计量经济学方法

致我们的中文读者

to our chinese readers

译者的话

前言

第一章两个变量之间的关系

1．1双变量关系示例

1. 1．1 双变量频数分布

1．2相关系数

1．2．1双变量频数分布的相关系数

1．2．2r的范围

1．2．3无谓相关及其他问题

1．2．4一个案例研究

1．3双变量概率模型

1．3．1离散的双变量概率分布

1．3．2双变量正态分布

1．4双变量线性回归模型

1．4．1一个条件模型

1．4．2估计值和估计量

1．4．3最小二乘估计量

1．4．4平方和的分解

.1．4．5一个数值例子

1．5两变量最小二乘模型中的推断

1．5．1ls估计量的性质

1．5．2高斯-马尔科夫定理

1．5. 3推断程序

1．5．4数值例子（续1．4．5节中的例子）

1．6两变量回归模型的方差分析

1．7双变量回归模型中的预测

1．8汽油消费：一个初步分析

附录

附录1．1证明 var(b)=2/ x2

附录1．2推导a的抽样分布的均值和方差



附录1．3推导cov（a，b）

附录1．4高斯-马尔科夫定理

附录1．5推导var（eo）

习题

第二章双变量关系的其他方面

2．1时间作为回归元

2．1．1恒定增长曲线

2．1．2数值例子

2．2变量变换

2．2．1双对数变换

2．2．2半对数变换

2．2．3倒数变换

2．3非线性关系的一个实例：美国的通货膨胀和失业

2．4滞后因变量作为回归元

2．4．1渐近理论简介

2．4．2依概率收敛

2．4．3依分布收敛

2．4．4自回归方程

2．5平稳和非平稳序列

2．5．1单位根

2．5．2数值例证

2．6自回归方程的最大似然估计

2．6．1最大似然估计量

2．6．2最大似然估计量的性质

附录

附录2．1密度函数中的变量变换

附录2．2ar（1）模型的最大似然估计量

习题

第三章k地线性方程

3．1k-变量模型的矩阵表达式

3．1．1最小二乘法的代数表达式

3．1．2平方和分解

3．1．3方程的离差形式

3．2偏相关系数

3．2．1解释平方和的序贯形成

3．2．2偏相关系数和复回归系数

3．2．3偏相关系数和复回归系数的一般处理



3．3最小二乘法的几何意义

3．4k元方程的推断

3．4．1假定条件

3．4．2b的均值和方差

3．4．3o2的估计

3．4．4高斯一马尔可夫定理

3. 4．5检验关于b的线性假设

3．4．6受约束和无约束的回归

3．4．7拟合受约束回归方程

3．5预测

附录

附录 3．1证明r12.3=（r12-r13r23）/1-
附录3. 2在多元回归中，求解单一个回归系数

附录3．3证明当约束x'a=c时，最小化a'a

将得到 a= x（ x'x ）-1 c

附录3．4受约束估计量b*的推导

习题

第四章k元线性方程设定错误的若干检验

4．1设定错误

4．1．1关于u的可能问题

4．1．2关于x的可能问题

4．1．3关于b的可能问题

4．2模型评估与诊断检验

4．3参数不变性的检验

4．3．1邹（至庄）预测检验

4．3．2汉森检验

4．3．3递归估计检验

4．3．4向前一步预测误差

4．3．5累积和与平方累积和检验

4．3．6设定错误的一个更一般的检验：拉姆齐检验

4．4数值例证

4．5结构变化的检验

4．5．1一个结构变化的检验

4．5．2对斜率系数的检验

4．5．3对截距项的检验

4．5．4小结

4．5．5数值例子



4．5．6推广

4．6虚拟变量

4．6．1简介

4．6．2季节虚拟变量

4．6．3定性变量

4．6．4多于两组的虚拟变量

4．6．5数值例子

附录

附录4.1．证明：var(d)=o2[in2+x2(x'x)-1x'2]

