经济学、管理学类研究生教学用书：高级计量经济学 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

洪永淼 著，赵西亮，吴吉林 译

图书标签:

• 计量经济学
• 高级计量经济学
• 经济学
• 管理学
• 研究生教材
• 统计学
• 模型
• 数据分析
• 回归分析
• 时间序列分析

出版社： 高等教育出版社

ISBN：9787040324242

版次：1

商品编码：10877958

包装：平装

开本：16开

出版时间：2011-07-01

页数：335

编辑推荐

市场经济充满不确定性和风险。现代经济学旨在研究在充满不确定性的市场条件下有限资源如何配置的问题。作为分析不确定性事件的一个通用工具，概率论与统计学在经济学、金融学研究中起着重要的作用。计量经济学是对经济金融数据的统计分析，它已经成为现代经济管理学科的一项基本训练。《经济学、管理学类研究生教学用书：高级计量经济学》比较系统地介绍了现代计量经济学的基本理论和方法，它可作为经济学、金融学、统计学、应用数学、管理学以及相关学科博士研究生的高级计量经济学课程教材，也可作为从事计量经济学教学和研究的教师与学者的参考书。

内容简介

《经济学、管理学类研究生教学用书：高级计量经济学》用一个统一的分析框架，系统介绍了现代计量经济学的基本理论与方法。首先，详细介绍了经典线性回归模型的有限样本理论；然后逐一放宽经典回归模型的假设限制，采用大样本分析方法，将线性回归模型推广到独立同分布随机样本与时间序列随机样本，介绍了回归扰动项存在条件异方差、自相关以及解释变量存在内生性等各种情形下的线性回归模型理论；最后，介绍了涵盖线性与非线性回归模型及各种条件矩模型的广义矩方法，以及条件概率模型的最大似然估计法与拟最大似然估计法。
本书强调计量经济学理论与方法的直观解释，以帮助读者更加深刻地理解计量经济学的理论实质。同时，每章还提供了经济学、金融学的典型启发性例子，说明相关计量经济学理论与方法的重要作用及用途。每章的习题也是紧扣主要内容，这些习题有助于消化、理解各章所介绍的计量经济学理论与方法。此外，本书在介绍计量经济学理论时融会了大样本分析的基本训练，以帮助读者培养从事计量经济学理论研究的能力。
《经济学、管理学类研究生教学用书：高级计量经济学》可作为经济学、金融学、统计学、应用数学、管理学以及相关学科博士研究生的高级计量经济学课程教材，也可作为从事计量经济学教学和研究的教师与学者的参考书。

作者简介

洪永淼，1993年获得美国加州大学圣地亚哥校区经济学博士学位，同年成为康奈尔大学经济学助理教授，1998年获得终身教职，2001年成为终身教授，现为ErnestS.Liu经济学与国际研究讲座教授。2002年起，担任清华大学经济管理学院特聘教授，2005年起担任厦门大学王亚南经济研究院与厦门大学计量经济学教育部重点实验室“长江学者”讲座教授。他是第十届中国数量经济学会副理事长，中国留美经济学会会长（2009—2010）。研究兴趣包括计量经济学理论、时间序列分析、金融计量经济学、中国经济和金融市场实证研究，在国际主流经济学、金融学、统计学期刊上发表过几十篇学术论文。赵西亮，2005年毕业于清华大学经济管理学院，获得经济学博士学位，同年应聘为厦门大学经济学系助理教授，2009年晋升为副教授。2009年9月至2010年8月赴美国康奈尔大学经济学系从事研究访问，2010年9月至2011年1月赴加拿大西安大略大学经济学系从事研究访问。研究兴趣包括应用计量经济学、实证金融学和教育经济学。在《经济学动态》、《数量经济与技术经济研究》等国内重要期刊上发表学术论文十余篇。吴吉林，2010年6月毕业于厦门大学王亚南经济研究院，获得经济学博士学位，同年应聘为山东大学经济研究院助理教授。2007年9月至2009年9月获国家留学基金委中外联合培养博士项目的资助，赴美国密苏里州立大学哥伦比亚校区R0bertJ.TruLaske，Sr商学院学习。主要研究兴趣包括金融计量经济学和资产定价，在《世界经济》、《管理科学学报》、《中国管理科学》等国内重要期刊上发表数篇论文。

