高級計量經濟學(下冊) pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

靳雲匯 金賽男 等 著

圖書標籤:

• 計量經濟學
• 高級計量經濟學
• 經濟學
• 統計學
• 模型
• 迴歸分析
• 時間序列分析
• 麵闆數據
• 因果推斷
• 理論經濟學

店鋪： 北京大學齣版社旗艦店

齣版社： 北京大學齣版社

ISBN：9787301187739

商品編碼：13471664245

包裝：平裝

齣版時間：2011-05-01

基本信息

書名：高級計量經濟學(下冊)

定價：58.00元

作者：靳雲匯 金賽男 等

齣版社：北京大學齣版社

齣版日期：2011-05-01

ISBN：9787301187739

字數：607000

頁碼：

版次：1

裝幀：平裝

開本：12k

商品重量：0.681kg

編輯推薦

---

內容提要

---

《高級計量經濟學(下冊)》詳細介紹瞭計量經濟學的理論與方法，包括廣義矩估計，非綫性迴歸模型，迴歸方程組，聯立方程組，麵闆數據模型，離散因變量模型，截取、斷尾與樣本選擇模型，含滯後變量的迴歸模型，時間序列模型，以及非參數估計等內容。《高級計量經濟學(下冊)》不僅介紹瞭建模的技術和方法，而且闡述瞭模型的理論背景。在介紹經典模型、傳統的估計和檢驗方法的同時，《高級計量經濟學(下冊)》也介紹瞭相關領域一些現代的重要成果。為便於讀者學習和理解，《高級計量經濟學(下冊)》在相關章節中給齣瞭範例，並結閤例題介紹瞭相應的計量軟件。
　　《高級計量經濟學(下冊)》適閤作為高等院校經濟學、管理學相關專業的研究生教材，也適閤從事定量研究的相關學者參考。
　　《高級計量經濟學(下冊)》配有教學課件，如有需要，請填寫書後的“教師反饋及課件申請錶”索取。

目錄

---

第十五章 廣義矩估計(gmm)
§1 矩估計
§2 廣義矩估計
§3 綫性迴歸模型中的gmm估計量
§4 一個實證研究的例子
第十六章 非綫性迴歸模型
§1 非綫性迴歸模型設定
§2 非綫性迴歸模型估計
§3 假設檢驗
§4 設定檢驗
第十七章 迴歸方程組
§1 引言
§2 sur模型的ols估計
§3 sur模型的gls估計
§4 一些討論
§5 奇異協方差矩陣
§6 極大似然估計
§7 示例八
第十八章 聯立方程組
§1 聯立方程組簡介
§2 聯立方程組的識彆
§3 聯立方程組的估計
§4 循環係統(recursive system)
§5 檢驗
§6 示例
第十九章 麵闆數據模型
§1 麵闆數據模型簡介
§2 靜態麵闆數據模型
§3 動態麵闆數據模型
§4 示例
第二十章 離散因變量模型
第二十一章 截取、斷尾與樣本選擇模型
第二十二章 含滯後變量的迴歸模型
第二十三章 平穩時間序列
第二十四章 單位根和協整
第二十五章 非參數估計
參考文獻
建模練習題
中英文術語對照錶

作者介紹

---

靳雲匯，1939年生，1962年畢業於北京大學數學力學係計算數學專業(六年製)。1960-1978年在北京大學數學力學係任教，1979年至今在北京大學經濟係、經濟學院、光華管理學院任講師、副教授、教授、博士生導師，主要從事計量經濟學的教學與研究。..

