具体描述
《计量经济学原理》对所有计量经济学学生来说都是完美（并且重要）的工具——不管是一年级本科生，还是硕士一年级学生，抑或博士。这解释了为何教科书中会继续充斥着证明和公式。书中包含了直觉判断、质疑批评、真知灼见、插科打诨和实操建议（推荐与劝阻）。第六版中加入了新篇章，包括工具变量和计算问题，并对GMM和非参数估计方法给出了更多信息。新版还加入了小波分析的内容。
计量经济学以经济理论和统计数据为基础，运用数学和统计学方法，以建立经济计量模型为主要手段，定量分析研究经济变量之间的关系。本书用简洁、准确的语言全面总结了计量经济学的主要内容和最新发展。与传统的教材不同，在陈述和解释各种计量模型时，作者特别强调对计量经济学、基本概念和技术过程的直觉感受，而将进一步讨论的细节和技术材料，都分别归入每章之后的“一般性注释”和“技术性注释”中，从而保证了非常好的可读性。本书已经被公认为是世界各地师生首选的教科书。通过本书的学习，读者可以系统地掌握现代计量经济学的基本原理和基本方法，并且具备一定的建立计量经济学模型进行实证研究的能力。
作者简介
彼得·肯尼迪（PeterKennedy）是SimonFraser大学的经济学教授。除《计量经济学指南》外，他还著有《宏观经济学精要：了解新闻中的经济学》（第二版，2000），同时他担任了《国际预测期刊》、《经济学教育期刊》和《经济学公报》的副主编。
目录信息
1.1 什么是计量经济学
1.2 干扰项
1.3 估计和估计量
1.4 良好和首选的估计量
一般性注释
技术性注释
第2章 估计量标准
2.1 引言
2.2 计算成本
2.3 最小二乘
2.4 R 最大
2.5 无偏性
2.6 有效性
2.7 均方误差（MSE）
2.8 渐近性
2.9 最大似然
2.10 蒙特卡洛研究
2.11 总结
一般性注释
技术性注释
第3章 经典线性回归模型
3.1 作为一览表的教科书
3.2 五个假设
3.3 CLR模型中的OLS估计量
一般性注释
技术性注释
第4章 区间估计和假设检验
4.1 引言
4.2 单一假设的检验： t检验
4.3 联合假设的检验： F检验
4.4 参数向量的区间估计
4.5 LR，W和LM统计量
4.6 自举法
一般性注释
技术性注释
第5章 设定
5.1 引言
5.2 三种方法
5.3 设定的一般原理
5.4 错误设定检验/诊断
5.5 再说 R
一般性注释
技术性注释
第6章 违反假设一：错误回归元，非线性和参数非常数
6.1 引言
6.2 错误的自变量集
6.3 非线性
6.4 变化的参数值
一般性注释
技术性注释
第7章 违反假设二：干扰项的期望非零
不变的非零均值
零截距
有限因变量
边界生产函数
对数变换
一般性注释
第8章 违反假设三：非球状干扰项
8.1 引言
8.2 违背的后果
8.3 异方差
8.4 自相关干扰项
8.5 广义矩法
一般性注释
技术性注释
第9章 违反假设四：工具变量
9.1 引言
9.2 IV估计量
9.3 IV方法的问题
一般性注释
技术性注释
第10章 违反假设五：测量误差和自回归
10.1 变量中的误差
10.2 自回归
一般性注释
技术性注释
第11章 违反假设六：联立方程
11.1 引言
11.2 识别
11.3 单方程方法
11.4 系统方法
一般性注释
技术性注释
第12章 违反假设七：多重共线性
12.1 引言
12.2 后果
12.3 检测多重共线性
12.4 对策
一般性注释
技术性注释
第13章 引入外部信息
13.1 引言
13.2 确定约束条件
13.3 随机约束条件
13.4 预检验估计量
13.5 外部信息与MSE
一般性注释
技术性注释
第14章 贝叶斯方法
14.1 引言
14.2 什么是贝叶斯分析
14.3 贝叶斯方法的优点
14.4 克服实践者的怨言
一般性注释
技术性注释
第15章 虚拟变量
15.1 引言
15.2 解释
15.3 加入其他定性变量
15.4 与定量变量的相互影响
15.5 特定观测值虚似变量
一般性注释
技术性注释
第16章 定性因变量
16.1 二分因变量
16.2 多分因变量
16.3 有序logit/probit模型
16.4 计数
一般性注释
技术性注释
第17章 有限因变量
17.1 引言
17.2 Tobit模型
17.3 样本选择
17.4 久期模型
一般性注释
技术性注释
第18章 面板数据
18.1 引言
18.2 允许不同的截距
18.3 固定与随机效应
18.4 短期和长期
18.5 长而窄的面板数据
一般性注释
技术性注释
第19章 时间序列计量经济学
19.1 引言
19.2 ARIMA模型
19.3 向量自回归（VAR）
19.4 误差修正模型
19.5 单位根检验
19.6 协整
一般性注释
技术性注释
第20章 预测
20.1 引言
20.2 因果预测/计量经济学模型
20.3 时间序列分析
20.4 预测准确性
一般性注释
技术性注释
第21章 稳健估计
21.1 引言
21.2 异常值和有影响的观测值
21.3 消除有影响的观测值因素
21.4 人工神经网络
21.5 非参数估计
一般性注释
技术性注释
第22章 应用计量经济学
22.1 引言
22.2 应用计量经济学的十条圣训
22.3 获得了错误的符号
22.4 普遍错误
