计量经济学 第2版PDF|Epub|txt|kindle电子书版本网盘下载

计量经济学 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 导论与复习1

第1章 经济问题与数据3

1.1我们研究的经济问题4

问题1减少班级人数能否改善初等教育效果4

问题2住房贷款市场是否存在种族歧视5

问题3烟草税能够多大程度地减少吸烟5

问题4明年的通货膨胀率为多少6

定量问题与定量解答者7

1.2因果效应与理想实验8

估计因果效应8

预测与因果性9

1.3数据：来源与种类10

实验数据与观察数据10

横截面数据11

时间序列数据11

面板数据13

第2章 概率论复习17

2.1随机变量与概率分布18

概率、样本空间与随机变量18

离散随机变量的概率分布19

连续随机变量的概率分布21

2.2期望值、均值与方差23

随机变量的期望值23

方差与标准差24

随机变量的线性函数的均值与方差25

概率分布形状的其他度量方法26

2.3双随机变量29

联合分布与边缘分布29

条件分布30

独立性34

协方差与相关34

随机变量总和的均值与方差35

2.4正态分布、x2分布、t分布与F分布39

正态分布39

x2分布43

t分布44

F分布44

2.5随机抽样与样本均值的分布45

随机抽样45

样本均值的抽样分布46

2.6抽样分布的大样本近似48

大数定律与一致性49

中心极限定律52

附录2.1主要概念2.3的推导结果63

第3章 统计学复习65

3.1母体均值的估计66

估计量及其性质67

Y的性质68

随机抽样的重要性70

3.2母体均值的假设检验71

原假设与对立假设72

p值72

计算σY已知的p值74

样本方差、样本标准差与标准误差75

计算σY未知的p值76

t统计量77

预定置信水平的假设检验78

单侧对立假设80

3.3母体均值的置信区间81

3.4比较不同母体的均值83

两个均值差异的假设检验83

两个母体均值差异的置信区间84

3.5利用实验数据估计因果效应的均值差异85

均值差异的因果效应85

依据均值差异估计因果效应87

3.6小样本的t统计量的使用88

t统计量与常规t统计量88

常规t统计量的实际运用92

3.7散布图、样本方差与样本相关92

散布图93

样本协方差与相关94

附录3.1美国人口普查105

附录3.2 Y为μY的最小二乘估计量的两种证明106

附录3.3样本方差的一致性证明107

第二部分 回归分析基础109

第4章 单回归量的线性回归（一元线性回归）111

4.1线性回归模型112

4.2估计线性回归模型的系数116

最小二乘估计量118

考试成绩与师生比率关系的最小二乘估计值120

为何使用最小二乘估计量121

4.3拟合的测度123

R2123

回归的标准误差124

考试成绩数据的运用125

4.4最小二乘法假定126

假定1已知Xi时ui的条件分布具有零均值126

假定2（Xi，Yi），i=1，…，n服从独立同分布128

假定3不出现奇怪的离群值129

最小二乘法假定的利用130

4.5 OLS估计量的样本分布131

OLS估计量 的样本八布132

4.6结论135

附录4.1加利福尼亚州的考试成绩数据143

附录4.2 OLS估计量的推导143

附录4.3 OLS估计量的样本分布144

第5章 单回归量的线性回归：假设检验与置信区间148

5.1单个回归系数的假设检验149

β1的双侧假设149

β1的单侧假设153

截距β0的假设检验155

5.2回归系数的置信区间155

5.3 X为两元变量的回归158

回归系数的解释158

5.4异方差与同方差160

何谓异方差与同方差160

同方差的数学含义163

异方差与同方差的实践含义164

5.5最小二乘法的理论基础166

线性条件无偏估计量与Gauss-Markov定理167

非OLS的回归估计量168

5.6小样本回归的t统计量的使用169

t统计量与常规t统计量170

常规t统计量的实际运用170

5.7结论171

附录5.1 OLS标准误差的公式180

附录5.2 Gauss-Markov条件与Gauss-Markov定理的证明182

