简介
该书十分重视基础知识的教学及训练，内容深入浅出。该书的特点之一是：充分考虑了学科发展的前沿，使微观计量经济学的定性与限值应变量方法和宏观计量经济学的时间序列分析都占有相当篇幅。同时，本书突出强调了计量经济学对经济和金融数据的应用分析。
作者简介：
达摩达尔·N·古扎拉蒂在执教于纽约市立大学28年多之后，现在是纽约州西卢美国军事学院社会科学系的经济学教授。古扎拉蒂博士于1960年获孟买大学工商学硕士学位，1963年获芝加哥大学工商行政硕士学位，并于1965年获芝加哥大学博士学位。古扎拉蒂博士曾在知名的国内和国际期刊诸如Reviow of Economics and Statistics, Economic Joumal, Journal of Mnancial and Quantitative Analysis, Journal of Business, American Statistician 和 Journal of Industrial and Labor Relations发表论文多篇。古扎拉蒂博士现任多种期刊和图书出版社的编辑评判人，并且是印度官方刊物 Journal of Quantitative Economics 的编委会成员。古扎拉蒂博士还是Pension and the New York City Fiscal Crisis(the American Eulerprise Instuiule, 1978)Government and Business(MeGraw瞝lill, 1984)和 Essentials of Econometrics (MeGraw瞝lill, 1992)的作者。古扎拉蒂博士在计量经济学方面的书已被译成多种文字出版。
古扎拉蒂博士曾是联合王国Sheffield大学访问教授(1970—1971)，是访问印度的Fulbright教授(1981—1982)，新加坡国立大学管理学院访问教授(1985—1986)，以及澳大利亚New South Wales大学计量经济学教授(1988年夏)。作为美国新闻署赴海外讲学的一位经常参加者，古扎拉蒂博士曾在澳大利亚、孟加拉国、德国、印度、以色列、毛里求斯、韩国等广泛讲授微观和宏观经济学专题。古扎拉蒂博士还在加拿大和墨西哥举办过学术研讨会并讲演。
目录
目录
§1、6 术语与符号
5A、2 方程（5、9、1）的推导
5A、3 方程（5、10、2）和（5、10、6）的推导均值预测的方差
个值预测的方差
第6章 双变量线性回归模型的延伸
§6、1 过原点回归
过原点回归模型的r2
一个说明性例子：组合证券理论的特征线
§6、2 尺度与测量单位
一个数值例子：1974—1983年美国GPDI与GNP的关系
为结果的解释进一言
§1、7 计量经济分析所用数据的性质与来源
§6、3 回归模型的函数形式
§6、4 怎样测度弹性：对数线性模型
一个说明性例子：再看咖啡需求函数
§6、5 半对数模型：线性到对数与对数到线性模型
怎样测量增长率：线性到对数模型
对数到线性模型
§6、6 倒数模型
一个说明性例子：1950—1966年联合王国的菲利普斯曲线
§6、7 函数形式一览（表）
§6、8 关于随机误差项的性质的一个注记：相加性与相乘性随机误差项
数据类型
§6、9 要点与结论
习题
附录6、A
6A、1 过原点回归的最小二乘估计量的推导
6A、2 特征线（6、1、12）的SAS打印结果
6A、3 联合王国菲利普斯回归（6、6、2）的SAS打印结果
第7章 复回归分析：估计问题
§7、1 三变量模型：符号与假定
§7、2 对复回归方程的解释
§7、3 偏回归系数的含义
数据来源
§7、4 偏回归系数的OLS与ML估计
OLS估计量
OLS估计量的方差和标准误
OLS估计量的性质
最大似然估计量
§7、5 复判定系数R2与复相关系数R
§7、6 例7、1：1970—1982年美国“期望扩充”菲利普斯曲线
§7、7 从复回归的角度看简单回归：设定偏误初探
§7、8 R2及校正R2
比较两个R2值
数据的准确性
例7、2：重温咖啡需求函数
关于R2最大化的“游戏”
§7、9 偏相关系数
