高级计量经济学(下册) pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

靳云汇 金赛男 等 著

图书标签:

• 计量经济学
• 高级计量经济学
• 经济学
• 统计学
• 模型
• 回归分析
• 时间序列分析
• 面板数据
• 因果推断
• 理论经济学

店铺： 北京大学出版社旗舰店

出版社： 北京大学出版社

ISBN：9787301187739

商品编码：13471664245

包装：平装

出版时间：2011-05-01

基本信息

书名：高级计量经济学(下册)

定价：58.00元

作者：靳云汇 金赛男 等

出版社：北京大学出版社

出版日期：2011-05-01

ISBN：9787301187739

字数：607000

页码：

版次：1

装帧：平装

开本：12k

商品重量：0.681kg

编辑推荐

---

内容提要

---

《高级计量经济学(下册)》详细介绍了计量经济学的理论与方法，包括广义矩估计，非线性回归模型，回归方程组，联立方程组，面板数据模型，离散因变量模型，截取、断尾与样本选择模型，含滞后变量的回归模型，时间序列模型，以及非参数估计等内容。《高级计量经济学(下册)》不仅介绍了建模的技术和方法，而且阐述了模型的理论背景。在介绍经典模型、传统的估计和检验方法的同时，《高级计量经济学(下册)》也介绍了相关领域一些现代的重要成果。为便于读者学习和理解，《高级计量经济学(下册)》在相关章节中给出了范例，并结合例题介绍了相应的计量软件。
　　《高级计量经济学(下册)》适合作为高等院校经济学、管理学相关专业的研究生教材，也适合从事定量研究的相关学者参考。
　　《高级计量经济学(下册)》配有教学课件，如有需要，请填写书后的“教师反馈及课件申请表”索取。

目录

---

第十五章 广义矩估计(gmm)
§1 矩估计
§2 广义矩估计
§3 线性回归模型中的gmm估计量
§4 一个实证研究的例子
第十六章 非线性回归模型
§1 非线性回归模型设定
§2 非线性回归模型估计
§3 假设检验
§4 设定检验
第十七章 回归方程组
§1 引言
§2 sur模型的ols估计
§3 sur模型的gls估计
§4 一些讨论
§5 奇异协方差矩阵
§6 极大似然估计
§7 示例八
第十八章 联立方程组
§1 联立方程组简介
§2 联立方程组的识别
§3 联立方程组的估计
§4 循环系统(recursive system)
§5 检验
§6 示例
第十九章 面板数据模型
§1 面板数据模型简介
§2 静态面板数据模型
§3 动态面板数据模型
§4 示例
第二十章 离散因变量模型
第二十一章 截取、断尾与样本选择模型
第二十二章 含滞后变量的回归模型
第二十三章 平稳时间序列
第二十四章 单位根和协整
第二十五章 非参数估计
参考文献
建模练习题
中英文术语对照表

作者介绍

---

靳云汇，1939年生，1962年毕业于北京大学数学力学系计算数学专业(六年制)。1960-1978年在北京大学数学力学系任教，1979年至今在北京大学经济系、经济学院、光华管理学院任讲师、副教授、教授、博士生导师，主要从事计量经济学的教学与研究。..

