- 中国人民大学出版社
- 9787300307374
- 1-2
- 434323
- 41246789-6
- 16开
- 2022-07
- 691
- 488
- F224.0
- 经管
- 本科 研究生（硕士、EMBA、MBA、MPA、博士）
作者简介
内容简介
本书是古扎拉蒂积数十年教学经验总结、采用“干中学”（learning by doing）的方法组织教学材料的计量经济学教科书，没有繁琐复杂的理论推演和艰深的数学讨论，本书从一个非常实用的角度解释计量经济学，每一章都由一到两个活生生的案例来展开教学。每一个主题背后的基本理论均得到涵盖，基础的统计学概念在附录中给出，这都使得本书不但结构灵活而且内容丰富。本书是计量经济学初学者的首选佳作。
目录
第一部分 线性回归模型
第1章 线性回归模型:一个概览 3
1.1 线性回归模型 3
1.2 数据的性质与来源 6
1.3 线性回归模型的估计 8
1.4 经典线性回归模型（CLRM） 9
1.5 OLS估计量的方差和标准误 11
1.6 检验关于真实或总体回归系数的假设 12
1.7 R2 :对回归估计拟合优度的测度 14
1.8 一个阐释性例子:小时工资的决定 15
1.8 预测 20
1.9 本书脉络 20
习题 23
附录:最大似然方法 24
第2章 回归模型的函数形式 28
2.1 对数线性、双对数或常弹性模型 28
2.2 检验线性约束的有效性 32
2.3 log-lin或增长模型 33
2.4 lin-log模型 36
2.5 倒数模型 39
2.6 多项式回归模型 40
2.7 函数形式的选择 43
2.8 线性模型和对数线性模型的比较 43
2.9 对标准化后的变量进行回归 45
2.10 过原点回归:零截距模型 46
2.11 拟合优度的测度 49 2.12 要点与结论 50
习题 51
第3章 定性解释变量回归模型 53
3.1 工资函数再探 53
3.2 工资函数的改进 55
3.3 另一种对工资函数的改进 56
3.4 工资回归的函数形式 59
3.5 在结构变化中对虚拟变量的使用 61
3.6 季节性数据中对虚拟变量的使用 63
3.7 扩展后的销售函数 66
3.8 分段线性回归 69
3.9 要点与结论 72
习题 72
第二部分 对经典线性回归模型的批评性评价
第4章 回归诊断Ⅰ:多重共线性 79
4.1 不完全共线性的结果 80
4.2 举例:劳动市场上已婚妇女的工作小时数 83
4.3 对多重共线性的检验 84
4.4 补救措施 86
4.5 主成分方法 88
4.6 要点与结论 90
习题 91
第5章 回归诊断Ⅱ:异方差性 95
5.1 异方差性的结果 95
5.2 美国的堕胎率 96
5.3 异方差性的检验 98
5.4 补救措施 102
5.5 要点与结论 108
习题 109
第6章 回归诊断Ⅲ:自相关 111
6.1 1947—2000年美国消费函数 111
6.2 自相关的检验 113
6.3 补救措施 119
6.4 模型评价 123
6.5 要点与结论 126
习题 126
第7章 回归诊断Ⅳ:模型设定误差 128
7.1 相关变量的遗漏 128
7.2 遗漏变量的检验 132
7.3 包含不相关或多余的变量 134
7.4 回归模型函数形式的错误设定 136
7.5 测量误差 137
7.6 异常值、杠杆数据和有影响力的数据 138
7.7 误差项概率分布 140
7.8 随机回归 142
7.9 联立性问题 143
7.10 动态回归模型 148
7.11 要点与结论 157
习题 158
附录:消费函数OLS估计量的非一致性 160
第二部分 横截面数据回归模型
第8章 logit和probit模型 165
8.1 一个阐释性例子:吸烟或者不吸烟 165
8.2 线性概率模型（LPM） 166
8.3 logit模型 167
8.4 机会比率语言（Odds Ratio，OR） 174
8.5 probit模型 175
8.6 要点与结论 178
习题 178
第9章 多项回归模型 183
9.1 多项回归模型的性质 183
9.2 多项logit模型（MLM）:择校问题 185
9.3 条件logit模型（CLM） 190
9.4 混合logit（MXL） 193
9.5 要点与结论 195
习题 195
第10章 序数回归模型 198
10.1 有序多项模型（ordered multinomial models，OMM） 199
10.2 有序logit模型（OLM）估计 199
10.3 一个阐释性的例子:对在职母亲的态度 201
10.4 比例优势模型的局限 203
10.5 要点与结论 207
习题 207
附录:公式（10.4）的推导 208