简单与偏相关系数的释义
简单与偏相关系数的解说
§7、10 例7、3：柯柏—道格拉斯生产函数：函数形式再议
§7、11 多项式回归模型
例7、4估计总成本函数
经验结果
§7、12 要点与结论
§1、8 要点与结论
习题
附录7A
7A、1 方程（7、4、3）至（7、4、5）所给OLS估计量的推导
7A、2 （7、3、5）的α1等于（7、4、7）的β2
7A、3 方程（7、4、19）的推导
7A、4 复回归模型的最大似然估计法
7A、5 E(b12)=β2+β3b32（方程7、7、4）的证明
7A、6 期望—扩充菲利普斯曲线（7、6、2）的SAS打印结果
7A、7 柯柏—道格拉斯生产函数（7、10、4）的SAS打印结果
第8章 复回归分析：推断问题
习题
§8、1 再一次正态性假定
§8、2 例8、1：1956—1970年美国个人消费与个人可支配收入的关系
§8、3 复回归中的假设检验：总评
§8、4 检验关于个别偏回归系数的假设
§8、5 检验样本回归的总显著性
检验所测复回归的总显著性的方差分析法：F检验
检验复回归的总显著性：F检验
R2和F之间的一个重要关系式
检验一个用R2表示的复回归的总显著性
一个解释变量的“增量”或“边际”贡献
附录1A
§8、6 检验两个回归系数是否相等
例8、2：立方成本函数再议
§8、7 受约束的最小二乘法：检验线性等式约束条件
t检验方法
F检验法：受约束最小二乘法
例8、3：1958—1972年台湾地区农业部门的柯柏—道格拉斯生产函数
一般的F检验方法
例8、4：1960—1982年美国子鸡需求
§8、8 比较两个回归：检验回归模型的结构稳定性
§8、9 检验回归的函数形式：在线性与对数—线性回归模型之间进行选择
1A、1 经济数据的来源
例8、5：玫瑰需求
§8、10 用复回归做预测
§8、11 假设检验三联体：似然比（LR），瓦尔德(Wald，简记W)与拉格朗日(Lagrange)乘数（LM）检验
§8、12 要点与结论
前面的道路
习题
附录8A
似然比（LR）检验
第9章 线性回归模型的矩阵方法
§9、1 k变量线性回归模型
1A、2 金融数据的来源
§9、2 用矩阵表示的关于经典线性回归模型的假定
§9、3 OLS估计
一个说明
β的方差协方差矩阵
OLS向量β的性质
§9、4 用矩阵表示的判定系数R2
§9、5 相关矩阵
§9、6 关于个别回归系数的假设检验的矩阵表示
§9、7 检验回归的总显著性：用矩阵表示的方差分析
§9、8 检验线性约束：用矩阵表示的一般F检验法
第1篇 单一方程回归模型
第2章 双变量回归分析：一些基本概念
§9、9 用复回归做预测：矩阵表述
均值预测
个值预测
均值预测的方差
个值预测的方差
§9、10 矩阵方法总结：一个说明性例子
§9、11 要点与结论
习题
附录9A
9A、1 K个正规或联立方程的推导
§2、1 一个人为的例子
9A、2 正规方程的矩阵推导
9A、3 β的方差—协方差矩阵
9A、4 OLS估计量的BLUE性质
第2篇 放宽经典模型的假定
第10章 多重共线性与微数缺测性(micronumerosity)
§10、1 多重共线性的性质
§10、2 出现完全多重共线性时的估计问题
§10、3 出现“高度”或“不完全”多重共线性时的估计问题
§10、4 多重共线性：是庸人自扰吗？多重共线性的理论后果
§10、5 多重共线性的实际后果
§2、2 总回归函数（PRF）的概念
OLS估计量的大方差与协方差
更宽的置信区间
“不显著”的t比率
R2值高而显著的t比率少
OLS估计量及其标准误对数据中的微小变化的敏感性
微数缺测性的后果
§10、6 一个说明性例子：消费支出与收入和财富的关系
§10、7 多重共线性的侦察
§10、8 补救措施
§10、9 多重共线性一定是坏事吗？如果预测是惟一目的，就未必如此
§2、3 “线性”一词的含义
§10、10 要点与结论
习题
第11章 异方差性
§11、1 异方差的性质
§11、2 出现异方差性时的OLS估计
§11、3 广义最小二乘法（GLS）
OLS和GLS的差别
§11、4 出现异方差性时使用OLS的后果