目录

第一章 计量经济学导论
第一节 引言
第二节 现代经济学的定量分析特征
第三节 数学建模
第四节 经验验证
第五节 说明性实例
第六节 计量经济学的局限性
第七节 小结
练习题

第二章 一般回归分析和模型设定
第一节 条件概率分布
第二节 条件均值与回归分析
第三节 线性回归建模
第四节 条件均值的模型设定
第五节 小结
练习题二

第三章 经典线性回归模型
第一节 假设
第二节 普通最小二乘估计
第三节 拟合优度和模型选择准则
第四节 OLS估计量的无偏性和有效性
第五节 OLS估计量的抽样分布
第六节 OLS估计量的方差-协方差矩阵的估计
第七节 参数假设检验
第八节 应用及重要特例
第九节 广义最小二乘估计
第十节 小结
练习题三

第四章 独立同分布随机样本的线性回归模型
第一节 渐近理论导论
第二节 线性回归模型假设
第三节 OLS估计量的一致性
第四节 0LS估计量的渐近正态性
第五节 渐近方差估计量
第六节 参数假设检验
第七节 条件异方差检验
第八节 小结
练习题四

第五章 平稳时间序列的线性回归模型
第一节 时间序列分析导论
第二节 平稳时间序列线性回归模型假设
第三节 OLS估计量的一致性
第四节 OLS估计量的渐近正态性
第五节 渐近方差-协方差估计
第六节 参数假设检验
第七节 条件异方差和自回归条件异方差检验
第八节 序列相关检验
第九节 小结
练习题五

第六章 具有条件异方差和自相关扰动项的线性回归模型
第一节 问题的提出
第二节 时间序列线性回归模型假设
第三节 长期方差-协方差估计
第四节 OLS估计量的一致性
第五节 OLS估计量的渐近正态性
第六节 参数假设检验
第七节 检验是否需要估计长期方差-协方差
第八节 Cochrane-Orcutt方法
第九节 小结
练习题六

第七章 工具变量回归分析
第一节 问题的提出
第二节 假设
第三节 两阶段最小二乘估计
第四节 2SLS的一致性
第五节 2SLS的渐近正态性
第六节 方差-协方差矩阵的解释与估计
第七节 参数假设检验
第八节 Hausman检验
第九节 小结和讨论
练习题七

第八章 广义矩方法
第一节 矩估计方法导论
第二节 广义矩方法
第三节 GMM估计量的一致性
第四节 GMM估计量的渐近正态性
第五节 渐近有效性
第六节 两阶段GMM最优估计
第七节 渐近方差估计量
第八节 参数假设检验
第九节 模型设定检验
第十节 小结
练习题八

第九章 最大似然估计和拟最大似然估计
第一节 问题的提出
第二节 最大似然估计和拟最大似然估计
第三节 MLE/QMLE的一致性
第四节 条件概率分布模型正确设定及其含义
第五节 MLE的渐近分布
第六节 MLE渐近方差-协方差的一致估计
第七节 正确模型设定下的参数假设检验
第八节 条件概率分布模型误设及其含义
第九节 QMLE的渐近分布
第十节 QMLE的渐近方差-协方差估计
第十一节 模型误设下的参数假设检验
第十二节 条件概率分布模型设定检验
第十三节 小结
练习题九
第十章 总结
参考文献

