計(jì)量經(jīng)濟(jì)模型與經(jīng)濟(jì)預(yù)測(cè)（4版）

譯者序前言引言第1部分
回歸分析基礎(chǔ)第1章
回歸模型介紹 21.1
曲線(xiàn)的擬合 21.2
最小二乘估計(jì)法的推導(dǎo) 4附錄1.1
求和算子的運(yùn)用 8附錄1.2
最小二乘參數(shù)估計(jì)的推導(dǎo) 10第2章
統(tǒng)計(jì)基礎(chǔ)知識(shí)復(fù)習(xí) 122.1
隨機(jī)變量 122.1.1
期望值 132.1.2
隨機(jī)變量的聯(lián)合分布 132.1.3
獨(dú)立與相關(guān) 142.2
估計(jì) 152.2.1
均值. 方差和協(xié)方差的估計(jì) 152.2.2
中心極限定理 172.3
估計(jì)量的有用性質(zhì) 172.3.1
無(wú)偏差 182.3.2
有效性 182.3.3
最小平均偏差平方 182.3.4
一致性 192.4
概率分布 202.4.1
正態(tài)分布 202.4.2
c2分布 212.4.3
t分布 212.4.4
F分布 222.5
假設(shè)檢驗(yàn)與置信區(qū)間 232.5.1
第一類(lèi)錯(cuò)誤和第二類(lèi)錯(cuò)誤 252.5.2
p值 252.5.3
檢驗(yàn)的勢(shì) 262.6
描述統(tǒng)計(jì)學(xué) 27附錄2.1
期望算子的性質(zhì) 29附錄2.2
極大似然估計(jì) 31第3章
一元線(xiàn)性回歸模型 343.1
模型 343.2
最佳線(xiàn)性無(wú)偏估計(jì) 363.3
假設(shè)檢驗(yàn)和置信區(qū)間 39
回歸系數(shù)的檢驗(yàn) 403.4
方差分析和相關(guān)性 423.4.1
擬合優(yōu)度 423.4.2
相關(guān) 443.4.3
檢驗(yàn)回歸方程 44附錄3.1
斜率最小二乘估計(jì)的方差 48附錄3.2
最小二乘殘差的一些性質(zhì) 49第4章
多元線(xiàn)性回歸模型 514.1
模型 514.2
回歸統(tǒng)計(jì)量 524.3
F檢驗(yàn). R2和調(diào)整的R2 534.4
多重共線(xiàn)性 574.4.1
完全共線(xiàn)性 574.4.2
多重共線(xiàn)的后果 574.4.3
多重共線(xiàn)的標(biāo)志 584.5
標(biāo)準(zhǔn)化系數(shù)和彈性系數(shù) 594.5.1
標(biāo)準(zhǔn)化系數(shù) 594.5.2
彈性系數(shù) 594.6
偏相關(guān)系數(shù)和逐步回歸 59附錄4.1
最小二乘參數(shù)估計(jì) 63附錄4.2
回歸系數(shù) 64附錄4.3
多元回歸模型的矩陣形式 65第2部分
單方程回歸模型第5章
多元回歸模型的應(yīng)用 725.1
一般線(xiàn)性模型 725.2
虛擬變量的使用 755.3
用t檢驗(yàn)和F檢驗(yàn)對(duì)多參數(shù)假設(shè)
進(jìn)行檢驗(yàn) 795.3.1
多個(gè)回歸系數(shù)的聯(lián)合檢驗(yàn) 795.3.2
關(guān)于回歸系數(shù)線(xiàn)性函數(shù)的檢驗(yàn) 815.3.3
有關(guān)不同回歸模型的系數(shù)是否
相等的檢驗(yàn) 825.4
分段線(xiàn)性回歸 83
變更回歸方法 845.5
具有隨機(jī)解釋變量的多元回歸模型 85附錄
有關(guān)虛擬變量系數(shù)的檢驗(yàn) 86第6章
序列相關(guān)和異方差性 906.1
異方差性 906.1.1
異方差性的修正 926.1.2
異方差的檢驗(yàn) 946.2
序列相關(guān)性 986.2.1
序列相關(guān)的修正 996.2.2
序列相關(guān)性的檢驗(yàn) 1026.2.3
有滯后因變量時(shí)對(duì)序列相關(guān)性
的檢驗(yàn) 104附錄
廣義最小二乘估計(jì)法 106第7章
工具變量法和
模型的確認(rèn) 1117.1
自變量與誤差項(xiàng)相關(guān) 1117.2
變量的測(cè)量誤差 1127.2.1
情形I：Y具有測(cè)量誤差 1127.2.2
情形II：X具有測(cè)量誤差 1127.2.3
情形III：X和Y都具有測(cè)量誤差 1137.2.4
