計量經濟學（簡體書）

《計量經濟學》融合經典計量經濟學和現代計量經濟學的內容，系統地介紹了計量經濟學的基本原理、方法和應用，在系統分析單方程計量經濟模型的基礎上，探討了異方差性、多重共線性、自相關等問題，對聯立方程計量經濟模型、時間序列分析、協整理論、面板數據分析進行了說明；并通過經濟、金融、管理等方面的案例分析，增強學生對計量經濟學的基本理論、方法和應用的理解。《計量經濟學》可作為財經類、管理類、社科類等相關專業的計量經濟學教材，也可作為實務工作者的參考書。

《計量經濟學》為普通高等教育“十二五”規劃教材之一。

前言
第1章 緒論 1
1.1 計量經濟學的含義 1
1.2 計量經濟學的發展 2
1.3 計量經濟學的分類及與其他學科的關系 5
1.4 計量經濟學建模流程 7
1.5 若干基本概念 8
1.6 計量經濟學常用軟件 10
思考與練習 12

第2章 一元線性回歸分析 13
2.1 一元線性回歸模型的基本假定 14
2.2 一元線性回歸模型的參數估計 15
2.3 一元線性回歸模型的假設檢驗 18
2.4 一元線性回歸模型的預測 21
2.5 案例分析 22
思考與練習 24

第3章 多元線性回歸分析 25
3.1 多元線性回歸模型的形式與參數估計 25
3.2 多元線性回歸模型的檢驗 31
3.3 多元線性回歸模型的預測 33
3.4 自變量的選擇 35
3.5 案例分析 38
思考與練習 42

第4章 多重共線性 43
4.1 多重共線性及產生的原因 43
4.2 多重共線性的影響 44
4.3 多重共線性的檢驗 45
4.4 多重共線性的解決方法 46
4.5 案例分析 50
思考與練習 54

第5章 異方差性 55
5.1 異方差性的含義、類型及產生的原因 55
5.2 異方差性的影響 57
5.3 異方差性的檢驗 59
5.4 異方差性的解決方法 64
5.5 案例分析 67
思考與練習 71

第6章 自相關性 72
6.1 自相關性及其產生的原因 72
6.2 自相關性的後果 73
6.3 自相關性的檢驗 74
6.4 自相關性的解決方法 76
6.5 案例分析 82
思考與練習 86

第7章 單方程回歸模型專題分析 87
7.1 虛擬變量的回歸 87
7.2 模型的設定誤差 89
7.3 模型變量的測量誤差 97
7.4 隨機解釋變量的問題 98
7.5 案例分析 100
思考與練習 104

第8章 非線性回歸模型 105
8.1 形式及分類 105
8.2 可線性化模型 106
8.3 不可線性化模型 107
8.4 案例分析 112
思考與練習 114

第9章 時間序列分析 115
9.1 基本概念 115
9.2 平穩序列檢驗 119
9.3 平穩時間序列模型 120
9.4 模型估計 127
9.5 模型檢驗 128
9.6 模型預測 129
9.7 案例分析 131
思考與練習 136

第10章 協整分析 137
10.1 概述 137
10.2 偽回歸現象 138
10.3 單位根檢驗 139
10.4 協整時間序列模型 141
10.5 誤差修正模型 143
10.6 案例分析 143
思考與練習 147

第11章 聯立方程模型 148
11.1 基本概念 148
11.2 聯立方程模型的參數估計 149
11.3 聯立方程模型的識別 153
11.4 解決過度識別模型的兩階段
最小二乘法 156
11.5 聯立方程回歸的檢驗 158
11.6 案例分析 159
思考與練習 160

第12章 面板數據分析 161
12.1 面板數據的概念 161
12.2 面板數據模型 162
12.3 案例分析 168
思考與練習 175

附錄 統計分布表 176
附錄A 標準正態概率表 176
附錄B t的臨界值表 177
附錄C F分布表（顯著性水平10%的臨界值） 178
附錄D F分布表（顯著性水平5%的臨界值） 179
附錄E F分布表（顯著性水平1%的臨界值） 180
附錄F 卡方分布表 181
附錄G DW檢驗統計量5%顯著性水平下的臨界值 （見書後插頁）
參考文獻 182

（1）時間序列數據。時間序列數據是同一統計指標、同一統計單位按時間順序記錄形成的統計數據。時間序列數據可以是時期數據，也可以是時點數據。在利用時間序列數據作樣本時，要注意以下幾個問題：一是所選擇的樣本區間內經濟行為的一致性問題。例如，我國改革開放前後的經濟制度發生了很大變化，人們的經濟行為也發生了劇烈變化。在建立模型時要考慮到這一點.二是樣本數據在不同樣本點之間的可比性問題。經濟變量的時間序列數據往往是以價值形態出現的，包含了價格因素，而同一件實物在不同年份的價格是不同的.造成樣本數據在不同樣本點之間不可比。這就需要對原始數據進行調整，消除其不可比因素，方可作為模型的樣本數據。三是樣本觀測值過于集中的問題。經濟變量在時間序列上的變化往往是緩慢的，例如，居民收入每年的變化幅度只有5％左右。如果在一個消費函數模型中，以居民消費作為被解釋變量，以居民收入作為解釋變量，以它的時間序列數據作為解釋變量的樣本數據，由于樣本數據過于集中，所建立的模型很難反映兩個變量之間的長期關系，這也是時間序列不適宜于對模型中反映長期變化關系的結構參數的估計的一個主要原因.四是模型隨機誤差項的序列相關問題。用時間序列數據作樣本，容易引起模型隨機誤差項產生序列相關。這個問題在第6章還要專門討論。