计量经济分析方法与建模-EViews应用及实例-(第3 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

高铁梅 著

图书标签:

• 计量经济学
• EViews
• 数据分析
• 建模
• 统计分析
• 经济学
• 应用经济学
• 回归分析
• 时间序列分析
• 实证分析

店铺： 亚运村图书大厦

出版社： 清华大学出版社发行部

ISBN：9787302461005

商品编码：12122270175

出版时间：2016-12-01

基本信息

商品名称： 计量经济分析方法与建模-EViews应用及实例-(第3版)	出版社： 清华大学出版社	出版时间：2016-12-01
作者：高铁梅	译者：	开本： 32开
定价： 62.00	页数：	印次： 1
ISBN号：9787302461005	商品类型：图书	版次： 3

编辑推荐

本书的适用范围： 对于学过初级计量经济学课程的本科生可以讲授本书的第1章、第2章（2.1节、2.2节）、第3章、第4章（4.1节、4.2节）、第5章的部分内容，以及多方程部分的第11章和第14章的简单内容； 对于学过中高级计量经济学课程的硕士和博士研究生可以讲授第2章、第4章（4.3节~4.10节）、第5章、扩展的单方程分析的第6~9章、多方程部分的第10章、第12~15章。

内容提要

本书全面介绍了计量经济学的主要理论和方法，将它们纳入一个完整、清晰的体系之中。本书注重将计量经济学的理论和实际经济问题相结合，提供了大量的基于经济问题的模型实例，协助教师提高教学效率，增强学生的学习兴趣和实际建模能力。本书的作者都是多年从事计量经济学教学和研究的教师，书中融入了作者们教学和科研的体会。书中大多数实际案例是作者们在实践中运用的实例和国内外的经典实例，同时基于EViews软件来介绍实际应用技巧，具有很强的可操作性。 本书可以作为本科生、硕士和博士研究生的应用计量经济学课程教材，也可作为在经济、统计、金融等领域从事定量分析的工作人员的参考书。