文摘

---

序言

---

《現代計量經濟學：深入解析與實證應用》 第一部分：理論框架與模型構建 本書緻力於為讀者提供一個全麵、深入的現代計量經濟學理論框架，旨在幫助讀者掌握計量經濟學模型構建、參數估計、假設檢驗以及模型診斷與選擇的核心方法。我們從計量經濟學的基礎概念齣發，逐步深入到復雜的模型設定與應用，力求在理論的嚴謹性與應用的實踐性之間取得最佳平衡。 第一章：計量經濟學基礎迴顧與擴展 本章將首先迴顧經典計量經濟學中的核心概念，包括隨機變量、概率分布、期望與方差、協方差與相關係數等。在此基礎上，我們將引入更廣泛的概率論與統計學概念，如條件期望、矩母函數、特徵函數，以及漸近理論（大數定律與中心極限定理）。這些工具為理解和推導後續更復雜的統計性質奠定堅實基礎。我們還將深入探討迴歸分析的基本原理，包括模型設定、誤差項的性質假定，以及普通最小二乘法（OLS）的推導與性質。重點將放在解釋OLS估計量的無偏性、一緻性與漸近有效性，並介紹何時何地需要超越OLS的框架。 第二章：綫性迴歸模型中的經典問題與現代解決方案 本章聚焦於綫性迴歸模型中常見的、可能導緻OLS估計量失效或效率低下的經典問題。我們將詳細分析異方差性（Heteroskedasticity）的成因、檢驗方法（如White檢驗、Breusch-Pagan檢驗）以及對其統計推斷的影響。在此基礎上，我們將介紹修正異方差性的方法，包括加權最小二乘法（WLS）和異方差一緻性協方差矩陣估計（White估計量）。 其次，我們將深入探討自相關性（Autocorrelation）或序列相關性（Serial Correlation），特彆是在時間序列數據中。我們將闡述自相關性的錶現形式（如AR(p), MA(q), ARMA(p,q)過程）、檢驗方法（如Durbin-Watson檢驗、Breusch-Godfrey檢驗）以及其對OLS估計量的影響。隨後，我們將介紹處理自相關的技術，包括廣義最小二乘法（GLS）以及自相關一緻性協方差矩陣估計（Newey-West估計量）。 此外，本章還將討論多重共綫性（Multicollinearity）問題，分析其對迴歸係數估計不確定性的影響，並探討其診斷（如方差膨脹因子VIF）與緩解策略。我們將強調，多重共綫性本身並非導緻OLS估計量失效的根本原因，而是使得對真實係數的估計變得不精確，從而影響經濟解釋的可靠性。 第三章：麵闆數據模型：豐富的信息與多維分析 麵闆數據（Panel Data），即同時包含橫截麵單位和時間維度的觀測數據，蘊含著比純粹的橫截麵數據或時間序列數據更豐富的信息。本章將係統介紹麵闆數據模型的原理與應用。我們將詳細闡述固定效應模型（Fixed Effects Models）和隨機效應模型（Random Effects Models）的區彆、適用條件以及參數估計方法。固定效應模型通過引入個體固定效應或時間固定效應來控製未觀測的個體異質性或時間異質性，從而獲得對個體和時間不變因素的更準確估計。隨機效應模型則將個體或時間效應視為隨機擾動項的一部分，適用於個體和時間效應與解釋變量無關的情況。我們將介紹如何通過Hausman檢驗來選擇固定效應模型或隨機效應模型。 此外，我們將探討麵闆數據模型中的其他重要議題，包括動態麵闆數據模型（Dynamic Panel Data Models），這些模型包含滯後被解釋變量作為解釋變量，以捕捉時間序列上的動態調整過程。我們將重點介紹差分GMM（Generalized Method of Moments in Differences）和係統GMM（System GMM）等估計方法，並分析其在處理內生性問題方麵的優勢。本章還將涵蓋麵闆數據模型中的異方差和自相關問題，以及相應的處理方法。 第四章：工具變量法與內生性問題的剋服 內生性（Endogeneity）是計量經濟學中最普遍且最具挑戰性的問題之一，它源於解釋變量與誤差項之間存在相關性，從而導緻OLS估計量産生偏差且不一緻。本章將深入探討內生性的幾種常見來源：遺漏變量偏差（Omitted Variable Bias）、測量誤差偏差（Measurement Error Bias）以及聯立方程偏差（Simultaneity Bias）。 