习题

第五章最在似然估计，广义最小二乘法及，广义最小二乘法及工具变量估计

5．1最大似然估计量

5．1．1最大似然估计量的性质

5．2线性模型的ml估计

5．3似然比、沃尔德与拉格朗日乘数检验

5．3．1似然比检验

5．3．2沃尔德检验

5．3．3拉格朗日乘数检验

5．4有非球形干扰项的线性模型的ml估计

5．4．1广义最小二乘法

5．5工具变量估计量

5．5．1特例

5．5．2两阶段最小二乘法（2sls）

5．5．3工具的选择

5．5．4线性约束条件的检验

附录

附录5．1密度函数中的变量代换

附录 5．2中心和非中心的 r2

附录 5．3证明 e'* x（x'x）-1x'e*＝ e'* e*- e'e

习题

第六章异方差性和自相关

6．1ols估计量的性质

6．2对异方差性的检验

6．2．1怀特检验

6．2．2布罗施一帕甘／戈弗雷检验

6．2．3戈德菲尔德-匡特检验

6．2．4戈德菲尔德-匡特检验的扩展



6．3异方差性下的估计

6．3．1对分组数据的估计

6．3．2对异方差关系式的估计

6．4自相关干扰

6．4．1自相关的形式：自回归和移动平均模式

6．4．2自相关干扰的原因

6．5ols和自相关干扰

6．6自相关干扰的检验

6．6．1德宾-沃森检验

6．6．2沃利斯四阶自回归检验

6．6．3回归含有因变量滞后值的德宾检验

6．6．4布罗施-戈弗雷检验

6．6．5博克斯-皮尔斯-杨统计量

6．7对具有自相关干扰的关系式的估计

6．8出现自相关干扰时的预测

6．9自回归条件异方差性

附录

附录6．1乘积性异方差性的lm检验

附录6．2对群块同方差性的lr检验

附录6．3arch（1）过程的性质

习题

第七章单变量时间序列建模

7．1进行单变量分析的根本原因

7．1．1滞后算子

7．1．2arma建模

7．2ar、ma和arma过程的性质

7．2．1ar（1）过程

7．2．2an（2）过程

7．2．3ma过程

7．2．4arma过程

7．3平稳性检验

7．3．1图视法

7．3．2单积（或单整）序列

7．3．3趋势平稳（ts）和差分平稳（ds）序列

7．3．4单位根检验

7．3．5数值例子

7．4arima模型的识别、估计和检验



7．4．1识别

7．4．2估计

7．4．3诊断检验

7．5预测

7．5．1ma（1）过程

7．5．2arma（1，1）过程

7．5．3arma（1，1，0）过程

7．6季节性

7．7一个数值例子：每月新住房动工

习题

第八章自回归分布滞后关系

8．1自回归分布滞后关系

8．1．1恒定弹性关系

8．1．2参数重组

8．1．3动态均衡

8．1．4单位弹性

8．1．5推广

8．2设定与检验

8．2．1一般到简单与简单到一般

8．2．2估计与检验

8．2．3外生性

8．2. 4外生性检验

8．2．5武-豪斯曼检验

8．3非平稳回归元

8．4一个数值例子

8．4．1平稳性

8．4．2协积

8．4．3重新设定关系式

8．4．4一个一般的adl关系

8．4．5参数重组

8．5非嵌套模型

附录

附录8．1对方程中的变量作非奇异线性变换

附录8．2证明（8．37）式与（8．41）式的检验统计量相等

习题



第九章多方程模型

9．1向量自回归

9．1．1一个简单的var

9．1．2三变量var

9．1．3高阶系统

9．2var的估计

9．2．1检验var的阶数

9．2．2葛兰杰因果检验

9．2．3预测、脉冲反应函数和方差分解

9．2．4脉冲响应函数

9．2．5正交新生值

9．2．6方差分解

9．3向量误差纠正模型

9．3．1检验协积秩

9．3．2协积向量估计

9．3．3向量误差纠正模型的估计

9．4联立结构方程模型

9．5识别条件

9．6结构方程的估计

9．6．1非平稳变量

9．6．2估计的系统方法

附录

附录9．1似无关回归