目录

目录 第Ⅰ部分数据分析基础 第1章概率与统计基础 1．1随机变量 1．1．1概率分布 1．1．2随机变量的数字特征 1．1．3随机变量的联合分布 1．2从总体到样本 1．2．1基本统计量 1．2．2估计量性质 1．3一些重要的概率分布 1．3．1正态分布 1．3．2χ2分布 1．3．3t分布 1．3．4F分布 1．4统计推断 1．4．1参数估计 1．4．2假设检验 1．5EViews软件的相关操作 1．5．1单序列的统计量、检验和分布 1．5．2多序列的显示和统计量 第2章经济时间序列的处理、季节调整与分解 2．1经济时间序列的处理和频率转换方法 2．1．1经济指标几种数据类型的概念 2．1．2频率转换 2．2季节调整 2．2．1移动平均公式 2．2．2Census X��13�睞RIMA�睸EATS季节调整方法 2．2．3TRAMO/SEATS方法 2．3趋势分解 2．3．1Hodrick�睵rescott滤波方法 2．3．2频谱滤波(BP滤波)方法 2．4EViews软件的相关操作 2．4．1频率转换 2．4．2X��13�睞RIMA�睸EATS季节调整 2．4．3TRAMO/SEATS季节调整 2．4．4Hodrick�睵rescott滤波 2．4．5BP滤波 第Ⅱ部分基本的单方程分析 第3章基本回归模型 3．1古典线性回归模型 3．1．1一元线性回归模型 3．1．2*小二乘法 3．1．3多元线性回归模型 3．1．4系数估计量的性质 3．1．5线性回归模型的检验 3．1．6AIC准则和Schwarz准则 3．2回归方程的函数形式 3．2．1双对数线性模型 3．2．2半对数模型 3．2．3双曲函数模型 3．2．4多项式回归模型 3．2．5Box�睠ox转换 3．3包含虚拟变量的回归模型 3．3．1回归中的虚拟变量 3．3．2季节调整的虚拟变量方法 3．4模型设定和假设检验 3．4．1系数检验 3．4．2残差检验 3．4．3模型稳定性检验 3．5方程模拟与预测 3．5．1预测误差与方差 3．5．2预测评价 3．6EViews软件的相关操作 3．6．1设定回归方程形式和估计方程 3．6．2方程输出结果 3．6．3与回归方程有关的操作 3．6．4模型设定和假设检验 3．6．5预测 第4章其他回归方法 4．1异方差 4．1．1异方差检验 4．1．2加权*小二乘估计 4．1．3存在异方差时参数估计量的一致协方差 4．2二阶段*小二乘法 4．3非线性*小二乘法 4．4广义矩方法 4．4．1矩法估计量 4．4．2广义矩估计 4．5多项式分布滞后模型 4．6逐步*小二乘回归 4．7分位数回归 4．7．1分位数回归的基本思想和系数估计 4．7．2系数协方差的估计 4．7．3模型评价和检验 4．8非参数回归模型 4．8．1密度函数的非参数估计 4．8．2一元非参数计量经济模型 4．9稳健*小二乘法(robust) 4．9．1M估计 4．9．2S估计 4．9．3MM估计 4．9．4系数协方差的计算方法 4．10有限信息极大似然估计和K类估计 4．10．1有限信息极大似然估计(LIML) 4．10．2K类估计 4．11EViews软件的相关操作 4．11．1异方差检验 4．11．2加权*小二乘法估计 4．11．3White异方差一致协方差和Newey�瞁est 异方差自相关一致协方差 4．11．4二阶段*小二乘法(TSLS)估计 4．11．5非线性*小二乘估计 4．11．6GMM估计 4．11．7估计包含PDLs的模型 4．11．8逐步回归估计 4．11．9分位数回归 4．11．10非参数估计 4．11．11Robust*小二乘估计 4．11．12在EViews中进行LIMI和K类估计 4．