第11章 限值因变量回归模型 209
11.1 截取回归模型 210
11.2 截取回归模型的最大似然估计（ML）:Tobit模型 213
11.3 断尾样本回归模型 217
11.4 一个总结性的例子 218
11.5 要点与结论 222
习题 222
附录:Heckman样本选择模型（Heckit） 223
第12章 对计数数据建模:泊松和负二项回归模型 225
12.1 一个阐释性的例子 225
12.2 泊松回归模型（PRM） 228
12.3 泊松回归分布的局限 231
12.4 负二项回归模型（NBRM） 232
12.5 要点与结论 233
习题 234
第四部分 时间序列计量经济学专题
第13章 平稳和非平稳时间序列 239
13.1 汇率平稳吗? 239
13.2 平稳时间序列的重要性 240
13.3 平稳性检验 241
13.4 平稳性的单位根检验 243
13.5 趋势平稳和差分平稳时间序列 247
13.6 随机游走模型（RWM） 250
13.7 要点与结论 255
习题 255
第14章 协整与误差纠正模型 257
14.1 伪回归现象 257
14.2 模拟伪回归 258
14.3 消费支出对可支配收入的回归是伪回归吗? 259
14.4 伪回归不伪的情况 262
14.5 协整检验 263
14.6 协整和误差纠正机制（ECM） 264
14.7 3个月和6个月期国债利率是协整吗? 266
14.8 要点与结论 268
习题 269
第15章 资产价格波动性:ARCH和GARCH模型 271
15.1 ARCH模型 272
15.2 GARCH模型 278
15.3 对ARCH模型的一些拓展 279
15.4 要点与结论 281
习题 282
第16章 经济预测 283
16.1 用回归模型预测 284
16.2 博克斯詹金斯（Box-Jenkins）法:建立ARIMA模型 289
16.3 关于2000年1月3日至2002年10月31日IBM的每日收盘价的ARMA模型 290
16.4 向量自回归（VAR） 296
16.5 用VAR检验因果关系:格兰杰因果关系检验 301
16.6 要点与结论 305
习题 306
附录:预测精度的衡量 307
第五部分 计量经济学的一些精选主题
第17章 面板数据回归模型 311
17.1 面板数据的重要性 312
17.2 一个阐释性例子:慈善捐助 312
17.3 慈善函数的混合OLS回归 313
17.4 固定效应最小二乘虚拟变量（LSDV）模型 315
17.5 固定效应LSDV模型的局限 317
17.6 组内固定效应模型的估计 317
17.7 随机效应模型（REM）或误差成分模型（ECM） 319
17.8 固定效应模型与随机效应模型的比较 322
17.9 各种估计量的性质 323
17.10 面板数据回归:一些总结性评论 324
17.11 要点与结论 324
习题 325
第18章 生存分析 329
18.1 一个阐释性的例子:建立累犯期间模型 329
18.2 生存分析的相关术语 330
18.3 建立累犯期间模型 332
18.4 指数概率分布 333
18.5 Weibull概率分布 335
18.6 比例风险函数模型 337
18.7 要点与结论 339
习题 340
第19章 随机回归元与工具变量方法 343
19.1 内生性的问题 344
19.2 关于随机回归元的问题 345
19.3 回归元与误差项存在相关关系的原因 347
19.4 工具变量法 351
19.5 IV的蒙特卡罗模拟 354
19.6 一些阐释性例子 355
19.7 数值实例:美国青年的收入与教育程度 357
19.8 在IV估计下的假设检验 362
19.9 回归元内生性检验 363
19.10 如何查明一个工具变量是弱的还是强的 364
19.11 多个工具变量的情形 365
19.12 包含多个内生回归元的回归 367
19.13 要点与结论 369
习题 370
第20章 不止于OLS:分位数回归 373
20.1 分位数 374
20.2 分位数回归模型（QRM） 375
20.3 分位数工资回归模型 376
20.4 工资中位数回归 378
20.5 对工资的25%，50%，75%分位数回归 380
20.6 对不同分位数回归下系数是否相同的检验 383
20.7 OLS回归与25%，50%，75%分位数回归的总结 384
20.8 利用Eviews8进行分位数回归 384
20.9 要点与结论 386
习题 387
附录:分位数回归的数学原理 387
第21章 多回归子回归模型 389
21.1 MRMs的若干实例 390
21.2 联合估计的优势 390