考虑异方差性的OLS估计
忽视异方差性的OLS估计
对变量为线性
§11、5 异方差性的侦察
非正式方法
正式方法
§11、6 补救措施
当σi为已知：加权最小二乘法
当σi为未知
§11、7 一个总结性的例子
§11、8 要点与结论
习题
附录11A
对参数为线性
11A、1 方程（11、2、2）的证明
11A、2 加权最小二乘法
§2、4 PRF的随机设定
§2、5 随机干扰项的意义
§2、6 样本回归函数（SRF）
§2、7 要点与结论
第1章 回归分析的性质
习题
第3章 双变量回归模型：估计问题
§3、1 普通最小二乘法
§3、2 经典线性回归模型：最小二乘法的基本假定
这些假定有多真实？
§3、3 最小二乘估计的精度或标准误差
§3、4 最小二乘估计量的性质：高斯—马尔可夫定理
§3、5 判定系数r2：“拟合优度”的一个度量
§3、6 一个数值例子
§3、7 两个说明性例子
§1、1 “回归”一词的历史渊源
美国的咖啡消费，1970—1980年
美国的凯恩斯消费函数，1980—1991年
§3、8 咖啡需求函数的计算机输出
§3、9 关于蒙特卡罗实验的一个注记
§3、10 要点与结论
习题
附录3A
3A、1 最小二乘估计的推导
3A、2 最小二乘估计量的线性和无偏性质
3A、3 最小二乘估计量的方差和标准误
§1、2 回归的现代释义
3A、4 β1与β2的协方差
3A、5 σ2的最小二乘估计量
3A、6 最小二乘估计量的最小方差性质
3A、7 咖啡的需求函数（3、7、1）的SAS输出
第4章 正态性假定：经典正态线性回归模型
§4、1 干扰ui的概率分布
§4、2 正态性假定
§4、3 在正态性假定下OLS估计量的性质
§4、4 最大似然（ML）法
§4、5 与正态分布有关的一些概率分布：t、CHI平方(x2)和F分布
例子
§4、6 要点与结论
附录4A
双变量回归模型的最大似然估计
消费—收入一例的最大似然估计
附录4A 习题
第5章 双变量回归：区间估计与假设检验
§5、1 统计学的预备知识
§5、2 区间估计：一些基本概念
§5、3 回归系数β1和β2的置信区间
β2的置信区间
§1、3 统计关系与确定性关系
β1的置信区间
β1和β2的联合置信区域
§5、4 σ2的置信区间
§5、5 假设检验：概述
§5、6 假设检验：置信区间的方法
双侧或双尾检验
单侧或单尾检验
§5、7 假设检验：显著性检验法
检验回归系数的显著性：t检验
检验σ2的显著性：x2检验
§1、4 回归与因果关系
§5、8 假设检验：一些实际操作问题
“接受”或“拒绝”假设的含义
“零”虚拟假设与“2倍t”屈指一算法则
建立虚拟与对立假设
选择显著性水平α
精确的显著性水平：p值
统计显著性与实际显著性
假设检验的置信区间法和显著性检验法的选择
§5、9 回归分析与方差分析
§5、10 回归分析的应用：预测问题
§1、5 回归与相关
均值预测
个值预测
§5、11 报告回归分析的结果
§5、12 评价回归分析的结果
正态性检验
模型适宜性的其他检验
§5、13 概要与结论
习题
附录5A
5A、1 方程（5、3、2）的推导
)gBx
§1、6 术语与符号
5A、2 方程（5、9、1）的推导
5A、3 方程（5、10、2）和（5、10、6）的推导均值预测的方差
个值预测的方差
第6章 双变量线性回归模型的延伸
§6、1 过原点回归
过原点回归模型的r2
一个说明性例子：组合证券理论的特征线
§6、2 尺度与测量单位
一个数值例子：1974—1983年美国GPDI与GNP的关系
为结果的解释进一言
§1、7 计量经济分析所用数据的性质与来源
§6、3 回归模型的函数形式
§6、4 怎样测度弹性：对数线性模型
一个说明性例子：再看咖啡需求函数
§6、5 半对数模型：线性到对数与对数到线性模型
怎样测量增长率：线性到对数模型
对数到线性模型
§6、6 倒数模型
一个说明性例子：1950—1966年联合王国的菲利普斯曲线
§6、7 函数形式一览（表）
§6、8 关于随机误差项的性质的一个注记：相加性与相乘性随机误差项
数据类型
§6、9 要点与结论
习题