12附录广义*小二乘估计 第5章时间序列模型 5.1序列相关及其检验 5.1.1序列相关及其产生的后果 5.1.2序列相关的检验方法 5.1.3扰动项存在序列相关的线性回归方程的修正与估计 5.2平稳时间序列建模 5.2.1平稳时间序列的概念 5.2.2ARMA模型 5.2.3ARMA模型的平稳性 5.2.4ARMA模型的识别 5.3非平稳时间序列建模 5.3.1非平稳序列和单整 5.3.2非平稳序列的单位根检验 5.3.3突变点单位根检验(breakpoint unit root test) 5.3.4ARIMA模型 5.3.5ARFIMA模型 5.3.6自回归分布滞后模型 5.4协整和误差修正模型 5.4.1协整关系 5.4.2基于残差的协整检验 5.4.3误差修正模型(ECM) 5.5EViews软件的相关操作 5.5.1检验序列相关性 5.5.2修正序列相关 5.5.3ARMA(p，q)模型的估计 5.5.4单位根检验 5.5.5非平稳时间序列估计 5.5.6基于残差的EG协整检验(EG和PO协整检验方法) 第Ⅲ部分扩展的单方程分析 第6章条件异方差模型 6.1自回归条件异方差模型 6.1.1ARCH模型 6.1.2ARCH的检验 6.1.3GARCH模型 6.1.4IGARCH模型 6.1.5约束及回推 6.1.6GARCH模型的残差分布假设 6.1.7GARCH�睲模型 6.2非对称的ARCH模型 6.2.1TARCH模型 6.2.2EGARCH模型 6.2.3PARCH模型 6.2.4非对称的信息冲击曲线 6.3成分ARCH模型 6.4EViews软件的相关操作 6.4.1ARCH检验 6.4.2ARCH模型的建立 6.4.3ARCH模型的视图和过程 6.4.4ARCH模型的输出 6.4.5绘制估计的信息冲击曲线 第7章离散因变量和受限因变量模型 7.1二元选择模型 7.1.1线性概率模型及二元选择模型的形式 7.1.2二元选择模型的估计问题 7.1.3二元选择模型的变量假设检验问题 7.2排序选择模型 7.3受限因变量模型 7.3.1审查、选择性样本和截断数据 7.3.2受限因变量数据为什么不能用普通*小二乘估计 7.3.3审查回归模型 7.3.4截断回归模型 7.4Heckman样本选择模型 7.5计数模型 7.5.1泊松模型的形式与参数估计 7.5.2负二项式模型的形式与参数估计 7.5.3准—极大似然估计 7.6广义线性模型 7.6.1广义线性模型的形式 7.6.2广义线性模型的参数估计 7.7EViews软件的相关操作 7.7.1二元选择模型 7.7.2排序选择模型 7.7.3审查回归模型 7.7.4截断回归模型 7.7.5Heckman选择模型 7.7.6计数模型 7.7.7广义线性模型 第8章对数极大似然估计 8.1对数极大似然估计的基本原理 8.1.1极大似然估计的基本原理 8.1.2极大似然估计量的计算方法 8.1.3优化算法 8.2对数极大似然的估计实例 8.2.1一元线性回归模型的极大似然函数 8.2.2AR(1)模型的极大似然函数 8.2.3GARCH(q，p)模型的极大似然函数 8.2.4具有异方差的一元线性回归模型的极大似然函数 8.3EViews软件的相关操作 8.3.1似然对象的建立 8.3.2似然对象的估计、视图和过程 8.3.3问题解答 第9章具有结构变化特征的回归模型 9.1间断点回归模型 9.1.1多个间断点的检验 9.1.2包含多个间断点时的方程估计 9.2门限回归模型 9.2.1门限回归(TR)模型 9.2.2自激励门限自回归(SETAR)模型 9.3转换回归模型 9.3.1转换回归的基本模型 9.3.2马尔可夫区制转换模型 9.3.3动态转换模型 9.4EViews软件的相关操作 9.4.1间断点检验和间断点模型估计 9.4.2门限模型的估计 9.4.3转换方程对象的建立与估计 第Ⅳ部分多方程分析 第10章向量自回归和向量误差修正模型 10.1向量自回归理论 10.1

