计量经济分析方法与建模 EViews应用及实例 第3版PDF|Epub|txt|kindle电子书版本下载

计量经济分析方法与建模 EViews应用及实例 第3版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第Ⅰ部分 数据分析基础3

第1章 概率与统计基础3

1.1 随机变量3

1.1.1 概率分布3

1.1.2 随机变量的数字特征5

1.1.3 随机变量的联合分布6

1.2 从总体到样本8

1.2.1 基本统计量8

1.2.2 估计量性质10

1.3 一些重要的概率分布11

1.3.1 正态分布11

1.3.2 x2分布13

1.3.3 t分布14

1.3.4 F分布15

1.4 统计推断17

1.4.1 参数估计17

1.4.2 假设检验18

1.5 EViews软件的相关操作21

1.5.1 单序列的统计量、检验和分布21

1.5.2 多序列的显示和统计量22

第2章 经济时间序列的处理、季节调整与分解25

2.1 经济时间序列的处理和频率转换方法25

2.1.1 经济指标几种数据类型的概念26

2.1.2 频率转换28

2.2 季节调整32

2.2.1 移动平均公式33

2.2.2 Census X-13-ARIMA-SEATS季节调整方法35

2.2.3 TRAMO/SEATS方法45

2.3 趋势分解47

2.3.1 Hodrick-Prescott滤波方法47

2.3.2 频谱滤波（BP滤波）方法50

2.4 EViews软件的相关操作56

2.4.1 频率转换56

2.4.2 X-13-ARIMA-SEATS季节调整58

2.4.3 TRAMO/SEATS季节调整63

2.4.4 Hodrick-Prescott滤波64

2.4.5 BP滤波64

第Ⅱ部分 基本的单方程分析69

第3章 基本回归模型69

3.1 古典线性回归模型69

3.1.1 一元线性回归模型69

3.1.2 最小二乘法70

3.1.3 多元线性回归模型72

3.1.4 系数估计量的性质73

3.1.5 线性回归模型的检验73

3.1.6 AIC准则和Schwarz准则76

3.2 回归方程的函数形式77

3.2.1 双对数线性模型77

3.2.2 半对数模型78

3.2.3 双曲函数模型79

3.2.4 多项式回归模型80

3.2.5 Box-Cox转换80

3.3 包含虚拟变量的回归模型81

3.3.1 回归中的虚拟变量81

3.3.2 季节调整的虚拟变量方法83

3.4 模型设定和假设检验84

3.4.1 系数检验85

3.4.2 残差检验88

3.4.3 模型稳定性检验89

3.5 方程模拟与预测91

3.5.1 预测误差与方差91

3.5.2 预测评价92

3.6 EViews软件的相关操作94

3.6.1 设定回归方程形式和估计方程94

3.6.2 方程输出结果96

3.6.3 与回归方程有关的操作97

3.6.4 模型设定和假设检验98

3.6.5 预测100

第4章 其他回归方法101

4.1 异方差101

4.1.1 异方差检验103

4.1.2 加权最小二乘估计106

4.1.3 存在异方差时参数估计量的一致协方差109

4.2 二阶段最小二乘法110

4.3 非线性最小二乘法111

4.4 广义矩方法114

4.4.1 矩法估计量115

4.4.2 广义矩估计115

4.5 多项式分布滞后模型117

4.6 逐步最小二乘回归119

4.7 分位数回归121

4.7.1 分位数回归的基本思想和系数估计122

4.7.2 系数协方差的估计123

4.7.3 模型评价和检验127

4.8 非参数回归模型130

4.8.1 密度函数的非参数估计130

4.8.2 一元非参数计量经济模型133

4.9 稳健最小二乘法（robust）135

4.9.1 M估计136

4.9.2 S估计139

4.9.3 MM估计141

4.9.4 系数协方差的计算方法141

4.10 有限信息极大似然估计和K类估计142

4.10.1 有限信息极大似然估计（LIML）142

4.10.2 K类估计143

4.11 EViews软件的相关操作144

4.11.1 异方差检验144

4.11.2 加权最小二乘法估计145

4.11.3 White异方差一致协方差和Newey-West异方差自相关一致协方差145

4.11.4 二阶段最小二乘法（TSLS）估计146

4.11.5 非线性最小二乘估计146

4.11.6 GMM估计147

4.11.7 估计包含PDLs的模型148

4.11.8 逐步回归估计148

4.11.9 分位数回归149

4.11.10 非参数估计150

4.11.11 Robust最小二乘估计152

4.11.12 在EViews中进行LIMI和K类估计152

4.12 附录 广义最小二乘估计152

第5章 时间序列模型154

5.1 序列相关及其检验154

5.1.1 序列相关及其产生的后果154

5.1.2 序列相关的检验方法155

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160

5.2 平稳时间序列建模163

5.2.1 平稳时间序列的概念163

5.2.2 ARMA模型163

5.2.3 ARMA模型的平稳性164

5.2.4 ARMA模型的识别166

