計量經(jīng)濟模型與經(jīng)濟預測（4版）

譯者序前言引言第1部分
回歸分析基礎第1章
回歸模型介紹 21.1
曲線的擬合 21.2
最小二乘估計法的推導 4附錄1.1
求和算子的運用 8附錄1.2
最小二乘參數(shù)估計的推導 10第2章
統(tǒng)計基礎知識復習 122.1
隨機變量 122.1.1
期望值 132.1.2
隨機變量的聯(lián)合分布 132.1.3
獨立與相關 142.2
估計 152.2.1
均值. 方差和協(xié)方差的估計 152.2.2
中心極限定理 172.3
估計量的有用性質 172.3.1
無偏差 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
假設檢驗與置信區(qū)間 232.5.1
第一類錯誤和第二類錯誤 252.5.2
p值 252.5.3
檢驗的勢 262.6
描述統(tǒng)計學 27附錄2.1
期望算子的性質 29附錄2.2
極大似然估計 31第3章
一元線性回歸模型 343.1
模型 343.2
最佳線性無偏估計 363.3
假設檢驗和置信區(qū)間 39
回歸系數(shù)的檢驗 403.4
方差分析和相關性 423.4.1
擬合優(yōu)度 423.4.2
相關 443.4.3
檢驗回歸方程 44附錄3.1
斜率最小二乘估計的方差 48附錄3.2
最小二乘殘差的一些性質 49第4章
多元線性回歸模型 514.1
模型 514.2
回歸統(tǒng)計量 524.3
F檢驗. R2和調整的R2 534.4
多重共線性 574.4.1
完全共線性 574.4.2
多重共線的后果 574.4.3
多重共線的標志 584.5
標準化系數(shù)和彈性系數(shù) 594.5.1
標準化系數(shù) 594.5.2
彈性系數(shù) 594.6
偏相關系數(shù)和逐步回歸 59附錄4.1
最小二乘參數(shù)估計 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
多元回歸模型的應用 725.1
一般線性模型 725.2
虛擬變量的使用 755.3
用t檢驗和F檢驗對多參數(shù)假設
進行檢驗 795.3.1
多個回歸系數(shù)的聯(lián)合檢驗 795.3.2
關于回歸系數(shù)線性函數(shù)的檢驗 815.3.3
有關不同回歸模型的系數(shù)是否
相等的檢驗 825.4
分段線性回歸 83
變更回歸方法 845.5
具有隨機解釋變量的多元回歸模型 85附錄
有關虛擬變量系數(shù)的檢驗 86第6章
序列相關和異方差性 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 946.2
序列相關性 986.2.1
序列相關的修正 996.2.2
序列相關性的檢驗 1026.2.3
有滯后因變量時對序列相關性
的檢驗 104附錄
廣義最小二乘估計法 106第7章
工具變量法和
模型的確認 1117.1
自變量與誤差項相關 1117.2
變量的測量誤差 1127.2.1
情形I：Y具有測量誤差 1127.2.2
情形II：X具有測量誤差 1127.2.3
情形III：X和Y都具有測量誤差 1137.2.4
工具變量估計法 1137.3
確認失誤 1147.3.1
被忽略的變量 1147.3.2
不相干變量的存在 1157.3.3
非線性 1167.3.4
建模時的有效與有偏 1167.4
回歸診斷 1187.4.1
學生氏殘差 1187.4.2
DFBETAS 1197.5
確認檢驗 1207.5.1
關于變量是否應當從線性回歸模型中
去掉的檢驗 1217.5.2
關于是否存在測量誤差的檢驗 121附錄
工具變量估計法的矩陣形式 124第8章
單方程回歸模型預測 1268.1
無條件預測 1278.1.1
預測誤差 1278.1.2
預測的評價 1308.2
誤差項序列相關情形下的預測 1338.3
有條件預測 136附錄
多元回歸模型預測 139第9章
單方程估計：高級問題 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 1459.1.3
多項式分布滯后模型 1469.1.4
滯后項數(shù)的選擇 1479.2
因果關系檢驗 1509.3
觀測的丟失 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 1559.4.2
固定效應模型 1569.4.3
隨機效應模型 1579.4.4
時間序列自相關模型 159附錄
長期彈性系數(shù)的區(qū)間估計 162第10章
非線性估計與
極大似然估計 16510.1
非線性估計 16510.1.1
非線性估計的計算方法 16610.1.2
非線性回歸方程的評價 16710.1.3
非線性回歸方程的預測 16810.2