附录9．2高阶var

习题

第十章广义矩法（gmm）

10．1矩法

10．2ols作为一个矩问题

10．3工具变量作为一个矩问题

10．4gmm和正交性条件

10．5gmm估计量的分布

10．6应用

10．6．1两阶段最小二乘法和过度识别约束条件的检验

10．6．2重温武一豪斯曼检验

10．6．3最大似然法

10．6．4欧拉方程

10．7关于参考书



习题

第十一章密集计算法选讲

11．1蒙特卡罗方法概述

11．1．1蒙特卡罗实验的一些准则

11．1．2例子

11．1．3伪随机数的生成

11．1．4结果的表述

11．2蒙特卡罗方法与排列检验

11．3 自助法

11．3．1中位数的标准误

11．3．2例子

11．3．3参数自助法

11．3．4残差再抽样：时间序列及预测

11．3．5数据再抽样：截面数据的情况

11．3．6对自助法在计量经济学中应用的评论

11．4非参数密度估计

11．4．1关于非参数密度估计的一般评论

11．4．2应用举例：工会的工资效应

11．5非参数回归

11．5．1模型的推广：部分线性回归模型

11．6关于参考书

习题

第十二章纵列数据

12．1纵列数据的来源及类型

12．2最简单的情形——混合估计量

12．3简单模型的两类扩展

12．4随机效应模型

12．5随机效应作为组内和组间估计量的组合

12．6两时期的固定效应模型

12．7多于两期的固定效应模型

12．8固定效应估计的风险

12．8．1例1：x的测量误差

12．8．2例2：x为内生变量

12．9固定效应还是随机效应？

12．10武-豪斯曼检验

12．11其他的设定检验与钱柏林方法简介

12．11．1约束条件的规范化



12．11．2一般模型中的固定效应

12．11．3对约束条件的检验

12．12关于参考书

习题

第十三章离散和限值因变量模型

13．1离散抉择模型的类型

13．2线性概率模型

13．3例子：一个有关参与工会的简单描述性模型

13．4概率模型的建立

13．5概率单位模型

13．6对数单位模型

13．7二值因变量模型的误设

13．7．1异方差性

13．7．2probit模型和logit模型中的误设

13．7．3函数形式：应使用怎样的正确模型？

13．8基本模型的推广：分组数据

13．8．1最大似然法

13．8．2最小x2法

13．9有序概率单位

13．10托比模型

13．10．1probit的一个推广： tobit

13．10．2能忽略“此问题”吗？

13．10．3异方差性与tobit

13．11两个可能的解决方法

13．11．1对称修剪最小平方法

13．11. 2截取最小绝对离差估计量

13．12处理效应与两步法

13．12．1简单的赫克曼纠正

13．12．2关于选择性偏误的几点审慎评议

13．12．3作为特例的tobit

13．13关于参考书

习题

附录a矩阵代数

a．l向量

a．1．1标量（纯量）乘法

a．1．2加法和减法



a．1．3线性组合

a．1．4向量的几何意义

a．1．5向量乘法

a．1．6向量相等

a．2矩阵

a．2．1矩阵乘法

a．2．2积矩阵的转置

a．2．3某些重要的方阵

a．2．4分块矩阵

a．2．5矩阵微分

a．2．6方程组的解

a．2．7逆矩阵

a．2．8矩阵的秩

a．2．9行列式的性质

a．2. 10逆矩阵的性质

a．2．11关于秩和方程组解的进一步讨论

a．2．12特征值和特征向量

a．2．13特征值和特征向量的性质

a．2．14二次型和正定矩阵

附录b统计学

b．1随机变量和概率分布

b．2一维正态概率分布

b．3二维随机变量分布

b．4正态，x2,t和 f分布之间的关系

b．5二维分布的期望

b．6多维变量密度

b．7多元正态概率密度函数

b．8二次型分布

b．9二次型的独立性

b．10二次型和线性函数的独立性

附录c数据盘

统计学用表

索引