5.3 非平稳时间序列建模170

5.3.1 非平稳序列和单整171

5.3.2 非平稳序列的单位根检验172

5.3.3 突变点单位根检验（breakpoint unit root test）180

5.3.4 ARIMA模型184

5.3.5 ARFIMA模型187

5.3.6 自回归分布滞后模型188

5.4 协整和误差修正模型190

5.4.1 协整关系191

5.4.2 基于残差的协整检验191

5.4.3 误差修正模型（ECM）194

5.5 EViews软件的相关操作196

5.5.1 检验序列相关性196

5.5.2 修正序列相关197

5.5.3 ARMA（p,q）模型的估计198

5.5.4 单位根检验199

5.5.5 非平稳时间序列估计201

5.5.6 基于残差的EG协整检验（EG和PO协整检验方法）202

第Ⅲ部分 扩展的单方程分析207

第6章 条件异方差模型207

6.1 自回归条件异方差模型207

6.1.1 ARCH模型207

6.1.2 ARCH的检验209

6.1.3 GARCH模型212

6.1.4 IGARCH模型214

6.1.5 约束及回推215

6.1.6 GARCH模型的残差分布假设215

6.1.7 GARCH-M模型217

6.2 非对称的ARCH模型218

6.2.1 TARCH模型219

6.2.2 EGARCH模型220

6.2.3 PARCH模型220

6.2.4 非对称的信息冲击曲线221

6.3 成分ARCH模型223

6.4 EViews软件的相关操作224

6.4.1 ARCH检验224

6.4.2 ARCH模型的建立225

6.4.3 ARCH模型的视图和过程227

6.4.4 ARCH模型的输出228

6.4.5 绘制估计的信息冲击曲线229

第7章 离散因变量和受限因变量模型230

7.1 二元选择模型230

7.1.1 线性概率模型及二元选择模型的形式231

7.1.2 二元选择模型的估计问题232

7.1.3 二元选择模型的变量假设检验问题237

7.2 排序选择模型237

7.3 受限因变量模型240

7.3.1 审查、选择性样本和截断数据240

7.3.2 受限因变量数据为什么不能用普通最小二乘估计242

7.3.3 审查回归模型242

7.3.4 截断回归模型245

7.4 Heckman样本选择模型246

7.5 计数模型249

7.5.1 泊松模型的形式与参数估计250

7.5.2 负二项式模型的形式与参数估计250

7.5.3 准—极大似然估计250

7.6 广义线性模型253

7.6.1 广义线性模型的形式254

7.6.2 广义线性模型的参数估计256

7.7 EViews软件的相关操作261

7.7.1 二元选择模型261

7.7.2 排序选择模型263

7.7.3 审查回归模型264

7.7.4 截断回归模型266

7.7.5 Heckman选择模型266

7.7.6 计数模型267

7.7.7 广义线性模型268

第8章 对数极大似然估计271

8.1 对数极大似然估计的基本原理271

8.1.1 极大似然估计的基本原理271

8.1.2 极大似然估计量的计算方法273

8.1.3 优化算法274

8.2 对数极大似然的估计实例276

8.2.1 一元线性回归模型的极大似然函数276

8.2.2 AR（1）模型的极大似然函数277

8.2.3 GARCH（q,p）模型的极大似然函数279

8.2.4 具有异方差的一元线性回归模型的极大似然函数281

8.3 EViews软件的相关操作283

8.3.1 似然对象的建立283

8.3.2 似然对象的估计、视图和过程286

8.3.3 问题解答288

第9章 具有结构变化特征的回归模型290

9.1 间断点回归模型291

9.1.1 多个间断点的检验291

9.1.2 包含多个间断点时的方程估计294

9.2 门限回归模型294

9.2.1 门限回归（TR）模型295

9.2.2 自激励门限自回归（SETAR）模型299

9.3 转换回归模型300

9.3.1 转换回归的基本模型300

9.3.2 马尔可夫区制转换模型302

9.3.3 动态转换模型308

9.4 EViews软件的相关操作312

9.4.1 间断点检验和间断点模型估计312

9.4.2 门限模型的估计316

9.4.3 转换方程对象的建立与估计320

第Ⅳ部分 多方程分析329

第10章 向量自回归和向量误差修正模型329

10.1 向量自回归理论329

10.1.1 VAR模型的一般表示329

10.1.2 结构VAR模型（SVAR）331

10.2 结构VAR（SVAR）模型的识别条件334

10.2.1 SVAR模型的识别条件335

10.2.2 SVAR模型的约束形式335

10.3 VAR模型的检验339

10.3.1 Granger因果检验339

10.3.2 滞后阶数p的确定342

10.4 脉冲响应函数343

10.4.1 脉冲响应函数的基本思想343

10.4.2 VAR模型的脉冲响应函数344

10.4.3 广义脉冲响应函数346

10.4.4 SVAR模型的脉冲响应函数349

10.5 方差分解351

10.6 Johansen协整检验354

10.6.1 特征根迹检验（trace检验）355

10.6.2 最大特征值检验356