第6章 多回归量线性回归186

6.1遗漏变量偏倚186

遗漏变量偏倚的定义187

遗漏变量偏倚的公式189

通过数据分组表示遗漏变量偏倚191

6.2多元回归模型193

母体回归线193

母体多元回归模型194

6.3多元回归的OLS估计量196

OLS估计量197

考试成绩与师生比率的应用198

6.4衡量多元回归的拟合度200

回归的标准误差200

R2200

调整R2201

考试成绩数据的运用202

6.5多元回归的最小二乘法假定202

假定1已知Xli，X2i，…，Xki时ui的条件分布具有零均值203

假定2 （X1i，X2i，…，Xki，Yi），i=1，2，…，n服从独立同分布203

假定3不出现奇怪的离群值203

假定4不存在完全共线性203

6.6多元回归的OLS估计量的分布205

6.7共线性206

完全共线性的例子206

不完全共线性209

6.8结论210

附录6.1公式（6.1）的推导218

附录6.1两个回归量与同方差误差项的OLS估计量的分布218

第7章 多元回归的假设检验与置信区间220

7.1单个系数的假设检验与置信区间221

OLS估计量的标准方差221

单个系数的假设检验221

单个系数的置信区间223

考试成绩与师生比率的应用223

7.2复合假设检验225

两个或更多系数的假设检验225

F统计量227

考试成绩与师生比率的应用229

7.3检验涉及多个系数的单一约束条件230

7.4多个系数的置信集合232

7.5多元回归的模型设定234

多元回归的遗漏变量偏倚235

模型设定的理论与实践236

R2与调整R2的实践解释237

7.6分析考试成绩数据239

7.7结论244

附录7.1复合假设的Bonferroni检验251

第8章 非线性回归函数254

8.1非线性回归函数模型化的一般策略256

考试成绩与地区收入256

非线性模型设定的X的变化给予Y的影响260

利用多元回归的非线性模型化的一般方法264

8.2单自变量的非线性函数264

多项式265

对数式267

考试成绩与地区收入的多项式模型与对数式的模型275

8.3自变量之间的相互作用277

两个两元变量的相互作用277

连续变量与两元变量的相互作用280

两个连续变量的相互作用286

8.4师生比率与考试成绩之间的非线性效应290

讨论回归结果291

总结研究发现295

8.5结论296

附录8.1参数之间存在非线性关系的回归函数307

第9章 基于多元回归的研究评价312

9.1内部有效性与外部有效性313

威胁内部有效性的因素313

威胁外部有效性的因素314

9.2威胁多元回归分析的内部有效性的因素316

遗漏变量偏倚316

回归函数的形式的误定319

变量误差319

样本选择322

联立因果性324

OLS标准误差的不一致性源泉325

9.3利用多元回归分析预测的内部有效性与外部有效性327

利用回归模型预测327

回归模型预测的有效性评价328

9.4事例：考试成绩与班级规模329

外部有效性329

内部有效性336

讨论与含义337

9.5结论338

附录9.1马萨诸塞州的小学考试成绩数据344

第三部分 回归分析的深入讨论347

第10章 面板数据的回归349

10.1面板数据350

案例：交通死亡与酒税351

10.2两期面板数据：“前后”比较353

10.3固定效应回归356

固定效应回归模型356

估计与推断359

交通死亡的应用360

10.4时间固定效应回归361

只存在时间效应361

个体效应与时间效应的共存362

10.5固定效应回归的假设与回归标准差364

固定效应回归的假设364

固定效应回归的标准差366

10.6饮酒驾车规律与交通事故死亡367

10.7结论371

附录10.1美国各州交通事故数据378

附录10.2伴随序列相关误差的固定效应回归的标准误差379

第11章 两元因变量的回归383

11.1两元因变量与线性概率模型384

两元因变量385

线性概率模型387

11.2 Probit与Logit回归389

Probit回归389

Logit回归394

比较线性概率、Probit回归与Logit回归396