文摘

---

序言

---

《现代计量经济学：深入解析与实证应用》 第一部分：理论框架与模型构建 本书致力于为读者提供一个全面、深入的现代计量经济学理论框架，旨在帮助读者掌握计量经济学模型构建、参数估计、假设检验以及模型诊断与选择的核心方法。我们从计量经济学的基础概念出发，逐步深入到复杂的模型设定与应用，力求在理论的严谨性与应用的实践性之间取得最佳平衡。 第一章：计量经济学基础回顾与扩展 本章将首先回顾经典计量经济学中的核心概念，包括随机变量、概率分布、期望与方差、协方差与相关系数等。在此基础上，我们将引入更广泛的概率论与统计学概念，如条件期望、矩母函数、特征函数，以及渐近理论（大数定律与中心极限定理）。这些工具为理解和推导后续更复杂的统计性质奠定坚实基础。我们还将深入探讨回归分析的基本原理，包括模型设定、误差项的性质假定，以及普通最小二乘法（OLS）的推导与性质。重点将放在解释OLS估计量的无偏性、一致性与渐近有效性，并介绍何时何地需要超越OLS的框架。 第二章：线性回归模型中的经典问题与现代解决方案 本章聚焦于线性回归模型中常见的、可能导致OLS估计量失效或效率低下的经典问题。我们将详细分析异方差性（Heteroskedasticity）的成因、检验方法（如White检验、Breusch-Pagan检验）以及对其统计推断的影响。在此基础上，我们将介绍修正异方差性的方法，包括加权最小二乘法（WLS）和异方差一致性协方差矩阵估计（White估计量）。 其次，我们将深入探讨自相关性（Autocorrelation）或序列相关性（Serial Correlation），特别是在时间序列数据中。我们将阐述自相关性的表现形式（如AR(p), MA(q), ARMA(p,q)过程）、检验方法（如Durbin-Watson检验、Breusch-Godfrey检验）以及其对OLS估计量的影响。随后，我们将介绍处理自相关的技术，包括广义最小二乘法（GLS）以及自相关一致性协方差矩阵估计（Newey-West估计量）。 此外，本章还将讨论多重共线性（Multicollinearity）问题，分析其对回归系数估计不确定性的影响，并探讨其诊断（如方差膨胀因子VIF）与缓解策略。我们将强调，多重共线性本身并非导致OLS估计量失效的根本原因，而是使得对真实系数的估计变得不精确，从而影响经济解释的可靠性。 第三章：面板数据模型：丰富的信息与多维分析 面板数据（Panel Data），即同时包含横截面单位和时间维度的观测数据，蕴含着比纯粹的横截面数据或时间序列数据更丰富的信息。本章将系统介绍面板数据模型的原理与应用。我们将详细阐述固定效应模型（Fixed Effects Models）和随机效应模型（Random Effects Models）的区别、适用条件以及参数估计方法。固定效应模型通过引入个体固定效应或时间固定效应来控制未观测的个体异质性或时间异质性，从而获得对个体和时间不变因素的更准确估计。随机效应模型则将个体或时间效应视为随机扰动项的一部分，适用于个体和时间效应与解释变量无关的情况。我们将介绍如何通过Hausman检验来选择固定效应模型或随机效应模型。 此外，我们将探讨面板数据模型中的其他重要议题，包括动态面板数据模型（Dynamic Panel Data Models），这些模型包含滞后被解释变量作为解释变量，以捕捉时间序列上的动态调整过程。我们将重点介绍差分GMM（Generalized Method of Moments in Differences）和系统GMM（System GMM）等估计方法，并分析其在处理内生性问题方面的优势。本章还将涵盖面板数据模型中的异方差和自相关问题，以及相应的处理方法。 第四章：工具变量法与内生性问题的克服 内生性（Endogeneity）是计量经济学中最普遍且最具挑战性的问题之一，它源于解释变量与误差项之间存在相关性，从而导致OLS估计量产生偏差且不一致。本章将深入探讨内生性的几种常见来源：遗漏变量偏差（Omitted Variable Bias）、测量误差偏差（Measurement Error Bias）以及联立方程偏差（Simultaneity Bias）。 