附录6、A
6A、1 过原点回归的最小二乘估计量的推导
6A、2 特征线（6、1、12）的SAS打印结果
6A、3 联合王国菲利普斯回归（6、6、2）的SAS打印结果
第7章 复回归分析：估计问题
§7、1 三变量模型：符号与假定
§7、2 对复回归方程的解释
§7、3 偏回归系数的含义
数据来源
§7、4 偏回归系数的OLS与ML估计
OLS估计量
OLS估计量的方差和标准误
OLS估计量的性质
最大似然估计量
§7、5 复判定系数R2与复相关系数R
§7、6 例7、1：1970—1982年美国“期望扩充”菲利普斯曲线
§7、7 从复回归的角度看简单回归：设定偏误初探
§7、8 R2及校正R2
比较两个R2值
数据的准确性
例7、2：重温咖啡需求函数
关于R2最大化的“游戏”
§7、9 偏相关系数
简单与偏相关系数的释义
简单与偏相关系数的解说
§7、10 例7、3：柯柏—道格拉斯生产函数：函数形式再议
§7、11 多项式回归模型
例7、4估计总成本函数
经验结果
§7、12 要点与结论
§1、8 要点与结论
习题
附录7A
7A、1 方程（7、4、3）至（7、4、5）所给OLS估计量的推导
7A、2 （7、3、5）的α1等于（7、4、7）的β2
7A、3 方程（7、4、19）的推导
7A、4 复回归模型的最大似然估计法
7A、5 E(b12)=β2+β3b32（方程7、7、4）的证明
7A、6 期望—扩充菲利普斯曲线（7、6、2）的SAS打印结果
7A、7 柯柏—道格拉斯生产函数（7、10、4）的SAS打印结果
第8章 复回归分析：推断问题
习题
§8、1 再一次正态性假定
§8、2 例8、1：1956—1970年美国个人消费与个人可支配收入的关系
§8、3 复回归中的假设检验：总评
§8、4 检验关于个别偏回归系数的假设
§8、5 检验样本回归的总显著性
检验所测复回归的总显著性的方差分析法：F检验
检验复回归的总显著性：F检验
R2和F之间的一个重要关系式
检验一个用R2表示的复回归的总显著性
一个解释变量的“增量”或“边际”贡献
附录1A
§8、6 检验两个回归系数是否相等
例8、2：立方成本函数再议
§8、7 受约束的最小二乘法：检验线性等式约束条件
t检验方法
F检验法：受约束最小二乘法
例8、3：1958—1972年台湾地区农业部门的柯柏—道格拉斯生产函数
一般的F检验方法
例8、4：1960—1982年美国子鸡需求
§8、8 比较两个回归：检验回归模型的结构稳定性
§8、9 检验回归的函数形式：在线性与对数—线性回归模型之间进行选择
1A、1 经济数据的来源
例8、5：玫瑰需求
§8、10 用复回归做预测
§8、11 假设检验三联体：似然比（LR），瓦尔德(Wald，简记W)与拉格朗日(Lagrange)乘数（LM）检验
§8、12 要点与结论
前面的道路
习题
附录8A
似然比（LR）检验
第9章 线性回归模型的矩阵方法
§9、1 k变量线性回归模型
1A、2 金融数据的来源
§9、2 用矩阵表示的关于经典线性回归模型的假定
§9、3 OLS估计
一个说明
β的方差协方差矩阵
OLS向量β的性质
§9、4 用矩阵表示的判定系数R2
§9、5 相关矩阵
§9、6 关于个别回归系数的假设检验的矩阵表示
§9、7 检验回归的总显著性：用矩阵表示的方差分析
§9、8 检验线性约束：用矩阵表示的一般F检验法
第1篇 单一方程回归模型
第2章 双变量回归分析：一些基本概念
§9、9 用复回归做预测：矩阵表述
均值预测
个值预测
均值预测的方差
个值预测的方差
§9、10 矩阵方法总结：一个说明性例子
§9、11 要点与结论
习题
附录9A
9A、1 K个正规或联立方程的推导
§2、1 一个人为的例子
9A、2 正规方程的矩阵推导
9A、3 β的方差—协方差矩阵
9A、4 OLS估计量的BLUE性质
第2篇 放宽经典模型的假定
第10章 多重共线性与微数缺测性(micronumerosity)
§10、1 多重共线性的性质
§10、2 出现完全多重共线性时的估计问题
§10、3 出现“高度”或“不完全”多重共线性时的估计问题