11.3 Probit模型与Logit模型的估计与推断396

非线性最小二乘估计397

最大似然估计398

拟合的测度399

11.4波士顿HDMA数据的应用例400

11.5总结407

附录11.1波士顿HDMA数据集415

附录11.2最大似然估计415

附录10.2其他受限因变量模型418

第12章 工具变量回归421

12.1单回归量与单工具变量的IV估计量422

IV模型与假定422

两阶段最小二乘法估计量423

IV回归的作用机制424

TSLS估计量的样本分布428

香烟需求的应用430

12.2一般IV回归模型432

一般IV回归模型的TSLS433

一般IV回归模型的工具变量的相关性与外生性434

IV回归假定与TSLS估计量的样本分布434

利用TSLS估计量的推断437

香烟需求的应用437

12.3校验工具变量的有效性439

假定1工具变量的相关性439

假定2工具变量的外生性443

12.4香烟需求的应用445

12.5有效工具变量的来源450

三个案例451

12.6结论455

附录12.1香烟消费的面板数据集462

附录12.2方程（12.4）的TSLS估计量推导462

附录12.3 TSLS估计量的大样本分布463

附录12.4工具变量无效的TSLS估计量的大样本分布464

附录12.5弱工具变量的工具变量分析466

第13章 实验与拟实验468

13.1理想实验与因果效应470

理想的随机控制实验470

差分估计量471

13.2实施实验的潜在问题472

威胁内部有效性的因素472

威胁外部有效性的因素475

13.3利用实验数据的因果效应的回归估计量477

增加回归量的差分估计量477

差分的差分估计量480

不同群体的因果效应的估计484

存在部分应允（compliance）的估计484

检验随机化485

13.4缩小班级规模的效应的实验估计486

实验设计486

STAR数据的分析487

班级规模效应的观察估计值与实验估计值的比较492

13.5拟实验494

案例495

分析拟实验的计量经济学方法497

13.6拟实验的潜在问题500

威胁内部有效性的因素500

威胁外部有效性的因素502

13.7不同母体的实验与拟实验的估计值502

母体的异质性：谁的因果效应502

不同因果效应的OLS503

不同因果效应的IV回归504

13.8结论507

附录13.1 STAR项目的数据集516

附录13.2差分的差分估计量的多期模型的扩展517

附录13.3条件均值的独立性518

附录13.4个体因果效应不同的IV估计520

第四部分 经济时间序列的回归分析523

第14章 时间序列回归与预测的导论525

14.1利用回归模型预测527

14.2时间序列数据与序列相关的导论528

美国的通货膨胀率与失业率528

滞后、一阶差分、对数与增长率528

自相关532

其他经济时间序列数据的例子533

14.3自回归535

一阶自回归模型535

p阶自回归模型538

14.4增加预测量的时间序列回归与自回归滞后分布模型541

利用过去的失业率预测通货膨胀率的变化541

平稳性544

多预测量的时间序列回归545

预测的不确定性与预测区间548

14.5利用信息准则选择滞后长度549

确定自回归的阶数551

多预测量的时间序列回归的滞后长度选择553

14.6非平稳性Ⅰ：趋势554

何谓趋势555

随机趋势导致的问题557

发现随机趋势：AR模型的单位根检验560

避免随机趋势导致的问题564

14.7非平稳性Ⅱ：突变565

何谓突变565

检验突变566

伪样本外推预测571

避免突变导致的问题576

14.8结论577

附录14.1第14章的时间序列数据586

附录14.2 AR（1）模型的平稳性586

附录14.3滞后算子符号588

附录14.4 ARMA模型589

附录14.5 BIC滞后长度估计量的一致性589

第15章 动态因果效应的估计591

15.1橘子汁原味的数据593

15.2动态因果效应595

因果效应与时间序列数据596

两种类型的外生性598

15.3利用外生回归量估计动态效应600

滞后分布模型假定601

自相关ut、标准误差与推断601

动态乘数与累积动态乘数602