随后，我们将重点介绍解决内生性问题的核心工具——工具变量法（Instrumental Variables, IV）。我们将详细解释工具变量的两个关键识别条件：相关性（Relevance）和外生性（Exogeneity），并阐述如何寻找和构造有效的工具变量。本章将介绍两阶段最小二乘法（Two-Stage Least Squares, 2SLS）的推导过程与估计原理，并讨论其在处理单一方程内生性问题时的应用。 进一步，我们将介绍更一般化的工具变量估计方法，如广义矩估计法（Generalized Method of Moments, GMM）。GMM是一种非常强大的方法，它不依赖于特定模型的误差项分布，并且能够处理更广泛的内生性问题，包括多重内生性以及异方差和自相关情况下的估计。我们将解释GMM的识别条件以及如何在实际应用中选择最优权重矩阵。 第五章：模型诊断、选择与稳健性 在构建并估计计量经济学模型之后，对其进行审慎的诊断与选择至关重要。本章将引导读者掌握一系列模型诊断技术，以评估模型的拟合优度、残差性质以及参数估计的可靠性。我们将深入分析R方、调整R方等拟合优度指标的含义与局限性。 本章的重点在于残差分析。我们将介绍如何通过可视化方法（如残差图、Q-Q图）以及统计检验（如Jarque-Bera检验）来检测误差项的正态性。我们还将深入探讨残差的独立性假设，并回顾前面章节讨论的异方差和自相关检验。 在模型选择方面，我们将介绍信息准则，如赤池信息准则（AIC）和贝叶斯信息准则（BIC），它们能够在模型拟合度和模型复杂性之间进行权衡，帮助选择最优的模型。此外，我们还将介绍统计检验在模型选择中的作用，例如F检验和t检验在增量模型与嵌套模型之间的比较。 最后，本章将探讨模型稳健性（Robustness）的重要性。我们将讨论如何通过不同模型设定、不同估计方法或不同样本数据来检验模型的稳健性，以确保研究结论不会因模型选择的偶然性或数据特异性而产生过大的波动。 第二部分：高级模型与计量经济学前沿 在掌握了基础的理论框架与模型构建之后，本部分将进一步探索计量经济学中的高级模型与前沿应用，以应对更为复杂和现实的经济问题。 第六章：联立方程模型：经济系统的相互作用 许多经济现象并非独立的，而是相互影响、相互作用的。联立方程模型（Simultaneous Equation Models）正是为了刻画这种经济系统中的相互依赖关系而设计的。本章将详细介绍联立方程模型的结构，包括结构方程（Structural Equations）和约简形式（Reduced Form）。 我们将重点讲解方程识别（Identification）问题，即如何才能唯一地估计出结构方程中的参数。我们将详细介绍阶数条件（Order Condition）和秩条件（Rank Condition），并解释它们在判断方程是否可识别中的作用。 随后，我们将介绍联立方程模型的估计方法。我们将详细阐述两阶段最小二乘法（2SLS）在联立方程模型中的应用，以及它如何克服方程内的内生性问题。在此基础上，我们将介绍三阶段最小二乘法（3SLS），它能够同时估计多个方程，并充分利用方程间的相关性来提高估计效率。我们还将简要介绍其他估计方法，如最大似然法（Maximum Likelihood Estimation, MLE）在联立方程模型中的应用。 第七章：非线性回归模型：超越线性假设 线性回归模型虽然强大，但并非万能。许多经济关系本质上是非线性的。本章将深入探讨非线性回归模型（Nonlinear Regression Models），并介绍其估计与推断方法。 我们将从最基础的非线性模型入手，例如多项式回归模型，并在此基础上介绍更复杂的非线性函数形式，如指数函数、对数函数、对数-线性模型、线性支出系统（LES）等。我们将详细解释非线性回归模型参数估计的原理，重点介绍最大似然估计法（MLE）和非线性最小二乘法（NLS）。我们将强调，非线性模型的估计通常需要迭代算法，并讨论其收敛性与统计性质。 此外，我们将介绍一些在经济学中广泛应用的非线性模型，例如： Logit和Probit模型：用于处理二元选择（0/1）的因变量，如是否购买某商品、是否失业等。我们将详细介绍其模型设定、似然函数构建以及参数估计。 