21.3 同解释变量前提下MRM估计的一个示例 391
21.4 MRM估计 393
21.5 MRM在其他方面的优势 395
21.6 对MRM一些技术层面的讨论 396
21.7 似不相关回归方程（SURE） 398
21.8 要点与总结 403
习题 404
附录 405
附录1 本书使用的数据集 407
附录2 统计学附录 414
术语表 437
译后记 453
第1章 线性回归模型:一个概览 3
1.1 线性回归模型 3
1.2 数据的性质与来源 6
1.3 线性回归模型的估计 8
1.4 经典线性回归模型（CLRM） 9
1.5 OLS估计量的方差和标准误 11
1.6 检验关于真实或总体回归系数的假设 12
1.7 R2 :对回归估计拟合优度的测度 14
1.8 一个阐释性例子:小时工资的决定 15
1.8 预测 20
1.9 本书脉络 20
习题 23
附录:最大似然方法 24
第2章 回归模型的函数形式 28
2.1 对数线性、双对数或常弹性模型 28
2.2 检验线性约束的有效性 32
2.3 log-lin或增长模型 33
2.4 lin-log模型 36
2.5 倒数模型 39
2.6 多项式回归模型 40
2.7 函数形式的选择 43
2.8 线性模型和对数线性模型的比较 43
2.9 对标准化后的变量进行回归 45
2.10 过原点回归:零截距模型 46
2.11 拟合优度的测度 49 2.12 要点与结论 50
习题 51
第3章 定性解释变量回归模型 53
3.1 工资函数再探 53
3.2 工资函数的改进 55
3.3 另一种对工资函数的改进 56
3.4 工资回归的函数形式 59
3.5 在结构变化中对虚拟变量的使用 61
3.6 季节性数据中对虚拟变量的使用 63
3.7 扩展后的销售函数 66
3.8 分段线性回归 69
3.9 要点与结论 72
习题 72
第二部分 对经典线性回归模型的批评性评价
第4章 回归诊断Ⅰ:多重共线性 79
4.1 不完全共线性的结果 80
4.2 举例:劳动市场上已婚妇女的工作小时数 83
4.3 对多重共线性的检验 84
4.4 补救措施 86
4.5 主成分方法 88
4.6 要点与结论 90
习题 91
第5章 回归诊断Ⅱ:异方差性 95
5.1 异方差性的结果 95
5.2 美国的堕胎率 96
5.3 异方差性的检验 98
5.4 补救措施 102
5.5 要点与结论 108
习题 109
第6章 回归诊断Ⅲ:自相关 111
6.1 1947—2000年美国消费函数 111
6.2 自相关的检验 113
6.3 补救措施 119
6.4 模型评价 123
6.5 要点与结论 126
习题 126
第7章 回归诊断Ⅳ:模型设定误差 128
7.1 相关变量的遗漏 128
7.2 遗漏变量的检验 132
7.3 包含不相关或多余的变量 134
7.4 回归模型函数形式的错误设定 136
7.5 测量误差 137
7.6 异常值、杠杆数据和有影响力的数据 138
7.7 误差项概率分布 140
7.8 随机回归 142
7.9 联立性问题 143
7.10 动态回归模型 148
7.11 要点与结论 157
习题 158
附录:消费函数OLS估计量的非一致性 160
第二部分 横截面数据回归模型
第8章 logit和probit模型 165
8.1 一个阐释性例子:吸烟或者不吸烟 165
8.2 线性概率模型（LPM） 166
8.3 logit模型 167
8.4 机会比率语言（Odds Ratio，OR） 174
8.5 probit模型 175
8.6 要点与结论 178
习题 178
第9章 多项回归模型 183
9.1 多项回归模型的性质 183
9.2 多项logit模型（MLM）:择校问题 185
9.3 条件logit模型（CLM） 190
9.4 混合logit（MXL） 193
9.5 要点与结论 195
习题 195
第10章 序数回归模型 198
10.1 有序多项模型（ordered multinomial models，OMM） 199
10.2 有序logit模型（OLM）估计 199
10.3 一个阐释性的例子:对在职母亲的态度 201
10.4 比例优势模型的局限 203
10.5 要点与结论 207
习题 207
附录:公式（10.4）的推导 208
第11章 限值因变量回归模型 209
11.1 截取回归模型 210
11.2 截取回归模型的最大似然估计（ML）:Tobit模型 213
11.3 断尾样本回归模型 217
11.4 一个总结性的例子 218
11.5 要点与结论 222
习题 222
附录:Heckman样本选择模型（Heckit） 223
第12章 对计数数据建模:泊松和负二项回归模型 225