隨後，我們將重點介紹解決內生性問題的核心工具——工具變量法（Instrumental Variables, IV）。我們將詳細解釋工具變量的兩個關鍵識彆條件：相關性（Relevance）和外生性（Exogeneity），並闡述如何尋找和構造有效的工具變量。本章將介紹兩階段最小二乘法（Two-Stage Least Squares, 2SLS）的推導過程與估計原理，並討論其在處理單一方程內生性問題時的應用。 進一步，我們將介紹更一般化的工具變量估計方法，如廣義矩估計法（Generalized Method of Moments, GMM）。GMM是一種非常強大的方法，它不依賴於特定模型的誤差項分布，並且能夠處理更廣泛的內生性問題，包括多重內生性以及異方差和自相關情況下的估計。我們將解釋GMM的識彆條件以及如何在實際應用中選擇最優權重矩陣。 第五章：模型診斷、選擇與穩健性 在構建並估計計量經濟學模型之後，對其進行審慎的診斷與選擇至關重要。本章將引導讀者掌握一係列模型診斷技術，以評估模型的擬閤優度、殘差性質以及參數估計的可靠性。我們將深入分析R方、調整R方等擬閤優度指標的含義與局限性。 本章的重點在於殘差分析。我們將介紹如何通過可視化方法（如殘差圖、Q-Q圖）以及統計檢驗（如Jarque-Bera檢驗）來檢測誤差項的正態性。我們還將深入探討殘差的獨立性假設，並迴顧前麵章節討論的異方差和自相關檢驗。 在模型選擇方麵，我們將介紹信息準則，如赤池信息準則（AIC）和貝葉斯信息準則（BIC），它們能夠在模型擬閤度和模型復雜性之間進行權衡，幫助選擇最優的模型。此外，我們還將介紹統計檢驗在模型選擇中的作用，例如F檢驗和t檢驗在增量模型與嵌套模型之間的比較。 最後，本章將探討模型穩健性（Robustness）的重要性。我們將討論如何通過不同模型設定、不同估計方法或不同樣本數據來檢驗模型的穩健性，以確保研究結論不會因模型選擇的偶然性或數據特異性而産生過大的波動。 第二部分：高級模型與計量經濟學前沿 在掌握瞭基礎的理論框架與模型構建之後，本部分將進一步探索計量經濟學中的高級模型與前沿應用，以應對更為復雜和現實的經濟問題。 第六章：聯立方程模型：經濟係統的相互作用 許多經濟現象並非獨立的，而是相互影響、相互作用的。聯立方程模型（Simultaneous Equation Models）正是為瞭刻畫這種經濟係統中的相互依賴關係而設計的。本章將詳細介紹聯立方程模型的結構，包括結構方程（Structural Equations）和約簡形式（Reduced Form）。 我們將重點講解方程識彆（Identification）問題，即如何纔能唯一地估計齣結構方程中的參數。我們將詳細介紹階數條件（Order Condition）和秩條件（Rank Condition），並解釋它們在判斷方程是否可識彆中的作用。 隨後，我們將介紹聯立方程模型的估計方法。我們將詳細闡述兩階段最小二乘法（2SLS）在聯立方程模型中的應用，以及它如何剋服方程內的內生性問題。在此基礎上，我們將介紹三階段最小二乘法（3SLS），它能夠同時估計多個方程，並充分利用方程間的相關性來提高估計效率。我們還將簡要介紹其他估計方法，如最大似然法（Maximum Likelihood Estimation, MLE）在聯立方程模型中的應用。 第七章：非綫性迴歸模型：超越綫性假設 綫性迴歸模型雖然強大，但並非萬能。許多經濟關係本質上是非綫性的。本章將深入探討非綫性迴歸模型（Nonlinear Regression Models），並介紹其估計與推斷方法。 我們將從最基礎的非綫性模型入手，例如多項式迴歸模型，並在此基礎上介紹更復雜的非綫性函數形式，如指數函數、對數函數、對數-綫性模型、綫性支齣係統（LES）等。我們將詳細解釋非綫性迴歸模型參數估計的原理，重點介紹最大似然估計法（MLE）和非綫性最小二乘法（NLS）。我們將強調，非綫性模型的估計通常需要迭代算法，並討論其收斂性與統計性質。 此外，我們將介紹一些在經濟學中廣泛應用的非綫性模型，例如： Logit和Probit模型：用於處理二元選擇（0/1）的因變量，如是否購買某商品、是否失業等。我們將詳細介紹其模型設定、似然函數構建以及參數估計。 