§10、4 多重共线性：是庸人自扰吗？多重共线性的理论后果
§10、5 多重共线性的实际后果
§2、2 总回归函数（PRF）的概念
OLS估计量的大方差与协方差
更宽的置信区间
“不显著”的t比率
R2值高而显著的t比率少
OLS估计量及其标准误对数据中的微小变化的敏感性
微数缺测性的后果
§10、6 一个说明性例子：消费支出与收入和财富的关系
§10、7 多重共线性的侦察
§10、8 补救措施
§10、9 多重共线性一定是坏事吗？如果预测是惟一目的，就未必如此
§2、3 “线性”一词的含义
§10、10 要点与结论
习题
第11章 异方差性
§11、1 异方差的性质
§11、2 出现异方差性时的OLS估计
§11、3 广义最小二乘法（GLS）
OLS和GLS的差别
§11、4 出现异方差性时使用OLS的后果
考虑异方差性的OLS估计
忽视异方差性的OLS估计
对变量为线性
§11、5 异方差性的侦察
非正式方法
正式方法
§11、6 补救措施
当σi为已知：加权最小二乘法
当σi为未知
§11、7 一个总结性的例子
§11、8 要点与结论
习题
附录11A
对参数为线性
11A、1 方程（11、2、2）的证明
11A、2 加权最小二乘法
§2、4 PRF的随机设定
§2、5 随机干扰项的意义
§2、6 样本回归函数（SRF）
§2、7 要点与结论
第1章 回归分析的性质
习题
第3章 双变量回归模型：估计问题
§3、1 普通最小二乘法
§3、2 经典线性回归模型：最小二乘法的基本假定
这些假定有多真实？
§3、3 最小二乘估计的精度或标准误差
§3、4 最小二乘估计量的性质：高斯—马尔可夫定理
§3、5 判定系数r2：“拟合优度”的一个度量
§3、6 一个数值例子
§3、7 两个说明性例子
§1、1 “回归”一词的历史渊源
美国的咖啡消费，1970—1980年
美国的凯恩斯消费函数，1980—1991年
§3、8 咖啡需求函数的计算机输出
§3、9 关于蒙特卡罗实验的一个注记
§3、10 要点与结论
习题
附录3A
3A、1 最小二乘估计的推导
3A、2 最小二乘估计量的线性和无偏性质
3A、3 最小二乘估计量的方差和标准误
§1、2 回归的现代释义
3A、4 β1与β2的协方差
3A、5 σ2的最小二乘估计量
3A、6 最小二乘估计量的最小方差性质
3A、7 咖啡的需求函数（3、7、1）的SAS输出
第4章 正态性假定：经典正态线性回归模型
§4、1 干扰ui的概率分布
§4、2 正态性假定
§4、3 在正态性假定下OLS估计量的性质
§4、4 最大似然（ML）法
§4、5 与正态分布有关的一些概率分布：t、CHI平方(x2)和F分布
例子
§4、6 要点与结论
附录4A
双变量回归模型的最大似然估计
消费—收入一例的最大似然估计
附录4A 习题
第5章 双变量回归：区间估计与假设检验
§5、1 统计学的预备知识
§5、2 区间估计：一些基本概念
§5、3 回归系数β1和β2的置信区间
β2的置信区间
§1、3 统计关系与确定性关系
β1的置信区间
β1和β2的联合置信区域
§5、4 σ2的置信区间
§5、5 假设检验：概述
§5、6 假设检验：置信区间的方法
双侧或双尾检验
单侧或单尾检验
§5、7 假设检验：显著性检验法
检验回归系数的显著性：t检验
检验σ2的显著性：x2检验
§1、4 回归与因果关系
§5、8 假设检验：一些实际操作问题
“接受”或“拒绝”假设的含义
“零”虚拟假设与“2倍t”屈指一算法则
建立虚拟与对立假设
选择显著性水平α
精确的显著性水平：p值
统计显著性与实际显著性
假设检验的置信区间法和显著性检验法的选择
§5、9 回归分析与方差分析
§5、10 回归分析的应用：预测问题
§1、5 回归与相关
均值预测
个值预测
§5、11 报告回归分析的结果
§5、12 评价回归分析的结果
正态性检验
模型适宜性的其他检验
§5、13 概要与结论
习题
附录5A
5A、1 方程（5、3、2）的推导
)gBx
计量经济学.上:第三版
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
