線性回歸函數(shù)195
6.1非線性回歸函數(shù)模型化的一般策略197
考試成績與地區(qū)收入197
非線性模型設定的X的變化對r的影響200
利用多元回歸的非線性模型化的一般方法205
6.2單自變量的非線性函數(shù)205
多項式206
對數(shù)式208
考試成績與地區(qū)收入的多項式與對數(shù)式的模型216
6.3自變量之間的相互作用217
兩個二元變量的相互作用218
連續(xù)變量與二元變量的相互作用220
兩個連續(xù)變量的相互作用225
6.4師生比率與考試成績之間的非線性效應230
回歸結(jié)論的分析230
研究結(jié)論的總結(jié)234
6.5結(jié)論235
第7章基于多元回歸的研究評價241
7.1內(nèi)部有效性與外部有效性242
內(nèi)部有效性的威脅242
外部有效性的威脅243
7.2多元回歸分析的內(nèi)部有效性的影響因素245
遺漏變量偏差245
回歸函數(shù)鈉函數(shù)形式的誤定247
變量誤差248
樣本選擇250
聯(lián)立因果性251
OLS標準誤差的不一致性源泉253
7.3事例：考試成績與班級規(guī)模255
外部有效性255
內(nèi)部有效性262
討論與含義263
7.4結(jié)論264
附錄7.1馬薩諸塞州小學考試成績數(shù)據(jù)
第三部分回歸分析的補充論題271
第8章面板數(shù)據(jù)的回歸269
8.1面板數(shù)據(jù)272
案例：交通死亡與飲酒稅272
8.2兩期面板數(shù)據(jù)：“之前與之后”的比較275
8.3固定效應回歸278
固定效應回歸模型278
估計與推斷280
交通死亡的應用282
8.4時間固定效應回歸283
僅有時間效應283
時間效應與州固定效應的共存284
8.5飲酒駕車規(guī)律與交通事故死亡285
8.6結(jié)論289
附錄8.1美國各州交通事故數(shù)據(jù)293
附錄8.1固定效應回歸的假定293
第9章二元因變量的回歸296
9.1二元因變量與線性概率模型297
二元因變量298
線性概率模型299
9.2Probit回歸與Logit回歸302
Probit回歸302
Logit回歸307
線性概率.Probit模型與Logit模型的比較309
9.3Probit模型與Logit模型的估計與推斷309
非線性最小二乘估計310
最大似然估計311
擬合的測度313
9.4波士頓HDMA數(shù)據(jù)的應用313
9.5總結(jié)
附錄9.1波士頓HMDA數(shù)據(jù)324
附錄9.2最大似然估計325
附錄9.3其他受限因變量模型328
第10章工具變量回歸331
10.1單回歸量與單工具變量的Ⅳ估計量332
IV模型與假定333
兩階段最小二乘法333
IV回歸如何作用334
TSLS估計量的樣本分布337
香煙需求的應用339
10.2一般Ⅳ回歸模型341
一般IV回歸模型的TSLS343
一般IV歸模型的工具變量的相關性與外生性344
Ⅳ回歸假定與TSLS估計量的樣本分布345
利用TSLS估計量的推斷346
香煙需求的應用347
10.3校驗工具變量有效性348
假定1：工具變量的相關性349
假定2：工具變量的外生性352
10.4香煙需求的應用354
10.5工具變量有效性的源泉359
三個案例360
10.6結(jié)論364
附錄10.1香煙需求數(shù)據(jù)368
附錄10.2方程(10.4)的TSLS估計量公式的推導368
附錄10.3TSLS估計量的大樣本分布369
附錄10.4工具變量無效的TSLS估計量的大樣本分布370
第11章實驗與擬實驗373
11.1理想的實驗與因果效應375
理想的隨機化控制的實驗375
差分估計量376
11.2實施實驗的潛在問題377
威脅內(nèi)部有效性377
威脅外部有效性380
11.3利用實驗數(shù)據(jù)的因果效應的回歸估計382
附加回歸量的差分估計量382
差異的差分估計量385
不同群體的因果效應的估計388
存在部分應允的估計389
檢驗隨機化389
11.4縮小班級規(guī)模的效應的實驗估計值390
實驗設計390
STAR數(shù)據(jù)的分析391
班級規(guī)模效應的觀察估計值與實驗估計值的比較397
11.5擬實驗399
案例400
分析擬實驗的計量經(jīng)濟學方法402
11.6擬實驗的潛在問題405
威脅內(nèi)部有效性405
威脅外部有效性407
11.7不同母體的實驗與擬實驗的估計值407
母體非均勻性：誰的因果效應408
非均勻因果效應的OLS409
非均勻因果效應的IV回歸409
11.8結(jié)論413
附錄11.1STAR項目的數(shù)據(jù)418
附錄11.2多期的差分形式估計量的擴展419
附錄11.3條件均值獨立420
附錄11.4個體因果效應變化的Ⅳ估計422
第四部分經(jīng)濟時間序列的回歸分析425
第12章時間序列回歸與預測的導論427
12.1利用回歸模型預測429
12.2時間序列數(shù)據(jù)與序列相關的導論430
美國的通貨膨脹率與失業(yè)率430
滯后.一階差分.對數(shù)和增長率432
自相關434
經(jīng)濟時間序列的其他例子436
12.3自回歸438
一階自回歸模型438
P階自回歸模型441
12.4附加預測量的時間序列回歸與自回歸滯后分布模型443
利用過去的失業(yè)率數(shù)據(jù)預測通貨膨脹率的變化443
平穩(wěn)性446
多元預測量的時間序列回歸446
預測的不確定性與預測區(qū)間450
12.5利用信息準則選擇滯后長度451
確定自回歸的階數(shù)453