多项Logit模型：用于处理多项离散选择的因变量，如选择不同的交通方式、选择不同的教育项目等。 定序模型（Ordered Models）：用于处理有序的离散因变量，如 Likert 量表评分（非常满意、满意、一般、不满意、非常不满意）。 本章还将探讨非线性模型中的模型诊断与解释，以及如何进行边际效应分析，以理解解释变量对因变量平均边际影响的变化。 第八章：时间序列分析：动态模式与预测 时间序列数据具有其特殊的结构，即观测值之间存在时间上的依赖性。本章将系统介绍时间序列分析的理论与方法，为理解和预测经济变量的动态演变提供工具。 我们将从平稳性（Stationarity）概念入手，区分严平稳（Strict Stationarity）和弱平稳（Weak Stationarity）。随后，我们将介绍自相关函数（ACF）和偏自相关函数（PACF）在识别时间序列模型结构中的作用。 本章将重点介绍经典的线性时间序列模型，包括： 自回归模型（AR模型）：解释变量为被解释变量的过去值。 移动平均模型（MA模型）：解释变量为过去预测误差的线性组合。 自回归移动平均模型（ARMA模型）：AR和MA模型的结合。 我们将详细介绍AR(p)、MA(q)、ARMA(p,q)模型的估计（如Yule-Walker方程、最大似然法）与诊断。 进一步，我们将引入更复杂的时间序列模型，包括： 自回归积分滑动平均模型（ARIMA模型）：用于处理非平稳时间序列，通过差分运算使其平稳。 季节性ARIMA模型：用于捕捉时间序列中的季节性模式。 向量自回归模型（VAR模型）：用于分析多个时间序列变量之间的动态关系。 本章还将讨论时间序列预测的技术，包括点预测、区间预测以及预测误差的评估。此外，我们还会涉及条件异方差模型（ARCH/GARCH模型），用于捕捉金融时间序列的波动性聚类特征。 第九章：计量经济学前沿与专题 本章将触及一些当前计量经济学研究的热点与前沿领域，为读者提供更广阔的视野，并可能激发进一步深入研究的兴趣。 因果推断（Causal Inference）：在现代经济学研究中，从相关性到因果性的推断至关重要。我们将介绍一些重要的因果推断方法，如倾向得分匹配（Propensity Score Matching, PSM）、断点回归设计（Regression Discontinuity Design, RDD）、双重差分法（Difference-in-Differences, DID）以及工具变量法的进一步应用。我们将强调这些方法在处理混杂因素和建立因果关系中的重要性。 离散选择模型的扩展：除了Logit和Probit模型，本章将介绍更复杂的离散选择模型，如混合Logit模型（Mixed Logit Model），它能够捕捉个体偏好的异质性，以及带有外部影响的离散选择模型。 生存分析（Survival Analysis）：用于分析事件发生的时间，如企业倒闭时间、产品使用寿命、患者生存时间等。我们将介绍Kaplan-Meier曲线、Cox比例风险模型等。 贝叶斯计量经济学（Bayesian Econometrics）：介绍贝叶斯统计学在计量经济学中的应用，包括先验分布、后验分布的概念，以及马尔可夫链蒙特卡洛（MCMC）方法在参数估计中的应用。 机器学习在计量经济学中的应用：探讨如何将机器学习算法，如随机森林（Random Forest）、支持向量机（Support Vector Machine）、神经网络（Neural Networks）等，应用于经济数据分析，用于预测、分类以及处理高维数据。我们将讨论这些方法与传统计量经济学方法的异同与互补性。 附录：统计软件应用指南 为了使理论与实践相结合，本书将在附录中提供关于常用统计软件（如Stata、R、Python等）在实现上述计量经济学模型中的基本操作指南。我们将提供代码示例，帮助读者将理论模型转化为实际的计算机分析。 结语 通过对《现代计量经济学：深入解析与实证应用》的学习，读者将能够系统地掌握计量经济学分析的基本原理、方法和技术，并具备运用这些工具分析复杂经济问题、解释实证研究结果以及进行严谨的政策评估的能力。本书旨在成为每一位渴望深入理解经济世界运行规律的研究者和实践者的宝贵参考。

