Handbook of Econometrics pdf epub mobi txt 电子书 下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Elsevier Science Ltd

作者:Griliches, Zvi

出品人:

页数:804

译者:

出版时间:1983-11

价格:$ 186.45

装帧:HRD

isbn号码:9780444861856

丛书系列:

图书标签:

• 计量经济学
• 经济学
• Econometrics
• Statistics
• Econometrics Handbook
• Quantitative Economics
• Applied Econometrics
• Statistical Modeling
• Data Analysis
• Economic Modeling
• Regression Analysis
• Time Series Analysis

计量经济学手册：洞察经济现实的严谨工具 本书导言 在理解复杂多变的现代经济现象时，仅仅依赖理论推演是远远不够的。经济学的力量在于其将抽象概念转化为可检验命题的能力，而实现这一转化的核心桥梁，正是计量经济学。本书《计量经济学手册》旨在为读者提供一个全面、深入且高度实用的指南，涵盖了从基础统计学原理到前沿计量模型的全过程。我们相信，优秀的经济分析必须建立在扎实的统计基础和审慎的模型选择之上。 本书的目标读者群广泛，包括高级经济学本科生、研究生、活跃的研究人员、政策分析师以及任何希望提升其数据驱动决策能力的专业人士。我们不仅注重“是什么”，更强调“为什么”和“如何做”，确保读者能够灵活运用这些工具来解决实际经济问题，并批判性地评估现有研究的有效性。 第一部分：基础与工具箱的构建 计量经济学的旅程始于坚实的基础。本部分将回顾和强化读者对统计学和概率论中与计量经济学密切相关的概念的理解。 第一章：统计学基础与随机变量 本章首先回顾了描述性统计（均值、方差、矩）的核心概念，并迅速过渡到推断统计学的核心——抽样分布、中心极限定理和大数定律。重点探讨了正态分布、t分布、卡方分布和F分布在假设检验和置信区间构建中的具体应用。我们还将介绍贝叶斯统计学的基本思想，并讨论其与经典（频率派）方法的区别与联系，为后续的复杂模型构建打下思想基础。 第二章：线性代数与优化理论的计量经济学视角 计量经济学模型，特别是涉及多变量回归的，本质上是矩阵代数的操作。本章将详细阐述向量空间、矩阵运算（求逆、转置、特征值分解）在回归方程中的作用。特别是，我们将深入探讨最小二乘法（OLS）的几何解释，展示如何利用矩阵表示形式简洁地推导出OLS估计量的表达式。此外，我们还将引入凸优化理论的基础知识，这对于理解非线性模型和约束条件下的估计方法至关重要。 第三章：经典线性回归模型（CLRM）的深入剖析 CLRM是计量经济学的基石。本章将详尽介绍双变量和多元回归模型的设定、解释和推断。我们不仅会推导高斯-马尔可夫定理（Gauss-Markov Theorem），阐明OLS估计量在线性、无偏、有效（BLUE）的条件下为何是最优的，还会详细讨论模型设定的具体步骤，如变量的选择、函数形式（线性、对数、多项式）的选择标准，以及对R方和调整后R方的正确解读。 第二章部分强调：经典假设的检验与修正 这是本书实用性的核心体现。当现实数据不满足CLRM的五个经典假设时，OLS估计量可能会失效或效率低下。本章将聚焦于： 1. 异方差性（Heteroskedasticity）：如何通过怀特检验（White Test）或BPG检验来识别；以及如何使用稳健标准误（如Huber-White标准误）或广义最小二乘法（GLS）进行修正。 2. 自相关性（Autocorrelation）：特别关注时间序列数据中的一阶和高阶自相关，利用杜宾-沃森检验或Breusch-Godfrey检验，并介绍Newey-West估计量。 3. 多重共线性（Multicollinearity）：讨论其影响，以及如何通过方差膨胀因子（VIF）进行诊断。 第二部分：超越线性：高级模型的应用 现实世界中的许多经济关系是非线性的，或者涉及非连续的结果变量。本部分将带领读者进入更具挑战性但更贴近现实的建模领域。 第四章：工具变量法（Instrumental Variables, IV）与因果推断 当存在内生性（Endogeneity）问题（通常由遗漏变量、测量误差或同步性引起）时，OLS估计量是有偏且不一致的。本章将系统介绍工具变量法作为解决内生性的核心工具。我们将详细阐述工具变量的两个关键要求：相关性和外生性。