经济学、管理学类研究生教学用书：高级计量经济学 本书聚焦于计量经济学的前沿理论与实际应用，为经济学、管理学、金融学及相关交叉学科的研究生和高年级本科生提供系统、深入的学习资源。 本书旨在构建坚实的理论基础，同时紧密结合最新的计量工具和数据分析实践，助力读者掌握复杂经济现象的量化分析能力。 --- 第一部分：计量经济学基础回顾与现代视角 本部分将简要回顾传统计量经济学的核心概念，并迅速过渡到现代计量经济学所强调的因果推断、大数据处理及模型选择的复杂性。 第一章：严谨的计量经济学视角 回顾与展望： 线性回归模型的经典假设（BLUE性质）在现代应用中的局限性。引入大样本理论和渐近性质的重要性。 数据驱动的因果关系： 从相关性到因果性的严格区分。潜在结果框架（Rubin Causal Model, RCM）的理论基础及其在实际问题中的应用难点。 现代数据结构： 跨截面数据、时间序列数据、面板数据（Panel Data）的特点、优势与局限性。引入高维数据和网络数据的初步概念。 第二章：经典模型的高级处理 异方差与序列相关的高级解决方案： 超一致性（Super-consistency）估计量的推导。广义最小二乘法（GLS）及其在特定结构误差下的应用。 异质性、异方差与异相关下的稳健标准误： White 稳健标准误的原理及其在异质性效应估计中的不可替代性。HAC（Heteroskedasticity and Autocorrelation Consistent）估计量的推导与应用场景，如金融时间序列分析。 模型设定误差（Misspecification）： 函数形式的选择（对数线性、半对数、Box-Cox变换）对估计结果和解释力的影响。拉姆达判据（Ramsey Regression Specification Error Test, RESET）的深入解读。 --- 第二部分：工具变量法与因果推断的基石 本部分是全书的核心，详细阐述如何处理内生性问题，这是现代实证研究中最关键的一环。 第三章：内生性的来源与工具变量法（IV） 内生性全面剖析： 遗漏变量偏差（Omitted Variable Bias, OVB）、测量误差（Measurement Error）和同步性（Simultaneity）如何导致 OLS 估计量有偏且不一致。 工具变量法的理论推导： 原始工具变量的三个核心要求——相关性、外生性（排他性约束）和单值约束。两阶段最小二乘法（2SLS）的估计过程与渐近性质。 弱工具变量问题（Weak Instruments）： 弱工具变量的识别、危害（估计量方差膨胀和一阶偏差增大）。基于 Stock & Yogo 临界值的检验与应对策略。 第四章：广义矩估计（GMM）与动态面板数据 矩估计框架： 矩估计量的基本思想——利用样本矩来估计总体矩。与 IV 估计的包含关系。最优矩估计（Optimal GMM）的权重矩阵选择。 动态面板数据模型： 随机效应模型在包含个体效应和时间效应时的挑战。个体效应的动态演变对一致性估计的冲击。 差分 GMM（Arellano-Bond）与系统 GMM（Arellano-Bover/Blundell-Bond）： 模型设定、工具变量的构造逻辑（后滞项作为工具变量的有效性）。关于过度识别约束（Sargan/Hansen 检验）的深度讨论。 第五章：准实验设计与因果推断的替代方法 断点回归设计（Regression Discontinuity Design, RDD）： 精确 RDD 与模糊 RDD 的辨析。核函数平滑化与多项式拟合的选择，局部线性回归（Local Linear Regression）在 RDD 中的应用。 双重差分法（Difference-in-Differences, DiD）： 平行趋势假设的检验与外推。DiD 在处理时间可变协变量时的局限性。 合成控制法（Synthetic Control Method, SCM）： 适用于单干预单元的先进方法。权重矩阵的构建逻辑与“双重差分”的自然延伸。 --- 第三部分：模型选择、预测与非参数方法 本部分转向计量经济学中的模型选择艺术、预测的严谨性，以及对非线性模型的探索。 第六章：模型选择、信息准则与预测评估 信息准则的权衡： AIC, BIC, HQIC 的数学推导及在模型复杂度和拟合优度之间的权衡。赤池信息准则在信息损失函数中的作用。 模型有效性检验： 嵌套模型与非嵌套模型的检验方法（如 M 检验）。参数估计的稳定性检验。 预测的计量经济学： 滚动样本预测、样本外预测（Out-of-Sample Forecasting）。预测区间与预测准确性的评估指标（RMSE, MAE, Theil's U 统计量）。滚动原点预测的误差累积分析。 第七章：高维数据、正则化与维度缩减 高维模型（$p>n$）： 当变量数量超过样本容量时，传统 OLS 的失效。处理共线性与信息冗余的必要性。 缩减方法（Shrinkage Methods）： Lasso (Least Absolute Shrinkage and Selection Operator) 的 L1 正则化原理及其变量选择机制。Ridge 回归的 L2 正则化与系数收缩。 弹性网络（Elastic Net）： 结合 L1 和 L2 优势的混合方法。在金融风险管理和宏观因子模型中的应用实例。 第八章：非参数与半参数计量经济学 非参数回归基础： 核估计量（Kernel Estimators）的引入。平滑参数（带宽选择）对估计效果的影响。 局部回归（Local Regression）： Nadaraya-Watson 估计量的推导。理解局部线性回归相较于局部常数估计的优势，尤其是在边界点。 半参数模型： 结合参数部分和非参数部分的模型结构（如部分线性模型）。效率问题与估计策略。 --- 第四部分：时间序列分析的高级主题 本部分专注于处理具有序列依赖性的数据，覆盖从平稳性检验到复杂非线性模型的全过程。 第九章：时间序列的平稳性、协整与误差修正 单位根检验的精细化： ADF 检验的局限性。PP 检验（Phillips-Perron）与 KPSS 检验（检验零假设为平稳性）。协整概念的引入与 Engle-Granger 两步法的局限。 向量自回归模型（VAR）： VAR 模型的设定、滞后阶数选择（信息准则、Granger 因果检验）。脉冲响应函数（Impulse Response Functions, IRF）的计算与解释。 协整与向量误差修正模型（VECM）： Johansen 检验（秩检验）在多变量协整关系中的应用。VECM 的长期均衡约束与短期动态调整的精确描述。 第十章：波动率建模与非线性时间序列 波动率的异质性： ARCH 模型的建立与极大似然估计（MLE）。GARCH(1,1)模型的参数估计与长期波动率预测。 EGARCH 与 GJR-GARCH： 捕捉波动率的非对称效应（杠杆效应）。负面冲击对未来波动率影响的量化。 随机波动率模型（Stochastic Volatility, SV）： 与 GARCH 模型的对比。贝叶斯方法在 SV 模型估计中的应用优势。 --- 附录 附录 A： 矩阵代数在计量经济学中的应用回顾。 附录 B： 极大似然估计（MLE）的理论推导与渐近性质。 附录 C： 编程实践指导（涵盖 R 和 Python 在高级计量方法中的实现要点）。 本书特色： 本书的重点不在于简单地复述经典的计量经济学教科书内容，而是着力于解释现代前沿研究中“为什么选择这个工具”以及“如何批判性地检验工具的有效性”。每一个高级方法（如 GMM, SCM, Lasso）都配有清晰的理论推导、对关键假设的严格讨论，以及基于真实世界数据的案例分析，旨在将学生培养成能够独立设计、执行和解释复杂经济学研究的专业人士。