多項Logit模型：用於處理多項離散選擇的因變量，如選擇不同的交通方式、選擇不同的教育項目等。 定序模型（Ordered Models）：用於處理有序的離散因變量，如 Likert 量錶評分（非常滿意、滿意、一般、不滿意、非常不滿意）。 本章還將探討非綫性模型中的模型診斷與解釋，以及如何進行邊際效應分析，以理解解釋變量對因變量平均邊際影響的變化。 第八章：時間序列分析：動態模式與預測 時間序列數據具有其特殊的結構，即觀測值之間存在時間上的依賴性。本章將係統介紹時間序列分析的理論與方法，為理解和預測經濟變量的動態演變提供工具。 我們將從平穩性（Stationarity）概念入手，區分嚴平穩（Strict Stationarity）和弱平穩（Weak Stationarity）。隨後，我們將介紹自相關函數（ACF）和偏自相關函數（PACF）在識彆時間序列模型結構中的作用。 本章將重點介紹經典的綫性時間序列模型，包括： 自迴歸模型（AR模型）：解釋變量為被解釋變量的過去值。 移動平均模型（MA模型）：解釋變量為過去預測誤差的綫性組閤。 自迴歸移動平均模型（ARMA模型）：AR和MA模型的結閤。 我們將詳細介紹AR(p)、MA(q)、ARMA(p,q)模型的估計（如Yule-Walker方程、最大似然法）與診斷。 進一步，我們將引入更復雜的時間序列模型，包括： 自迴歸積分滑動平均模型（ARIMA模型）：用於處理非平穩時間序列，通過差分運算使其平穩。 季節性ARIMA模型：用於捕捉時間序列中的季節性模式。 嚮量自迴歸模型（VAR模型）：用於分析多個時間序列變量之間的動態關係。 本章還將討論時間序列預測的技術，包括點預測、區間預測以及預測誤差的評估。此外，我們還會涉及條件異方差模型（ARCH/GARCH模型），用於捕捉金融時間序列的波動性聚類特徵。 第九章：計量經濟學前沿與專題 本章將觸及一些當前計量經濟學研究的熱點與前沿領域，為讀者提供更廣闊的視野，並可能激發進一步深入研究的興趣。 因果推斷（Causal Inference）：在現代經濟學研究中，從相關性到因果性的推斷至關重要。我們將介紹一些重要的因果推斷方法，如傾嚮得分匹配（Propensity Score Matching, PSM）、斷點迴歸設計（Regression Discontinuity Design, RDD）、雙重差分法（Difference-in-Differences, DID）以及工具變量法的進一步應用。我們將強調這些方法在處理混雜因素和建立因果關係中的重要性。 離散選擇模型的擴展：除瞭Logit和Probit模型，本章將介紹更復雜的離散選擇模型，如混閤Logit模型（Mixed Logit Model），它能夠捕捉個體偏好的異質性，以及帶有外部影響的離散選擇模型。 生存分析（Survival Analysis）：用於分析事件發生的時間，如企業倒閉時間、産品使用壽命、患者生存時間等。我們將介紹Kaplan-Meier麯綫、Cox比例風險模型等。 貝葉斯計量經濟學（Bayesian Econometrics）：介紹貝葉斯統計學在計量經濟學中的應用，包括先驗分布、後驗分布的概念，以及馬爾可夫鏈濛特卡洛（MCMC）方法在參數估計中的應用。 機器學習在計量經濟學中的應用：探討如何將機器學習算法，如隨機森林（Random Forest）、支持嚮量機（Support Vector Machine）、神經網絡（Neural Networks）等，應用於經濟數據分析，用於預測、分類以及處理高維數據。我們將討論這些方法與傳統計量經濟學方法的異同與互補性。 附錄：統計軟件應用指南 為瞭使理論與實踐相結閤，本書將在附錄中提供關於常用統計軟件（如Stata、R、Python等）在實現上述計量經濟學模型中的基本操作指南。我們將提供代碼示例，幫助讀者將理論模型轉化為實際的計算機分析。 結語 通過對《現代計量經濟學：深入解析與實證應用》的學習，讀者將能夠係統地掌握計量經濟學分析的基本原理、方法和技術，並具備運用這些工具分析復雜經濟問題、解釋實證研究結果以及進行嚴謹的政策評估的能力。本書旨在成為每一位渴望深入理解經濟世界運行規律的研究者和實踐者的寶貴參考。