接着，深入探讨两阶段最小二乘法（2SLS）的步骤，并讨论如何检验工具变量的有效性（如Sargan/Hansen检验），以及如何处理弱工具变量（Weak Instruments）的问题。 第五章：离散选择模型（Discrete Choice Models） 在微观经济学和劳动力经济学中，结果变量常常是二元的（是/否，接受/拒绝）。本章将全面覆盖： 1. Logit 模型与 Probit 模型：模型设定、系数的解释（边际效应的计算至关重要）、以及模型的拟合优度评估（伪R方）。 2. 多项 Logit（Multinomial Logit）：处理三个或更多非序次分类结果的建模。 3. Tobit 模型：处理截断（Truncated）或审查（Censored）数据（例如，收入数据通常在零点处被截断）的估计方法。 第六章：面板数据分析（Panel Data Analysis） 面板数据（同时包含个体和时间维度）提供了强大的工具来控制不随时间变化的个体异质性。本章将详细比较三种主要方法： 1. 混合OLS（Pooled OLS）：作为基准。 2. 固定效应模型（Fixed Effects, FE）：通过“去均值化”或引入个体虚拟变量来消除个体特有的不可观测效应，重点在于估计“个体内部”的变化。 3. 随机效应模型（Random Effects, RE）：基于随机误差项的假设，效率更高，但假设更强。 4. Hausman 检验：用于在FE和RE之间进行选择的标准方法。 第三部分：时间序列计量经济学 经济变量往往具有时间依赖性，本部分专注于处理时间序列数据的特殊挑战，如趋势、季节性和非平稳性。 第七章：平稳性、单位根与协整 时间序列分析的基石是平稳性（Stationarity）。本章将解释为什么非平稳（Non-stationary）序列会导致伪回归（Spurious Regression）。我们将介绍检验单位根的常用方法，如迪基-福勒（DF）检验及其增广形式（ADF）。随后，我们将探讨协整（Cointegration）的概念，即非平稳变量之间可能存在长期均衡关系。重点介绍恩格尔-格兰杰（Engle-Granger）双变量模型和约翰森（Johansen）多元协整检验。 第八章：自回归移动平均（ARMA）与动态模型 本章将构建用于刻画时间序列动态特征的模型族： 1. 自回归（AR）模型：如何通过观察序列的自相关函数（ACF）和偏自相关函数（PACF）来确定阶数。 2. 移动平均（MA）模型。 3. ARMA 和 ARIMA 模型：用于处理非平稳序列的整合（Integrated）部分。 第九章：向量自回归（VAR）模型与格兰杰因果关系 VAR模型允许我们同时对多个相互关联的时间序列进行建模，不预设严格的结构关系。本章将阐述VAR模型的估计、稳定性检验，以及格兰杰因果关系检验（Granger Causality Test）在判断变量间动态影响顺序中的作用。此外，还将介绍脉冲响应函数（Impulse Response Functions, IRFs）和方差分解（Forecast Error Variance Decomposition）作为解释VAR模型结果的关键工具。 第四部分：前沿主题与数据处理 第十章：非线性与半参数方法 本章探讨了超越标准线性模型的更复杂估计方法： 1. 非线性最小二乘法（NLS）：在应用中如何进行迭代求解。 2. 广义矩估计法（Generalized Method of Moments, GMM）：作为一种更为灵活的估计框架，特别适用于工具变量法和面板数据模型的更复杂情形。 3. 分位数回归（Quantile Regression）：提供比传统最小二乘法（仅关注条件均值）更全面的分布信息，用于分析收入不平等或风险溢价。 第十一章：计算方法与软件实践 计量经济学的应用离不开强大的计算工具。本章将不再关注理论推导，而是侧重于实践操作。我们将讨论主要计量软件（如Stata, R, Python/Pandas/Statsmodels）中实现上述模型的标准命令和函数。强调数据清洗、异常值处理、模型结果的标准化报告，以及如何进行稳健性检查（Robustness Checks）。 结论：计量经济学的未来视野 计量经济学的领域在不断演进，特别是在因果推断的严格性要求下。本书的最后将简要概述结构模型（Structural Models）、机器学习在计量经济学中的交叉应用，以及大数据对传统计量方法带来的新挑战，激励读者持续学习，并以批判和严谨的态度对待经济数据的分析工作。 本书期望成为您分析经济数据、检验理论假设、并最终构建可信经济论证的必备参考书。

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