评分☆☆☆☆☆

坦白说，这本书的阅读过程并非一帆风顺，它确实对读者的数学功底和统计学基础有着不小的要求。不过，正是这种挑战性，让我觉得物超所值。每当遇到一个难以理解的公式或概念，我都会放慢速度，反复咀嚼，甚至会暂时搁置，去回顾相关的数学原理。这种“啃硬骨头”的学习方式，虽然耗时，但收获却是巨大的。书中某些部分的论述，比如关于工具变量法的深入探讨，让我对内生性问题的处理有了全新的认识，也明白了为什么在实际研究中，很多时候需要精心设计和寻找有效的工具变量。而且，它还涉及了一些在时间序列分析领域非常重要的模型，像是ARCH/GARCH模型，这些在金融领域的研究中出现的频率很高，掌握了它们，就能更好地分析金融资产的波动性。总的来说，这是一本需要静下心来，耐心钻研的书，但一旦你克服了初期的困难，你将会发现它为你打开了一个全新的学术视野。

评分☆☆☆☆☆

这本书的内容编排和逻辑结构给我留下了深刻的印象。它从基础的模型开始，逐步深入到更复杂、更前沿的议题，这种循序渐进的学习路径非常适合我这种希望系统掌握计量经济学知识的学习者。在介绍每个模型时，作者都会详细阐述其背后的经济学理论基础，以及与传统方法的区别和优势，这使得我在学习过程中能够建立起清晰的知识体系。我特别喜欢它对异方差和序列相关的处理方法的讲解，这对于我理解和解决很多实证研究中常见的问题非常关键。书中还涉及了一些关于因果推断的方法，这在当前的研究中变得越来越重要，能够帮助我更严谨地识别和量化因果效应。总的来说，这本书不仅提供了强大的计量工具，更培养了我严谨的学术思维和分析问题的能力，是我进行高级计量经济学学习的理想选择。

评分☆☆☆☆☆

我最近在尝试应用这本书中的一些方法来分析我的数据，效果比我预期的要好很多。它在介绍各种统计检验时，不仅仅是给出检验的步骤，还会深入解释检验的原理、适用条件以及结果的解读，这对于我准确地判断模型的有效性非常有帮助。尤其是在处理离散选择模型的部分，书中对Logit和Probit模型的区分以及它们在不同应用场景下的选择依据，解释得非常清楚，让我不再感到困惑。我之前在处理一些二元选择问题时，总是模棱两可，现在有了这本书的指导，我能够更系统地选择合适的模型，并且能够对模型的估计结果进行更细致的分析。此外，它对一些高级的估计方法，比如广义矩估计（GMM）的介绍，也让我对如何处理复杂的经济数据有了更深入的理解。这本书让我感觉自己不再只是一个数据的“使用者”，而是能成为一个更有洞察力的“分析者”。

评分☆☆☆☆☆

我个人对这本书的案例分析部分非常赞赏。它并没有仅仅停留在理论层面，而是结合了大量的经济学研究中的真实案例，来讲解每一个计量模型是如何被应用到实际问题中的。这些案例的选取非常具有代表性，涵盖了宏观经济、微观经济、金融学等多个领域。通过阅读这些案例，我能够更直观地理解抽象的计量方法在现实世界中的价值和意义。比如，它在介绍空间计量模型时，就举了一些关于区域经济发展、房地产价格等方面的案例，让我深刻体会到空间相关性在经济现象中的重要作用。这种“理论+实践”的学习模式，大大增强了我的学习兴趣，也让我能够更快地将书中的知识转化为解决实际问题的能力。感觉这本书就像是一位经验丰富的导师，循循善诱地引导我一步步深入计量经济学的殿堂。

评分☆☆☆☆☆

这本书真的让我大开眼界，虽然我还没完全读完，但已能感受到其内容的厚重与深度。从目录上看，它涵盖的知识点非常广泛，从一些经典计量模型的深入剖析，到一些前沿的统计技术，简直就像一本宝库。特别是关于面板数据分析的章节，它不仅介绍了基础模型，还涉及了更复杂的动态面板模型和处理内生性问题的方法，这对于我正在进行的实证研究来说，无疑是雪中送炭。书中对每一个模型的推导都力求严谨，逻辑清晰，并且会辅以大量的理论解释和现实案例，这使得即使是比较抽象的概念，也能被我这个初学者所理解。我尤其欣赏它在介绍模型时，不仅讲解了“是什么”，更强调了“为什么”以及“如何用”，这种教学方式极大地提升了学习效率。我感觉自己对计量经济学的理解层次已经提升了好几个台阶，开始能够更敏锐地捕捉到经济现象背后的统计规律，并且能更自信地设计和解释实证研究。