计量经济学原理与实践(经济科学译丛;“十一五”国家重点图书出版规划项目)

**部分 线性回归模型
第1章 线性回归模型:一个概览
1.1 线性回归模型
1.2 数据的性质与来源
1.3 线性回归模型的估计
1.4 经典线性回归模型(CLRM)
1.5 OLS估计量的方差与标准误
1.6 检验关于真实或总体回归系数的假设
1.7 对回归估计拟合优度的测度
1.8 一个阐释性例子:小时工资的决定因素
1.9 预测
1.10 本书路线
习题
附录:*大似然方法
第2章 回归模型的函数形式
**部分 线性回归模型
第1章 线性回归模型:一个概览
1.1 线性回归模型
1.2 数据的性质与来源
1.3 线性回归模型的估计
1.4 经典线性回归模型(CLRM)
1.5 OLS估计量的方差与标准误
1.6 检验关于真实或总体回归系数的假设
1.7 对回归估计拟合优度的测度
1.8 一个阐释性例子:小时工资的决定因素
1.9 预测
1.10 本书路线
习题
附录:*大似然方法
第2章 回归模型的函数形式
2.1 对数线性、双对数或常弹性模型
2.2 检验线性约束的有效性
2.3 log-lin或增长模型
2.4 lin-log模型
2.5 倒数模型
2.6 多项式回归模型
2.7 函数形式的选择
2.8 线性模型与对数线性模型的比较
2.9 对标准化后的变量进行回归
2.10 拟合优度的测度
2.11 要点与结论
习题
第3章 定性解释变量回归模型
3.1 工资函数再探
3.2 工资函数的改进
3.3 另一种对工资函数的改进
3.4 工资回归的函数形式
3.5 在结构变化中对虚拟变量的使用
3.6 季节性数据中对虚拟变量的使用
3.7 扩展后的销售函数
3.8 要点与结论
习题
第二部分 对经典线性回归模型的批评性评价
第4章 回归诊断Ⅰ:多重共线性
4.1 不完全共线性的结果
4.2 举例:劳动市场上已婚妇女的工作小时数
4.3 对多重共线性的检验
4.4 补救措施
4.5 主成分方法
4.6 要点与结论
习题
第5章 回归诊断Ⅱ:异方差性
5.1 异方差性的结果
5.2 美国的堕胎率
5.3 异方差性的检验
5.4 补救措施
5.5 要点与结论
习题
第6章 回归诊断Ⅲ:自相关
6.1 1947—2000年美国消费函数
6.2 自相关的检验
6.3 补救措施
6.4 模型评价
6.5 要点与结论
习题
第7章 回归诊断Ⅳ:模型设定错误
7.1 相关变量的遗漏
7.2 遗漏变量的检验
7.3 包含不相关或多余的变量
7.4 回归模型函数形式的错误设定
7.5 测量误差
7.6 异常值、杠杆数据和有影响力的数据
7.7 误差项概率分布
7.8 随机回归
7.9 联立性问题
7.10 动态回归模型
7.11 要点与结论
习题
附录:消费函数OLS估计量的非一致性
第三部分 横截面数据回归模型
第8章 logit和probit模型
8.1 一个阐释性例子:吸烟或者不吸烟
8.2 线性概率模型(LPM)
8.3 logit模型
8.4 probit模型
8.5 要点与结论
习题
第9章 多项回归模型
9.1 多项回归模型的性质
9.2 多项logit模型(MLM):择校问题
9.3 条件logit模型(CLM)
9.4 混合logit(MXL)
9.5 要点与结论
习题
第10章 序数回归模型
10.1 有序多项模型 (ordered multinomial models ,OMM)
10.2 有序logit模型(OLM)估计
10.3 一个阐释性的例子:对在职母亲的态度
10.4 比例优势模型的局限
10.5 要点与结论
习题
附录:公式(10.4)的推导
第11章 限值因变量回归模型
11.1 截取回归模型
11.2 截取回归模型的*大似然估计(ML):Tobit模型
11.3 断尾样本回归模型
11.4 要点与结论
习题
第12章 对计数数据建模:泊松和负二项回归模型
12.1 一个阐释性的例子
12.2 泊松回归模型(PRM)
12.3 泊松回归分布的局限
12.4 负二项回归模型(NBRM)
12.5 要点与结论
习题
第四部分 时间序列计量经济学专题
第13章 平稳和非平稳时间序列
13.1 汇率平稳吗?
13.2 平稳时间序列的重要性
13.3 平稳性检验
13.4 平稳性的单位根检验
13.5 趋势平稳和差分平稳时间序列
13.6 随机游走模型 (RWM)
13.7 要点与结论
习题
第14章 协整和误差纠正模型
14.1 伪回归现象
14.2 模拟伪回归
14.3 消费支出对可支配收入的回归是伪回归吗?
14.4 伪回归不伪的情况
14.5 协整检验
14.6 协整和误差纠正机制(ECM)
14.7 3个月和6个月期国债利率是协整吗?
14.8 要点与结论
习题
第15章 资产价格波动性:ARCH和GARCH模型
15.1 ARCH模型
15.2 GARCH模型
15.3 对ARCH模型的一些拓展
15.4 要点与结论
习题
第16章 经济预测
16.1 用回归模型预测
16.2 博克斯詹金斯(Box Jenkins)法:建立ARIMA模型
16.3 关于2000年1月3日至2002年10月31日IBM的每日收盘价的ARMA模型
16.4 向量自回归(VAR)
16.5 用VAR检验因果关系:格兰杰因果关系检验
16.6 要点与结论
习题
附录:预测精度的衡量
第17章 面板数据回归模型
17.1 面板数据的重要性
17.2 一个阐释性例子:慈善捐助
17.3 慈善函数的混合OLS回归
17.4 固定效应*小二乘虚拟变量(LSDV)模型
17.5 固定效应LSDV模型的局限
17.6 组内固定效应模型的估计
17.7 随机效应模型(REM)或误差成分模型 (ECM)
17.8 固定效应模型与随机效应模型的比较
17.9 各种估计量的性质
17.10 面板数据回归:一些总结性评论
17.11 要点与结论
习题
第18章 生存分析
18.1 一个阐释性的例子:建立累犯期间模型
18.2 生存分析的相关术语
18.3 建立累犯期间模型
18.4 指数概率分布
18.5 Weibull概率分布
18.6 比例风险函数模型
18.7 要点与结论
习题
第19章 随机回归元与工具变量方法
19.1 内生性的问题
19.2 关于随机回归元的问题
19.3 回归元与误差项存在相关关系的原因
19.4 工具变量法
19.5 IV的蒙特卡罗模拟
19.6 一些阐释性例子
19.7 数值实例:美国青年的收入与教育程度
19.8 在IV估计下的假设检验
19.9 回归元内生性检验
19.10 如何查明一个工具变量是弱的还是强的
19.11 多个工具变量的情形
19.12 包含多个内生回归元的回归
19.13 要点与结论
习题
附录1 本书使用的数据集
附录2 统计学附录
术语表