计量经济学：从理论基石到前沿实践的深度探索 图书名称： 计量经济分析方法与建模：从基础理论到前沿技术应用 内容提要： 本书旨在为读者提供一个系统、深入且高度实用的计量经济学知识体系，涵盖从经典计量模型构建到现代时间序列分析及面板数据处理的完整流程。它不仅注重对核心理论的严谨阐述，更强调在实际问题中如何选择、估计和检验恰当的计量模型，从而实现对经济现象的精准量化分析和可靠预测。本书内容布局兼顾学术的深度与应用的广度，是计量经济学学生、研究人员、金融分析师以及数据科学从业者的理想参考读物。 第一部分：计量经济学基础与经典回归模型 本部分为构建整个计量经济学分析体系的基石。我们将从经济理论与统计推断的结合点出发，详细介绍计量经济学的基本概念、研究范式和数据类型。 第一章：计量经济学的基石与研究范式 计量经济学的本质与作用： 明确计量经济学如何充当经济理论与经验数据的桥梁。 模型设定、参数估计与假设检验： 梳理计量分析的三个核心步骤。 数据类型与质量： 区分截面数据、时间序列数据、面板数据以及定性数据，并讨论数据清洗和预处理的重要性。 经典线性回归模型（CLRM）的严谨推导： 详细介绍最小二乘法（OLS）的数学推导过程，并阐述其优良统计特性（高斯-马尔可夫定理）。 第二章：多元线性回归模型的深入分析 多重共线性（Multicollinearity）的识别与处理： 探讨完全多重共线性和严重多重共线性的影响，并介绍诊断工具（如方差膨胀因子VIF）及应对策略（如主成分分析法在特定场景下的应用）。 异方差性（Heteroskedasticity）的检验与修正： 深入剖析异方差的来源（如弗莱舍-伍德里奇检验、怀特检验），并详细介绍使用加权最小二乘法（WLS）和稳健标准误（Huber-White Standard Errors）来获得一致、有效的参数估计。 序列相关性（Autocorrelation）的诊断与矫正： 重点讨论时间序列数据中可能出现的自相关问题（如DW检验、Breusch-Godfrey检验），并介绍广义最小二乘法（GLS）及HAC（Heteroskedasticity and Autocorrelation Consistent）估计量。 第三章：模型设定误差与虚拟变量的应用 函数形式的选择与设定误差： 讨论对数、半对数、倒数等常见函数形式的选择依据，并深入分析函数形式误设对估计结果的偏差和效率影响。 虚拟变量（Dummy Variables）的引入： 讲解如何使用虚拟变量来捕捉定性信息（如政策冲击、个体差异），包括虚拟变量陷阱、交互项的构造及其在斜率和截距上的影响。 分组回归与Chow检验： 如何通过结构突变检验（Chow Test）来判断不同样本子群体是否应采用同一模型结构。 第二部分：超越线性模型与非标准数据处理 本部分着重介绍当数据或经济关系不满足经典线性模型假设时，所应采取的高级估计技术，尤其关注离散选择模型和广义线性模型。 第四章：有限因变量与选择模型 线性概率模型（LPM）的局限性： 分析LPM在概率预测上的缺陷。 Logit与Probit模型： 详细阐述这些基于概率分布假设的离散选择模型，包括最大似然估计（MLE）的原理，以及如何解释边际效应（Marginal Effects）。 多项式Logit模型与有序选择模型： 介绍处理多个非序次或有序分类结果的方法。 Tobit模型： 针对截断因变量数据的处理方法，如收入数据分析中的应用。 第五章：非线性回归与异方差下的稳健估计 非线性最小二乘法（NLS）： 介绍如何处理具有非线性参数的模型，及其在迭代求解过程中的稳定性问题。 广义矩估计法（GMM）： GMM作为一种灵活且强大的估计工具，介绍其在工具变量设定和矩条件选择下的应用，尤其是在存在异方差或序列相关性时作为比OLS更稳健的选择。 第三部分：时间序列分析的深度与广度 时间序列分析是理解宏观经济波动、金融市场动态的关键工具。本部分聚焦于时间序列数据的特性、平稳性检验与高级建模技术。 第六章：时间序列数据的平稳性与单整性 时间序列的随机过程模型： 介绍白噪声、随机游走模型。 平稳性（Stationarity）的定义与重要性： 解释宽平稳和严格平稳的区别，并介绍检验方法（如ADF检验、PP检验）。 非平稳性与单位根问题： 深入分析单位根的经济含义，并探讨差分操作以实现平稳化。 第七章：单变量时间序列模型 自回归（AR）、移动平均（MA）与ARMA模型： 讲解模型的结构、偏自相关函数（PACF）和自相关函数（ACF）的判断标准，以及如何通过识别、估计和诊断（Ljung-Box检验）来构建恰当的ARMA模型。 整合过程与差分模型（ARIMA）： 介绍如何结合AR、I（差分）和MA构建能描述非平稳序列的模型。 第八章：多元时间序列分析与协整 向量自回归模型（VAR）： 介绍如何构建描述多个变量相互动态影响的VAR模型，以及脉冲响应函数（IRF）和方差分解在解读VAR系统中的作用。 格兰杰因果关系检验： 检验变量间的先导/滞后关系。 协整（Cointegration）理论： 讲解非平稳序列间长期均衡关系的识别，包括Engle-Granger两步法和Johansen检验。 向量误差修正模型（VECM）： 建立在协整基础上的VECM，用于分析变量短期动态如何修正与长期均衡的偏离。 第四部分：面板数据分析与前沿主题 本部分转向处理包含时间和个体两个维度的面板数据，并探讨计量经济学在处理更复杂数据结构时的前沿应用。 第九章：面板数据模型 面板数据的优势： 阐述面板数据相比于纯时间序列或截面数据在控制不可观测异质性方面的优越性。 固定效应模型（FE）与随机效应模型（RE）： 详细比较这两种核心方法的假设前提、估计原理（如组内估计与FGLS），并使用Hausman检验来指导模型选择。 动态面板数据模型： 针对存在滞后被解释变量作为解释变量时（可能导致内生性）的问题，系统介绍如何使用工具变量法，如差分GMM（Arellano-Bond）和系统GMM（Blundell-Bond）估计器。 第十章：计量经济学的前沿与专题应用 微观计量中的工具变量法（IV）： 深入讲解工具变量法的要求（相关性和外生性），以及如何处理多工具变量的估计（如两阶段最小二乘2SLS）。 离散选择模型的扩展： 讨论生存分析（Hazard Models）在经济学中的应用，如合同持续时间分析。 波动率建模（ARCH/GARCH家族）： 针对金融时间序列的波动率聚集现象，介绍ARCH、GARCH模型的构建、估计与预测，并探讨EGARCH和GJR-GARCH模型在捕捉非对称效应方面的能力。 非参数与半参数方法概述： 对局部回归和平滑技术在经济数据分析中的初步应用进行概述，展示计量分析的未来方向。 全书贯穿严谨的数学推导与大量的经济学实例分析，旨在帮助读者将抽象的理论知识转化为解决实际经济问题的强大工具。