评分☆☆☆☆☆

实战导向，理论与实践完美融合 坦白说，我选择这本书，很大程度上是因为它承诺的“实践导向”。而事实证明，这本书完全没有辜负我的期望。它并非仅仅停留在理论层面，而是通过大量的、贴近真实经济场景的例子，展示了计量经济学方法的实际应用。我特别喜欢书中对模型诊断和稳健性检验的详细讲解。在实际工作中，我们经常会遇到模型不符合假设、结果不稳定等问题，而这本书提供了一套系统性的方法来应对这些挑战。例如，在处理异方差和序列相关性时，书中不仅介绍了传统的检测方法，还探讨了如何使用更鲁棒的估计方法来解决这些问题。此外，书中对因变量的截尾和分组数据的处理，也为我解决实际数据中的常见难题提供了宝贵的指导。我曾经在处理某个特定类型的调查数据时，被困扰了很久，直到翻阅到这本书中关于处理“零膨胀”模型的部分，才豁然开朗。这种将理论与实践紧密结合的教学方式，极大地提升了我的学习效率和解决实际问题的能力。

评分☆☆☆☆☆

一本让我对数据分析的理解跃升了一个维度 刚拿到这本《高级计量经济学》时，我抱着一种既期待又忐忑的心情。期待的是希望能在这本书中找到突破，解决之前在实证研究中遇到的瓶颈；忐忑的是，毕竟是“高级”两个字，对自己的数学和统计基础有些担心。然而，从翻开第一页开始，我的疑虑便烟消云散。作者在复杂的理论框架下，始终保持着一种清晰的逻辑脉络。我尤其欣赏书中对模型选择和检验的深入探讨，这部分内容在许多教材中往往只是浅尝辄止。书中通过大量生动详实的案例，将抽象的计量模型与现实经济现象紧密联系起来，让我不再是孤立地学习公式和假设，而是真正理解它们在解释经济行为时的强大力量。举例来说，书中关于面板数据模型的部分，从固定效应到随机效应，再到动态面板模型，每一步的推导都伴随着对模型假设及其经济学含义的细致解读。我过去在处理跨期数据时总是感到力不从心，而这本书中的讲解，特别是关于内生性处理的章节，给我带来了拨云见日般的感受。那些看似高深的统计检验方法，在作者的循序渐进的引导下，变得清晰易懂，并且能够立即应用于实际的数据分析中。我曾经花费大量时间在尝试理解某个模型为什么表现不好，而这本书提供的系统性诊断方法，让我能够更有效地定位问题所在，从而优化研究设计。