10.6.3 协整方程的形式356

10.7 向量误差修正模型358

10.8 贝叶斯VAR模型362

10.8.1 贝叶斯VAR模型的基本思想362

10.8.2 先验分布364

10.9 EViews软件的相关操作369

10.9.1 VAR模型的建立和估计369

10.9.2 VAR模型的视图371

10.9.3 VAR模型的过程373

10.9.4 脉冲响应函数的计算377

10.9.5 方差分解的实现378

10.9.6 协整检验379

10.9.7 VEC模型的建立和估计380

10.9.8 BVAR模型的估计382

第11章 基本的Panel Data模型386

11.1 Panel Data模型的基本原理386

11.1.1 Panel Data模型概述386

11.1.2 Panel Data模型分类387

11.2 模型形式设定检验388

11.3 变截距模型390

11.3.1 固定影响变截距模型391

11.3.2 随机影响变截距模型399

11.3.3 Hausman检验403

11.4 变系数模型405

11.4.1 固定影响变系数模型406

11.4.2 随机影响变系数模型409

11.5 Panel Data模型系数协方差的估计方法410

11.6 EViews软件的相关操作412

11.6.1 含有Pool对象的工作文件412

11.6.2 Pool对象中数据处理414

11.6.3 Pool对象的模型估计418

第12章 扩展的Panel Data模型423

12.1 面板数据的单位根检验423

12.1.1 相同根情形下的单位根检验424

12.1.2 不同根情形下的单位根检验426

12.2 面板数据的协整检验429

12.2.1 Pedroni检验430

12.2.2 Kao检验432

12.2.3 Fisher面板协整检验433

12.3 面板数据广义矩（GMM）方法434

12.3.1 面板数据GMM方法的基本原理435

12.3.2 面板数据GMM的估计方法435

12.4 动态面板数据回归模型437

12.4.1 动态面板数据回归模型简介437

12.4.2 动态面板数据模型的估计439

12.5 EViews软件的相关操作444

12.5.1 构建面板工作文件444

12.5.2 面板数据的基本分析445

12.5.3 面板数据模型的建立与估计448

第13章 状态空间模型和卡尔曼滤波452

13.1 状态空间模型的定义452

13.2 卡尔曼滤波454

13.2.1 Kalman滤波的一般形式455

13.2.2 Kalman滤波的解释和性质456

13.2.3 修正的Kalman滤波递推公式457

13.2.4 非时变模型及Kalman滤波的收敛性458

13.2.5 Kalman滤波的初始条件458

13.3 状态空间模型超参数的估计459

13.3.1 似然函数形式的预测误差分解459

13.3.2 超参数的估计方法460

13.4 状态空间模型的应用461

13.4.1 可变参数模型的状态空间表示461

13.4.2 季节调整的状态空间形式465

13.4.3 ARMAX模型的状态空间形式469

13.5 EViews软件的相关操作471

13.5.1 定义状态空间模型471

13.5.2 估计状态空间模型477

13.5.3 状态空间模型的视窗和过程477

第14章 联立方程模型的估计与模拟483

14.1 联立方程系统概述483

14.1.1 联立方程系统的基本概念484

14.1.2 联立方程系统的识别487

14.1.3 一个小型中国宏观经济联立方程模型489

14.2 联立方程系统的估计方法491

14.2.1 单方程估计方法493

14.2.2 系统估计方法499

14.2.3 多变量ARCH方法506

14.3 联立方程模型的模拟512

14.3.1 联立方程模型概述512

14.3.2 模型模拟的分类513

14.3.3 模型的评估516

14.3.4 情景分析517

14.4 EViews软件的相关操作520

14.4.1 联立方程系统的基本操作521

14.4.2 联立方程模型的模拟与预测527

14.4.3 联立方程模型的求解536

14.4.4 联立方程模型的数据操作541

第15章 主成分分析和因子分析543

15.1 主成分分析543

15.1.1 主成分分析的基本思想543

15.1.2 总体主成分求解及其性质544

15.1.3 样本的主成分546

15.2 因子分析549

15.2.1 基本的因子分析模型550

15.2.2 正交因子模型的性质551

15.2.3 因子载荷的估计方法551

15.2.4 因子数目的确定方法及检验554

15.2.5 因子旋转560

15.2.6 因子得分563

15.3 EViews软件的相关操作568

15.3.1 主成分分析的实现568

15.3.2 因子分析的实现570

15.3.3 因子旋转的操作573

15.3.4 计算因子得分574

15.3.5 因子视图575

15.3.6 因子过程577

附录A EViews中的常用函数578

A1．公式中的运算符号及其含义578

A2．时间序列函数及其含义579

A3．序列描述性统计量的＠函数及其含义579

A4．三角函数580

A5．统计函数580

A6．回归统计量的＠函数及其含义581

参考文献582