评分☆☆☆☆☆

这本书的装帧设计给我留下了深刻的第一印象。封面采用了比较沉稳的蓝色调，搭配烫金的书名和作者信息，显得既专业又不失质感。书页的纸张厚度适中，触感光滑，翻阅时没有廉价的沙沙声，印刷清晰，即使是细小的公式和图表也毫发毕现，这对于一本需要细致研读的学术性书籍来说至关重要。我尤其欣赏它采用的装订方式，书本可以完全摊平，非常方便我在阅读和做笔记时操作，不用担心书页会合拢或者损坏。在内容呈现上，虽然我还没有深入阅读，但从目录和章节标题来看，它似乎非常系统地涵盖了计量经济学的核心概念和分析工具，比如理论推导、模型设定、数据处理以及结果解释等，并且还提及了EViews这个具体的应用软件，这让我对接下来的学习充满了期待。总的来说，从一个读者的角度出发，这本书在物理层面的品质和初步内容导览上，都传递出一种严谨、专业的信号，让人觉得物有所值，并且为接下来的深入学习打下了良好的心理基础。我期待在接下来的阅读过程中，能够将理论知识与软件操作无缝结合，真正掌握计量经济学的分析方法。

评分☆☆☆☆☆

我注意到这本书的实例分析部分做得非常出色，这一点对于我这样需要将理论应用于实践的学习者来说至关重要。在接触到那些理论性极强的概念之后，迫切需要一些具体、鲜活的案例来帮助我理解这些抽象的知识点是如何在现实经济问题中得到应用的。我尤其期待看到书中是如何选取经济数据，然后一步步地构建计量模型，并最终通过EViews软件来运行和解释模型的。例如，我很好奇它会如何分析通货膨胀的驱动因素，或者预测股票市场的走势。书中对于数据清洗、变量选取、模型假设检验以及结果解读的详细步骤，都是我非常看重的。我希望通过这些实例，能够学会如何将课堂上学到的计量模型，比如OLS、面板数据模型或者时间序列模型，真正地应用到实际的经济研究中，并且能够独立地完成一次完整的计量经济分析。如果书中能够提供不同类型经济问题的分析范例，并且对每一个步骤都进行详尽的解释，那将极大地提高我的学习效率和独立研究能力。我期待通过这些生动的实例，能够更好地理解计量经济学的魅力，并且提升自己分析和解决经济问题的能力。