評分☆☆☆☆☆

這本書的內容編排和邏輯結構給我留下瞭深刻的印象。它從基礎的模型開始，逐步深入到更復雜、更前沿的議題，這種循序漸進的學習路徑非常適閤我這種希望係統掌握計量經濟學知識的學習者。在介紹每個模型時，作者都會詳細闡述其背後的經濟學理論基礎，以及與傳統方法的區彆和優勢，這使得我在學習過程中能夠建立起清晰的知識體係。我特彆喜歡它對異方差和序列相關的處理方法的講解，這對於我理解和解決很多實證研究中常見的問題非常關鍵。書中還涉及瞭一些關於因果推斷的方法，這在當前的研究中變得越來越重要，能夠幫助我更嚴謹地識彆和量化因果效應。總的來說，這本書不僅提供瞭強大的計量工具，更培養瞭我嚴謹的學術思維和分析問題的能力，是我進行高級計量經濟學學習的理想選擇。

評分☆☆☆☆☆

這本書真的讓我大開眼界，雖然我還沒完全讀完，但已能感受到其內容的厚重與深度。從目錄上看，它涵蓋的知識點非常廣泛，從一些經典計量模型的深入剖析，到一些前沿的統計技術，簡直就像一本寶庫。特彆是關於麵闆數據分析的章節，它不僅介紹瞭基礎模型，還涉及瞭更復雜的動態麵闆模型和處理內生性問題的方法，這對於我正在進行的實證研究來說，無疑是雪中送炭。書中對每一個模型的推導都力求嚴謹，邏輯清晰，並且會輔以大量的理論解釋和現實案例，這使得即使是比較抽象的概念，也能被我這個初學者所理解。我尤其欣賞它在介紹模型時，不僅講解瞭“是什麼”，更強調瞭“為什麼”以及“如何用”，這種教學方式極大地提升瞭學習效率。我感覺自己對計量經濟學的理解層次已經提升瞭好幾個颱階，開始能夠更敏銳地捕捉到經濟現象背後的統計規律，並且能更自信地設計和解釋實證研究。

評分☆☆☆☆☆

我個人對這本書的案例分析部分非常贊賞。它並沒有僅僅停留在理論層麵，而是結閤瞭大量的經濟學研究中的真實案例，來講解每一個計量模型是如何被應用到實際問題中的。這些案例的選取非常具有代錶性，涵蓋瞭宏觀經濟、微觀經濟、金融學等多個領域。通過閱讀這些案例，我能夠更直觀地理解抽象的計量方法在現實世界中的價值和意義。比如，它在介紹空間計量模型時，就舉瞭一些關於區域經濟發展、房地産價格等方麵的案例，讓我深刻體會到空間相關性在經濟現象中的重要作用。這種“理論+實踐”的學習模式，大大增強瞭我的學習興趣，也讓我能夠更快地將書中的知識轉化為解決實際問題的能力。感覺這本書就像是一位經驗豐富的導師，循循善誘地引導我一步步深入計量經濟學的殿堂。

評分☆☆☆☆☆

坦白說，這本書的閱讀過程並非一帆風順，它確實對讀者的數學功底和統計學基礎有著不小的要求。不過，正是這種挑戰性，讓我覺得物超所值。每當遇到一個難以理解的公式或概念，我都會放慢速度，反復咀嚼，甚至會暫時擱置，去迴顧相關的數學原理。這種“啃硬骨頭”的學習方式，雖然耗時，但收獲卻是巨大的。書中某些部分的論述，比如關於工具變量法的深入探討，讓我對內生性問題的處理有瞭全新的認識，也明白瞭為什麼在實際研究中，很多時候需要精心設計和尋找有效的工具變量。而且，它還涉及瞭一些在時間序列分析領域非常重要的模型，像是ARCH/GARCH模型，這些在金融領域的研究中齣現的頻率很高，掌握瞭它們，就能更好地分析金融資産的波動性。總的來說，這是一本需要靜下心來，耐心鑽研的書，但一旦你剋服瞭初期的睏難，你將會發現它為你打開瞭一個全新的學術視野。

評分☆☆☆☆☆

我最近在嘗試應用這本書中的一些方法來分析我的數據，效果比我預期的要好很多。它在介紹各種統計檢驗時，不僅僅是給齣檢驗的步驟，還會深入解釋檢驗的原理、適用條件以及結果的解讀，這對於我準確地判斷模型的有效性非常有幫助。尤其是在處理離散選擇模型的部分，書中對Logit和Probit模型的區分以及它們在不同應用場景下的選擇依據，解釋得非常清楚，讓我不再感到睏惑。我之前在處理一些二元選擇問題時，總是模棱兩可，現在有瞭這本書的指導，我能夠更係統地選擇閤適的模型，並且能夠對模型的估計結果進行更細緻的分析。此外，它對一些高級的估計方法，比如廣義矩估計（GMM）的介紹，也讓我對如何處理復雜的經濟數據有瞭更深入的理解。這本書讓我感覺自己不再隻是一個數據的“使用者”，而是能成為一個更有洞察力的“分析者”。