工具變量估計(jì)法 1137.3
確認(rèn)失誤 1147.3.1
被忽略的變量 1147.3.2
不相干變量的存在 1157.3.3
非線(xiàn)性 1167.3.4
建模時(shí)的有效與有偏 1167.4
回歸診斷 1187.4.1
學(xué)生氏殘差 1187.4.2
DFBETAS 1197.5
確認(rèn)檢驗(yàn) 1207.5.1
關(guān)于變量是否應(yīng)當(dāng)從線(xiàn)性回歸模型中
去掉的檢驗(yàn) 1217.5.2
關(guān)于是否存在測(cè)量誤差的檢驗(yàn) 121附錄
工具變量估計(jì)法的矩陣形式 124第8章
單方程回歸模型預(yù)測(cè) 1268.1
無(wú)條件預(yù)測(cè) 1278.1.1
預(yù)測(cè)誤差 1278.1.2
預(yù)測(cè)的評(píng)價(jià) 1308.2
誤差項(xiàng)序列相關(guān)情形下的預(yù)測(cè) 1338.3
有條件預(yù)測(cè) 136附錄
多元回歸模型預(yù)測(cè) 139第9章
單方程估計(jì)：高級(jí)問(wèn)題 1429.1
分布滯后模型 1429.1.1
幾何滯后 1439.1.2
幾何滯后模型的估計(jì) 1459.1.3
多項(xiàng)式分布滯后模型 1469.1.4
滯后項(xiàng)數(shù)的選擇 1479.2
因果關(guān)系檢驗(yàn) 1509.3
觀測(cè)的丟失 1529.4
平行數(shù)據(jù)的使用 1559.4.1
平行數(shù)據(jù)的模型估計(jì) 1559.4.2
固定效應(yīng)模型 1569.4.3
隨機(jī)效應(yīng)模型 1579.4.4
時(shí)間序列自相關(guān)模型 159附錄
長(zhǎng)期彈性系數(shù)的區(qū)間估計(jì) 162第10章
非線(xiàn)性估計(jì)與
極大似然估計(jì) 16510.1
非線(xiàn)性估計(jì) 16510.1.1
非線(xiàn)性估計(jì)的計(jì)算方法 16610.1.2
非線(xiàn)性回歸方程的評(píng)價(jià) 16710.1.3
非線(xiàn)性回歸方程的預(yù)測(cè) 16810.2
極大似然估計(jì)法 16910.2.1
極大似然估計(jì)法 17010.2.2
似然比檢驗(yàn) 17110.2.3
一個(gè)應(yīng)用：Box-Cox模型 17210.2.4
拉格朗日乘數(shù)檢驗(yàn)法 17410.2.5
Wald檢驗(yàn). 似然比檢驗(yàn)和拉格朗
日乘數(shù)檢驗(yàn)的比較 17510.3
ARCH與GARCH模型 177附錄
廣義矩估計(jì)法 182第11章
分類(lèi)選擇模型 18511.1
二元選擇模型 18511.1.1
線(xiàn)性概率模型 18611.1.2
Probit 模型 18811.1.3
Logit 模型 19011.1.4
預(yù)測(cè)：擬合優(yōu)度 19611.2
多元選擇模型 19711.2.1
線(xiàn)性概率模型 19711.2.2
Logit 模型 19811.2.3
有序Probit 模型 20011.3
Censored 回歸模型 201附錄
Logit模型和Probit模型的極大
似然估計(jì)法 205第3部分
聯(lián)立方程模型第12章
聯(lián)立方程模型的
估計(jì)方法 21012.1
聯(lián)立方程模型概述 210
聯(lián)立方程系統(tǒng) 21012.2
模型識(shí)別問(wèn)題 21312.3
參數(shù)的一致估計(jì) 21512.4
兩階段最小二乘法 21712.4.1
估計(jì)方法 21712.4.2
聯(lián)立性檢驗(yàn) 22012.5
具有序列相關(guān)和滯后因變量的
聯(lián)立方程模型的估計(jì) 22112.6
更高級(jí)的估計(jì)方法 22312.6.1
似無(wú)關(guān)模型 22312.6.2
方程組的估計(jì)方法 22312.6.3
不同估計(jì)量的比較 227附錄12.1
矩陣形式的模型識(shí)別問(wèn)題 228附錄12.2
矩陣形式的兩階段最小二乘法 232附錄12.3
矩陣形式的似無(wú)關(guān)回歸估計(jì)法 234第13章