極大似然估計法 16910.2.1
極大似然估計法 17010.2.2
似然比檢驗 17110.2.3
一個應用：Box-Cox模型 17210.2.4
拉格朗日乘數(shù)檢驗法 17410.2.5
Wald檢驗. 似然比檢驗和拉格朗
日乘數(shù)檢驗的比較 17510.3
ARCH與GARCH模型 177附錄
廣義矩估計法 182第11章
分類選擇模型 18511.1
二元選擇模型 18511.1.1
線性概率模型 18611.1.2
Probit 模型 18811.1.3
Logit 模型 19011.1.4
預測：擬合優(yōu)度 19611.2
多元選擇模型 19711.2.1
線性概率模型 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
模型識別問題 21312.3
參數(shù)的一致估計 21512.4
兩階段最小二乘法 21712.4.1
估計方法 21712.4.2
聯(lián)立性檢驗 22012.5
具有序列相關和滯后因變量的
聯(lián)立方程模型的估計 22112.6
更高級的估計方法 22312.6.1
似無關模型 22312.6.2
方程組的估計方法 22312.6.3
不同估計量的比較 227附錄12.1
矩陣形式的模型識別問題 228附錄12.2
矩陣形式的兩階段最小二乘法 232附錄12.3
矩陣形式的似無關回歸估計法 234第13章
模擬模型介紹 23813.1
模擬過程 23913.2
模擬模型的評價 24113.3
模擬的實例 24413.4
模型的估計 24713.5
非結構化模型：向量自回歸模型 24913.6
數(shù)據(jù)受限制的模型構造方法 254第14章
模擬模型的動態(tài)行為 26114.1
模型的穩(wěn)定性和振蕩性 26114.1.1
線性模型 26214.1.2
更大模型的分析 26514.2
模型的行為：乘數(shù)和動態(tài)反應 26614.2.1
動態(tài)乘數(shù) 26714.2.2
動態(tài)彈性 26914.3
脈沖響應函數(shù)和向量自回歸模型 27314.4
模擬模型的調試 27714.5
隨機模擬 279附錄
一個小宏觀經(jīng)濟模型 281第4部分
時間序列模型第15章
時間序列的
平滑和外推 29515.1
簡單外推模型 29515.1.1
簡單外推方法 29615.1.2
移動平均模型 30015.2
平滑和季節(jié)調整 30115.2.1
平滑技術 30215.2.2
季節(jié)調整 304第16章
隨機時間序列的特性 30916.1
隨機時間序列模型簡介 30916.1.1
隨機游走 30916.1.2
平穩(wěn)和非平穩(wěn)時間序列 31116.1.3
平穩(wěn)過程的性質 31216.2
刻劃時間序列的自相關函數(shù) 31216.2.1
齊次非平穩(wěn)過程 31416.2.2
平穩(wěn)性和自相關函數(shù) 31516.2.3
季節(jié)性和自相關函數(shù) 31716.3
隨機游走的檢驗 31916.4
協(xié)整時間序列 324附錄
平穩(wěn)過程的自相關函數(shù) 326第17章
線性時間序列模型 32917.1
移動平均模型 32917.2
自回歸模型 33217.2.1
自回歸模型的性質 33217.2.2
偏自相關函數(shù) 33617.3
混合自回歸－移動平均模型 33717.4
齊次非平穩(wěn)過程：ARIMA模型 33917.5
ARIMA模型的確認 341附錄
平穩(wěn)性. 可逆性和齊次性 344第18章
時間序列模型的
估計和預測 34718.1
模型估計 34718.1.1
序列的初始值 34818.1.2
模型參數(shù)的非線性估計 34818.1.3
參數(shù)值的初始選擇 34918.2
診斷檢驗 35018.3
最小均方誤差預測 35318.4
預測值的計算 35418.5
預測誤差 35518.6
預測的置信區(qū)間 35618.7
預測的性質 35618.7.1
AR 1 過程 35618.7.2
MA 1 過程 35718.7.3
ARMA 1,1 過程 35818.7.4
ARI 1,1,0 過程 35818.7.5
ARI 1,1,0 預測的置信區(qū)間 36018.8
兩個例子 361第19章
時間序列模型的應用 36619.1
建模過程回顧 36619.2
經(jīng)濟變量模型：庫存投資 36719.3
季節(jié)性電話數(shù)據(jù)的預測 37019.4
時間序列和回歸分析組合模型：
轉移函數(shù)模型 37219.5
用回歸－時間序列組合模型預測
短期儲蓄存款流量 37319.6
預測利率的回歸－時間序列組合
模型 376統(tǒng)計數(shù)表 381部分練習參考答案 389