多元預測量的時間序列回歸的滯后長度選擇456
12,6非平穩(wěn)性：趨勢457
何謂趨勢457
隨機趨勢導致的問題460
發(fā)現(xiàn)隨機趨勢462
避免隨機趨勢導致的問題466
12.7非平穩(wěn)性：突變467
何謂突變467
檢驗突變468
偽樣本外預測473
避免突變導致的問題477
12.8結(jié)論478
附錄12.1第12章的時間序列數(shù)據(jù)484
附錄12.2All(1)模型的平穩(wěn)性484
附錄12.3滯后算子符號485
附錄12.4ARMA模型486
附錄12.5BIC滯后長度估計量的一致性487
第13章動態(tài)因果影響估計489
13.1橘子汁原味數(shù)據(jù)490
13.2動態(tài)因果效應493
因果效應與時間序列數(shù)據(jù)493
兩種類型的外生性496
13.3利用外生回歸量的動態(tài)效應估計498
滯后分布模型假設499
自相關u,標準誤差與推斷499
動態(tài)乘數(shù)與累積動態(tài)乘數(shù)501
13.4異方差與自相關的一致標準誤差502
自相關誤差項的OLS估計量的分布502
HAC標準誤差504
13.5嚴格外生回歸量的動態(tài)效應估計507
All(1)誤差項的滯后分布模型508
ADL模型的OLS估計511
GLS估計512
添加滯后項與AR(p)誤差項的滯后分布模型514
13.6橘子汁價格與涼爽氣候517
13.7外生性是否合理?部分事例524
美國收入與澳大利亞出524
石油價格與通貨膨脹524
貨幣政策與通貨膨脹525
Phillips曲線525
13.8結(jié)論526
附錄13.1橘子汁數(shù)據(jù)530
附錄13.2ADL模型與滯后算子符號表示的一般最小二乘法530
第14章時間序列回歸的補充內(nèi)容533
14.1向量自回歸534
VAR模型534
通貨膨脹率與失業(yè)率的VAR模型537
14.2多期預測538
多期預測：單變量自回歸539
多期預測：多變量預測542
應該使用哪種方法544
14.3積分階數(shù)與單位根檢驗545
趨勢與積分階數(shù)的其他模型546
單位根的DF-GLS檢驗547
為何單位根檢驗具有非正態(tài)分布551
14.4協(xié)整552
協(xié)整與誤差修552
如何判斷兩個變量是否協(xié)整554
估計協(xié)整系數(shù)556
多元協(xié)整變量的擴展558
利率的應用559
14.5條件異方差561
變動性聚類562
自回歸條件異方差563
通貨膨脹預測的應用564
14,6結(jié)論566
附錄14.1第14章使用的美國金融數(shù)據(jù)569
第五部分回歸分析的計量經(jīng)濟理論571
第15章單回歸量線性回歸理論573
15.1擴展的最小二乘法假定與OLS估計量575
擴展的最小二乘法假定575
OLS估計量576
15.2漸近分布理論的基礎577
概率收斂與大數(shù)定理577
中心極限定理與分布580
Slutsky定理與連續(xù)映射定理581
基于樣本均值的‘統(tǒng)計量的應用582
15.3OLS估計量與‘統(tǒng)計量的漸近分布582
OLS估計量的一致性與漸近正態(tài)性583
異方差穩(wěn)健的標準誤差的一致性583
異方差穩(wěn)健的‘統(tǒng)計量的漸近正態(tài)性584
15.4正態(tài)分布誤差項的精確樣本分布585
正態(tài)誤差項的b1,的分布585
同方差t統(tǒng)計量的分布586
15.5同方差誤差項的OLS估計量的有效性588
Gauss-Markov條件588
線性條件無偏估計量589
Gauss-Markov定理590
15.6加權最小二乘法591
已知異方差的WLS592
已知異方差的函數(shù)形式的WLS593
異方差穩(wěn)健標準誤差或者WLS596
附錄15.1連續(xù)隨機變量的正態(tài)及相關分布與矩600
附錄15.2兩個不等式603
附錄15.3Gauss-Markov定理的證明604
第16章多元回歸理論606
16.1線性多元回歸模型與矩陣形式的OLS估計量607
多元回歸模型矩陣表示607
擴展的最小二乘法假設609
OLS估計量610
16.2OLS估計量與t統(tǒng)計量的漸近分布611
多元中心極限定理612
b的漸近正態(tài)性612
異方差穩(wěn)健標準誤差613
預測效果的置信區(qū)間614
t統(tǒng)計量的漸近分布615
16.3檢驗復合假設615
矩陣表示的復合假設615
9統(tǒng)計量的漸近分布616
多系數(shù)的置信集合616
16.4正態(tài)分布誤差項的回歸統(tǒng)計量的分布617
OLS回歸統(tǒng)計量的矩陣表617
正態(tài)誤差項的B的分布619
S2U的分布619
同方差的標準誤差619
t統(tǒng)計量的分布621
F統(tǒng)計量的分布621
16.5同方差誤差項的OLS估計量的有效性621
多元回歸的Gauss?Markov條件621
線性條件無偏估計量622
多元回歸的Gauss-Markov定~E623
16.6一般最小二乘法623
GLS假定624
Ω已知的GLS626
Ω含有未知參數(shù)的GLS627
零條件均值假定與GLS628
附錄16.1矩陣代數(shù)概要634
附錄16.2多元分布637
附錄16.3B的漸近分布的推導638
附錄16.4正態(tài)分布誤差項的OLS檢驗統(tǒng)計量的精確分布的推導639
附錄16.5多元回歸的Gauss-Markov定理的證明640
附錄642
參考文獻651
“概念復習”部分參考答案657
術語對照表672
索引686