模擬模型介紹 23813.1
模擬過(guò)程 23913.2
模擬模型的評(píng)價(jià) 24113.3
模擬的實(shí)例 24413.4
模型的估計(jì) 24713.5
非結(jié)構(gòu)化模型：向量自回歸模型 24913.6
數(shù)據(jù)受限制的模型構(gòu)造方法 254第14章
模擬模型的動(dòng)態(tài)行為 26114.1
模型的穩(wěn)定性和振蕩性 26114.1.1
線(xiàn)性模型 26214.1.2
更大模型的分析 26514.2
模型的行為：乘數(shù)和動(dòng)態(tài)反應(yīng) 26614.2.1
動(dòng)態(tài)乘數(shù) 26714.2.2
動(dòng)態(tài)彈性 26914.3
脈沖響應(yīng)函數(shù)和向量自回歸模型 27314.4
模擬模型的調(diào)試 27714.5
隨機(jī)模擬 279附錄
一個(gè)小宏觀經(jīng)濟(jì)模型 281第4部分
時(shí)間序列模型第15章
時(shí)間序列的
平滑和外推 29515.1
簡(jiǎn)單外推模型 29515.1.1
簡(jiǎn)單外推方法 29615.1.2
移動(dòng)平均模型 30015.2
平滑和季節(jié)調(diào)整 30115.2.1
平滑技術(shù) 30215.2.2
季節(jié)調(diào)整 304第16章
隨機(jī)時(shí)間序列的特性 30916.1
隨機(jī)時(shí)間序列模型簡(jiǎn)介 30916.1.1
隨機(jī)游走 30916.1.2
平穩(wěn)和非平穩(wěn)時(shí)間序列 31116.1.3
平穩(wěn)過(guò)程的性質(zhì) 31216.2
刻劃時(shí)間序列的自相關(guān)函數(shù) 31216.2.1
齊次非平穩(wěn)過(guò)程 31416.2.2
平穩(wěn)性和自相關(guān)函數(shù) 31516.2.3
季節(jié)性和自相關(guān)函數(shù) 31716.3
隨機(jī)游走的檢驗(yàn) 31916.4
協(xié)整時(shí)間序列 324附錄
平穩(wěn)過(guò)程的自相關(guān)函數(shù) 326第17章
線(xiàn)性時(shí)間序列模型 32917.1
移動(dòng)平均模型 32917.2
自回歸模型 33217.2.1
自回歸模型的性質(zhì) 33217.2.2
偏自相關(guān)函數(shù) 33617.3
混合自回歸－移動(dòng)平均模型 33717.4
齊次非平穩(wěn)過(guò)程：ARIMA模型 33917.5
ARIMA模型的確認(rèn) 341附錄
平穩(wěn)性. 可逆性和齊次性 344第18章
時(shí)間序列模型的
估計(jì)和預(yù)測(cè) 34718.1
模型估計(jì) 34718.1.1
序列的初始值 34818.1.2
模型參數(shù)的非線(xiàn)性估計(jì) 34818.1.3
參數(shù)值的初始選擇 34918.2
診斷檢驗(yàn) 35018.3
最小均方誤差預(yù)測(cè) 35318.4
預(yù)測(cè)值的計(jì)算 35418.5
預(yù)測(cè)誤差 35518.6
預(yù)測(cè)的置信區(qū)間 35618.7
預(yù)測(cè)的性質(zhì) 35618.7.1
AR 1 過(guò)程 35618.7.2
MA 1 過(guò)程 35718.7.3
ARMA 1,1 過(guò)程 35818.7.4
ARI 1,1,0 過(guò)程 35818.7.5
ARI 1,1,0 預(yù)測(cè)的置信區(qū)間 36018.8
兩個(gè)例子 361第19章
時(shí)間序列模型的應(yīng)用 36619.1
建模過(guò)程回顧 36619.2
經(jīng)濟(jì)變量模型：庫(kù)存投資 36719.3
季節(jié)性電話(huà)數(shù)據(jù)的預(yù)測(cè) 37019.4
時(shí)間序列和回歸分析組合模型：
轉(zhuǎn)移函數(shù)模型 37219.5
用回歸－時(shí)間序列組合模型預(yù)測(cè)
短期儲(chǔ)蓄存款流量 37319.6
預(yù)測(cè)利率的回歸－時(shí)間序列組合
模型 376統(tǒng)計(jì)數(shù)表 381部分練習(xí)參考答案 389