15.4异方差的标准误差与自相关的一致标准误差604

存在自相关误差项的OLS估计量的分布604

HAC标准误差606

15.5利用严格外生回归量估计动态效应608

存在AR（1）误差项的滞后分布模型609

ADL模型的OLS估计612

GLS估计613

添加滞后项与AR（p）误差项的滞后分布模型615

15.6橘子汁价格与凉爽气候618

15.7外生性是否可信？部分事例624

美国收入与澳大利亚出口625

石油价格与通货膨胀626

货币政策与通货膨胀626

Phillips曲线627

15.8结论627

附录15.1橘子汁数据634

附录15.1 ADL模型与滞后算子符号表示的一般最小二乘法634

第16章 时间序列回归的补充内容637

16.1向量自回归638

VAR模型638

通货膨胀率与失业率的VAR模型641

16.2多期预测642

迭代多期预测643

直接多期预测645

应该使用哪种方法？647

16.3积分阶数与DF-GLS单位根检验648

其他趋势模型与积分阶数650

单位根的DF-GLS检验653

为何单位根检验具有非正态分布655

16.4协整655

协整与误差修正655

如何判断两个变量是否存在协整658

估计协整系数660

多元协整变量的扩展661

利率的应用662

16.5变动性聚类与自回归条件异方差664

变动性聚类665

自回归条件异方差666

股价变动的应用667

16.6结论669

附录16.1第16章使用的美国金融数据674

第五部分 回归分析的计量经济理论675

第17章 单回归量线性回归的理论677

17.1扩展的最小二乘法假定与OLS估计量678

扩展的最小二乘法假定678

OLS估计量680

17.2渐近分布理论的基础680

概率收敛与大数定理681

中心极限定理与分布收敛683

Slutsky定理与连续映射定理685

基于样本均值的t统计量应用685

17.3 OLS估计量与t统计量的渐近分布686

OLS估计量的一致性与渐近正态性686

异方差稳健的标准误差的一致性686

异方差稳健的t统计量的渐近正态性688

17.4正态分布误差项的精确样本分布688

正态误差项的β1的分布688

只存在同方差的t统计量的分布690

17.5加权最小二乘法691

已知异方差的WLS691

已知异方差的函数形式的WLS692

异方差稳健标准误差还是WLS695

附录17.1连续随机变量的正态及相关分布与矩700

附录17.2两个不等式702

第18章 多元回归的理论704

18.1线性多元回归模型与矩阵形式的OLS估计量706

多元回归模型矩阵表示706

扩展的最小二乘法假定707

OLS估计量708

18.2OLS估计量与t统计量的渐近分布710

多元中心极限定理710

^β的渐近正态性710

异方差稳健的标准误差711

预测的置信区间712

t统计量的渐近分布713

18.3复合假设的检验713

矩阵表示的复合假设713

F统计量的渐近分布714

多系数的置信集合714

18.4正态误差项的回归统计量的分布715

OLS回归统计量的矩阵表示715

正态误差项的^β的分布716

Su2的分布717

只存在同方差的标准误差717

t统计量的分布718

F统计量的分布718

18.5同方差误差项的OLS估计量的有效性719

多元回归的Gauss-Markov条件719

线性条件无偏估计量719

多元回归的Gauss-Markov定理720

18.6一般最小二乘法721

GLS假定722

Ω已知的GLS724

含未知参数的GLS725

零条件均值假设与GLS725

18.7工具变量与一般矩法估计727

工具变量的矩阵表示728

TSLS估计量的渐近分布729

同方差的TSLS的性质730

线性模型的一般矩法估计733

附录18.1矩阵代数概要743

附录18.2多元分布747

附录18.3^β的渐近分布的推导748

附录18.4正态误差项的OLS检验统计量的精确分布的推导749

附录18.5多元回归的Gauss-Markov定理的证明751

附录18.6 IV和GMM的部分结论证明752

附录755

参考文献763

“概念复习”问题的解答767

术语表775

索引783