12.1 一个阐释性的例子 225
12.2 泊松回归模型（PRM） 228
12.3 泊松回归分布的局限 231
12.4 负二项回归模型（NBRM） 232
12.5 要点与结论 233
习题 234
第四部分 时间序列计量经济学专题
第13章 平稳和非平稳时间序列 239
13.1 汇率平稳吗? 239
13.2 平稳时间序列的重要性 240
13.3 平稳性检验 241
13.4 平稳性的单位根检验 243
13.5 趋势平稳和差分平稳时间序列 247
13.6 随机游走模型（RWM） 250
13.7 要点与结论 255
习题 255
第14章 协整与误差纠正模型 257
14.1 伪回归现象 257
14.2 模拟伪回归 258
14.3 消费支出对可支配收入的回归是伪回归吗? 259
14.4 伪回归不伪的情况 262
14.5 协整检验 263
14.6 协整和误差纠正机制（ECM） 264
14.7 3个月和6个月期国债利率是协整吗? 266
14.8 要点与结论 268
习题 269
第15章 资产价格波动性:ARCH和GARCH模型 271
15.1 ARCH模型 272
15.2 GARCH模型 278
15.3 对ARCH模型的一些拓展 279
15.4 要点与结论 281
习题 282
第16章 经济预测 283
16.1 用回归模型预测 284
16.2 博克斯詹金斯（Box-Jenkins）法:建立ARIMA模型 289
16.3 关于2000年1月3日至2002年10月31日IBM的每日收盘价的ARMA模型 290
16.4 向量自回归（VAR） 296
16.5 用VAR检验因果关系:格兰杰因果关系检验 301
16.6 要点与结论 305
习题 306
附录:预测精度的衡量 307
第五部分 计量经济学的一些精选主题
第17章 面板数据回归模型 311
17.1 面板数据的重要性 312
17.2 一个阐释性例子:慈善捐助 312
17.3 慈善函数的混合OLS回归 313
17.4 固定效应最小二乘虚拟变量（LSDV）模型 315
17.5 固定效应LSDV模型的局限 317
17.6 组内固定效应模型的估计 317
17.7 随机效应模型（REM）或误差成分模型（ECM） 319
17.8 固定效应模型与随机效应模型的比较 322
17.9 各种估计量的性质 323
17.10 面板数据回归:一些总结性评论 324
17.11 要点与结论 324
习题 325
第18章 生存分析 329
18.1 一个阐释性的例子:建立累犯期间模型 329
18.2 生存分析的相关术语 330
18.3 建立累犯期间模型 332
18.4 指数概率分布 333
18.5 Weibull概率分布 335
18.6 比例风险函数模型 337
18.7 要点与结论 339
习题 340
第19章 随机回归元与工具变量方法 343
19.1 内生性的问题 344
19.2 关于随机回归元的问题 345
19.3 回归元与误差项存在相关关系的原因 347
19.4 工具变量法 351
19.5 IV的蒙特卡罗模拟 354
19.6 一些阐释性例子 355
19.7 数值实例:美国青年的收入与教育程度 357
19.8 在IV估计下的假设检验 362
19.9 回归元内生性检验 363
19.10 如何查明一个工具变量是弱的还是强的 364
19.11 多个工具变量的情形 365
19.12 包含多个内生回归元的回归 367
19.13 要点与结论 369
习题 370
第20章 不止于OLS:分位数回归 373
20.1 分位数 374
20.2 分位数回归模型（QRM） 375
20.3 分位数工资回归模型 376
20.4 工资中位数回归 378
20.5 对工资的25%，50%，75%分位数回归 380
20.6 对不同分位数回归下系数是否相同的检验 383
20.7 OLS回归与25%，50%，75%分位数回归的总结 384
20.8 利用Eviews8进行分位数回归 384
20.9 要点与结论 386
习题 387
附录:分位数回归的数学原理 387
第21章 多回归子回归模型 389
21.1 MRMs的若干实例 390
21.2 联合估计的优势 390
21.3 同解释变量前提下MRM估计的一个示例 391
21.4 MRM估计 393
21.5 MRM在其他方面的优势 395
21.6 对MRM一些技术层面的讨论 396
21.7 似不相关回归方程（SURE） 398
21.8 要点与总结 403
习题 404
附录 405
附录1 本书使用的数据集 407
附录2 统计学附录 414
术语表 437
译后记 453