22.5 实践者需要了解什么
一般性注释
技术性注释
第23章 计算的问题
23.1 引言
23.2 最优化与计算机搜索
23.3 积分估计与模拟
23.4 奇异分布抽样
一般性注释
技术性注释
附录A 抽样分布———统计的基础
附录B 关于方差
附录C 渐近理论入门
附录D 习题
附录E 编号为偶数的题目答案
难词表
词汇表
· · · · · · (收起)
读后感
用户评价
我对时间序列分析的这部分内容感到无比惊喜，因为它远超出了我原本对基础统计学的预期。作者没有停留于简单的ARIMA模型的介绍，而是深入探讨了协整关系（Cointegration）和格兰杰因果关系检验（Granger Causality Test）的实际应用场景。在讲解如何检验变量间的长期稳定关系时，书中提供了非常详尽的步骤和图示，特别是关于单位根检验（Unit Root Test）中ADF检验和PP检验的选择与解释，避免了许多教科书上常见的晦涩难懂。我尤其欣赏作者在处理非平稳数据时，强调了数据预处理的重要性，指出如果不进行适当的差分或协整处理就直接进行回归分析，可能导致“伪回归”（Spurious Regression）的陷阱。这种对实务中常见错误的警示，体现了作者深厚的实践经验。书中附带的几个利用实际股市或汇率数据进行的案例分析，使得原本枯燥的数学公式和检验程序，瞬间变成了解决实际预测问题的有力工具，让我对利用历史数据构建有效预测模型燃起了浓厚的兴趣。
这本关于微观经济学的教材，其对消费者行为理论的刻画精妙绝伦，特别是关于偏好、效用最大化和需求曲线推导的过程，堪称教科书级别的典范。作者巧妙地运用了无差异曲线和预算约束线的几何直观性，将“理性人”的决策过程可视化，使得即便初次接触这类抽象概念的读者也能迅速建立起清晰的图像记忆。更值得称赞的是，它没有停留在标准的凸性偏好假设上，而是花费相当篇幅讨论了行为经济学中关于“损失厌恶”和“禀赋效应”的非理性选择。通过对前景理论（Prospect Theory）的介绍，作者成功地架起了一座连接传统经济学和新兴行为科学的桥梁，这对于理解现代市场中消费者的真实购买决策至关重要。比如，书中关于“锚定效应”对价格敏感度的影响分析，提供了许多有趣的实验数据支撑，让我开始重新审视那些看似随机的购物行为背后的心理驱动力，极大地拓宽了我对市场均衡概念的理解边界。
这本关于宏观经济学的著作，简直是打开了我对国家经济运行脉络理解的一扇新大门。作者对GDP的核算、通货膨胀的成因及其应对政策的阐述，细致入微，绝非泛泛而谈。尤其是在分析财政政策和货币政策如何相互作用，共同影响经济周期的部分，逻辑链条清晰，案例选取也极具代表性，让我这个初学者也能迅速抓住核心要义。书中对不同学派关于经济复苏路径的争论也进行了公正的梳理，比如凯恩斯主义与新古典宏观经济学的核心分歧，作者并没有简单地站队，而是引导读者去思考在不同经济环境下，何种理论模型更具解释力和操作性。例如，在探讨了“流动性陷阱”这一复杂现象后，作者还结合了近年来全球金融危机后的各国央行实践进行对比分析，这种理论与现实的紧密结合，使得抽象的经济概念变得鲜活而有说服力。读完这一部分，我感觉自己看待新闻中关于央行加息或减息的报道时，视角已经完全不同了，不再是雾里看花，而是能洞察其背后的深层经济逻辑和政策意图。
专注于面板数据（Panel Data）分析的章节，无疑是本书中最具技术深度和应用价值的部分。作者对固定效应模型（Fixed Effects）和随机效应模型（Random Effects）的区分与选择，提供了极其严谨的论证依据——著名的豪斯曼检验（Hausman Test）在书中的阐述，兼顾了理论的严谨性与操作的简便性。我特别喜欢作者将两种模型对比，深入剖析了它们对个体异质性的处理方式：固定效应如何“吃掉”不随时间变化的变量的估计，而随机效应如何依赖于严格的外生性假设。这种层层递进的分析，帮助我明确了在处理企业或国家层面的长期追踪数据时，应根据研究问题和数据特性做出审慎选择。此外，书中对工具变量法（Instrumental Variables, IV）在面板数据中的应用，特别是如何解决内生性问题，提供了大量基于Stata或R语言的实际操作代码示例，这对于希望将理论转化为实证研究的读者来说，是无价的资源，极大地提升了这部分内容的实战价值。
这本书对于计量经济学基础部分的介绍，虽然看似传统，但其对“因果识别”这一核心命题的执着探讨，令人印象深刻。作者花费了大量笔墨去解释，为什么仅仅相关性不足以证明因果关系，并以此为出发点，系统地构建了识别因果效应的分析框架。从最基础的混淆变量（Omitted Variable Bias）到更复杂的工具变量、断点回归设计（Regression Discontinuity Design, RDD）以及双重差分（Difference-in-Differences, DiD）方法，作者的讲解遵循了“提出问题—描述缺陷—引入工具—验证有效性”的完美叙事结构。尤其是在介绍DiD方法时，书中对“平行趋势假设”（Parallel Trends Assumption）的严格要求及其检验方法的详尽说明，彻底纠正了我过去对这类准实验方法认识的粗浅。这种强调识别策略可靠性的态度，使得整本书不仅仅是一本关于如何运行回归模型的指南，更是一本关于如何设计严谨的经济学研究、得出可信结论的方法论手册。