评分☆☆☆☆☆

拓展视野，激发研究的无限可能 在完成《高级计量经济学》的学习后，我感觉自己的研究视野被极大地拓展了。这本书不仅仅是一本传授技能的书，更是一本启发思想的书。作者在介绍经典理论的同时，也关注了计量经济学领域的前沿进展，例如机器学习在计量经济学中的应用、高维数据分析等。这些内容让我认识到，计量经济学是一个充满活力的、不断自我革新的学科。书中对贝叶斯计量经济学方法的介绍，也为我打开了一个新的研究视角，让我开始思考如何将贝叶斯方法与我感兴趣的经济问题相结合。我曾经对某些经济现象的解释感到力不从心，而这本书提供的更高级的计量工具，让我看到了用新的方式去探索和解释这些现象的可能性。它就像一把钥匙，为我打开了一扇通往更广阔的学术世界的大门，让我对未来的研究充满了信心和期待。我开始主动去阅读最新的计量经济学论文，并尝试将书中学到的知识应用到自己的研究设想中。

评分☆☆☆☆☆

沉浸式学习体验，知识的广度与深度兼备 读这本书的体验，与其说是“阅读”，不如说是“沉浸”。作者并非简单地罗列概念和公式，而是构建了一个由浅入深、层层递进的学习路径。从基础的回归分析的深层理论，到最前沿的非参数计量方法，这本书几乎涵盖了现代计量经济学的所有重要分支。让我印象深刻的是，书中在介绍每一个新模型或新方法时，都会先回顾相关的基础知识，确保读者不会因为遗漏了某个前置概念而掉队。同时，作者并没有回避那些有争议的或者具有挑战性的理论问题，而是以一种开放的态度，引导读者去思考和探索。例如，在关于工具变量法的章节，作者不仅详细介绍了传统IV方法，还深入讨论了广义矩估计（GME）和差分差分法（DID）等更具灵活性的方法，并对它们的适用条件和局限性进行了严谨的分析。这让我意识到，计量经济学并非一套僵化的工具箱，而是一个不断发展和创新的领域。书中对大数据背景下计量方法的发展趋势的探讨，也让我看到了计量经济学在未来经济研究中的无限可能。我不再仅仅满足于掌握现有的技术，而是开始思考如何将这些方法与新兴的经济理论相结合，去解决那些尚未被充分研究的经济问题。

评分☆☆☆☆☆

严谨又不失启发，构建扎实的理论基础 这本书最大的价值在于它为我构建了一个极其扎实的理论基础。作者的写作风格严谨而富有逻辑，每一个推导都步步为营，每一个论证都言之有据。这让我能够深刻理解计量模型背后的数学原理和统计假设，而不仅仅是把它当作一个“黑盒子”来使用。我过去在学习过程中，常常会因为对模型原理理解不深而导致在应用中出现偏差，甚至得出错误的结论。这本书通过对经典计量模型，如最大似然估计、广义线性模型等，进行深入的理论剖析，让我能够清晰地认识到不同估计方法的核心思想和优劣之处。特别是关于因果推断的部分，书中对混杂偏误、选择偏误等概念的深入讲解，以及对各种因果识别策略（如随机对照试验、倾向得分匹配、断点回归设计等）的详细阐述，让我能够更加审慎地设计实证研究，并对研究结果的因果解释保持高度的警惕。这种严谨的训练，让我不仅仅学会了如何“做”计量，更学会了如何“思考”计量，如何批判性地评估现有研究，以及如何设计出更具科学严谨性的研究。

评分☆☆☆☆☆

洪永淼的书，技术上还靠谱

评分☆☆☆☆☆

思路深刻，实在是一本好书。

评分☆☆☆☆☆

推荐这本，属于高级教程！简洁有力！

评分☆☆☆☆☆

挺好

评分☆☆☆☆☆

不错

评分☆☆☆☆☆

洪老师上的课很不错

评分☆☆☆☆☆

图书很不错，用起来体验很好。

评分☆☆☆☆☆

作者是计量经济的大牛 买来学习一下

评分☆☆☆☆☆

物流给力，书也不错，只是感觉被坑了，说好的满39给的赠品呢……