评分☆☆☆☆☆

这本书在EViews软件的应用讲解方面，给我带来了很多启发。虽然我之前接触过一些计量软件，但EViews在学术界和实践中都有着广泛的应用，所以我一直希望能够对其有更深入的了解。从目录和章节安排来看，这本书似乎为EViews的操作提供了一个循序渐进的学习路径。我期待它能够从最基础的软件界面介绍开始，然后逐步讲解如何导入和管理数据，如何进行基本的统计分析，以及如何使用EViews来估计各种计量模型。我尤其关注的是书中对于EViews高级功能的介绍，比如如何进行面板数据分析、时间序列建模，以及进行假设检验和预测。我希望通过这本书的学习，能够熟练掌握EViews的各项功能，并且能够根据实际研究需求，灵活运用EViews来解决复杂的计量经济学问题。对于那些包含EViews操作步骤的截图和详细说明，我更是期待不已，因为这直接关系到我能否将理论知识转化为实际操作能力。我相信，通过对EViews的深入学习，我能够更有效地进行计量经济分析，并且在我的学术研究或实际工作中取得更大的突破。

评分☆☆☆☆☆

我非常看重这本书在计量经济学研究方法论方面的深度。我理解计量经济学不仅仅是掌握统计工具，更重要的是理解其背后的研究逻辑和方法论。从初步了解来看，这本书似乎不仅仅停留在技术层面，而是能够引导读者思考“为什么”要这样做。我期待它能详细阐述不同模型选择的依据，以及在面对复杂经济现象时，如何科学地设定模型、检验模型假设，并最终解释研究结果。我希望这本书能帮助我建立起一种严谨的研究思维，例如，在进行实证研究时，如何避免内生性问题，如何处理遗漏变量偏误，以及如何合理地解读统计显著性与经济显著性之间的关系。我特别关注那些关于模型识别、外生性处理以及因果推断的讨论，这些内容对于提高研究的科学性和可信度至关重要。如果书中能够提供一些关于如何批判性地评估已有计量研究的指导，或者分享一些在实际研究中可能遇到的陷阱和规避方法，那将非常有价值。我希望通过这本书，能够培养出一种独立思考和科学探究的精神，不仅仅是学会“怎么做”，更能理解“为什么这么做”，从而真正成为一名合格的计量经济分析者。

评分☆☆☆☆☆

我被这本书前期的内容所吸引，它似乎提供了一个非常全面且深入的视角来理解计量经济学模型。在阅读的过程中，我特别关注了它如何将抽象的统计理论与现实世界的经济现象联系起来。书中的某些章节，尤其是那些介绍回归模型基础的部分，用非常清晰的语言解释了最小二乘法的原理，并且循序渐进地引导读者理解不同类型误差项的含义及其对模型估计的影响。我喜欢它在讲解过程中穿插的理论推导，虽然有时会涉及一些高等数学，但作者的讲解方式让这些推导过程变得更容易消化，并且能够帮助我理解模型背后的逻辑。此外，我注意到书中对一些经典计量经济学问题的讨论，比如多重共线性、异方差和自相关等，并提供了如何识别和处理这些问题的策略。这部分内容对于任何想要进行严谨计量分析的研究者来说都是必不可少的。虽然我还没有深入到EViews的应用部分，但仅从理论基础的构建来看，这本书就展现了其扎实和严谨的学术功底，为后续的实践操作奠定了坚实的理论基础，让我对接下来的模型构建和实证分析充满了信心，也相信它能够帮助我构建起一个稳固的计量经济学知识体系。

评分☆☆☆☆☆

有防伪标志，朋友推荐的书

评分☆☆☆☆☆

书包装较好，包装袋内泡沫发挥了保护作用，但邮政快递效率太差，服务水平与京东物流的差距很大

评分☆☆☆☆☆

内容很好。但纸很一般，用笔写字后，反面就浸过去了，不知是正版还是盗版？

评分☆☆☆☆☆

挺好

评分☆☆☆☆☆

内容很好。但纸很一般，用笔写字后，反面就浸过去了，不知是正版还是盗版？

评分☆☆☆☆☆

有防伪标志，朋友推荐的书

评分☆☆☆☆☆

书包装较好，包装袋内泡沫发挥了保护作用，但邮政快递效率太差，服务水平与京东物流的差距很大

评分☆☆☆☆☆

挺好

评分☆☆☆☆☆

挺好