高级计量经济学 pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:高等教育出版社

作者:洪永淼

出品人:

页数:335

译者:

出版时间:2011-7

价格:42.00元

装帧:平装

isbn号码:9787040324242

丛书系列:

图书标签:

计量经济学
经济学
统计
洪永淼
计量
统计与计量
数学
好想读
计量经济学
高级计量经济学
经济学
统计学
模型
回归分析
时间序列
面板数据
因果推断
金融计量学

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小哈图书下载中心

qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

由洪永淼编著的《高级计量经济学》用一个统一的分析框架，系统介绍了现代计量经济学的基本理论与方法。首先，详细介绍了经典线性回归模型的有限样本理论；然后逐一放宽经典回归模型的假设限制，采用大样本分析方法，将线性回归模型推广到独立同分布随机样本与时间序列随机样本，介绍了回归扰动项存在条件异方差、自相关以及解释变量存在内生性等各种情形下的线性回归模型理论；最后，介绍了涵盖线性与非线性回归模型及各种条件矩模型的广义矩方法，以及条件概率模型的最大似然估计法与拟最大似然估计法。

本书强调计量经济学理论与方法的直观解释，以帮助读者更加深刻地理解计量经济学的理论实质。同时，每章还提供了经济学、金融学的典型启发性例子，说明相关计量经济学理论与方法的重要作用及用途。每章的习题也是紧扣主要内容，这些习题有助于消化、理解各章所介绍的计量经济学理论与方法。此外，本书在介绍计量经济学理论时融会了大样本分析的基本训练，以帮助读者培养从事计量经济学理论研究的能力。

《高级计量经济学》可作为经济学、金融学、统计学、应用数学、管理学以及相关学科博士研究生的高级计量经济学课程教材，也可作为从事计量经济学教学和研究的教师与学者的参考书。

现代应用统计学：理论与实践作者：[作者姓名] 出版社：[出版社名称] 出版年份：[年份] --- 内容简介本书旨在为读者提供一个全面、深入且高度实用的现代应用统计学框架。我们聚焦于当前数据科学、商业分析和跨学科研究领域中最常用且最具影响力的统计工具和方法论。本书的叙事结构旨在弥合纯粹的理论推导与实际数据分析应用之间的鸿沟，确保读者不仅理解“如何做”，更能洞悉“为何要这样做”。本书的基石建立在坚实的概率论和数理统计原理之上，但其核心价值在于对这些原理在真实世界场景中的应用和解释。我们避免了过度抽象的数学证明，转而将重点放在模型假设的检验、结果的稳健性评估以及统计推断在决策制定中的关键作用。第一部分：基础重构与现代视角本部分将对传统统计学的核心概念进行回顾与现代化诠释。我们首先从描述性统计学的角度切入，强调数据可视化在探索性数据分析（EDA）中的核心地位，引入现代统计软件（如R或Python的统计库）在数据清洗和预处理中的最佳实践。随后，我们将深入探讨概率论在统计推断中的基础作用。重点关注大数定律、中心极限定理的现代解读，以及贝叶斯与频率学派统计思想在当代分析实践中的融合与取舍。我们详细讨论了点估计与区间估计的原理，特别是对于复杂分布下参数估计的稳健方法，如非参数估计和Bootstraping技术。第二部分：线性模型的深入剖析与超越线性模型仍然是应用统计学中最核心的工具。本部分对多元线性回归（MLR）进行了系统性的解构。我们不仅覆盖了最小二乘法的基本推导，更将大量篇幅用于讲解模型诊断的艺术与科学。这包括对残差分析的细致考察、异方差性（如使用White检验或Breusch-Pagan检验）和自相关的处理策略（如使用Newey-West标准误），以及多重共线性的识别与缓解技术。超越基础MLR，我们探讨了广义线性模型（GLM）的强大能力，包括Logistic回归、泊松回归及其在二元、计数和比例数据分析中的广泛应用。本章特别强调了链接函数和指数族分布的概念，帮助读者理解不同数据类型背后的统一建模框架。此外，方差分析（ANOVA）和协方差分析（ANCOVA）被置于实验设计与观测数据比较的框架下进行讨论，重点关注如何构建有效的对比度（contrasts）以回答特定的研究问题。第三部分：时间序列分析的动态视角在处理具有时间依赖性的数据时，传统模型的独立性假设被打破。本部分专门用于讲解时间序列数据的分析方法。我们从时间序列的平稳性概念入手，介绍ADF检验等单位根检验方法。随后，我们将详细介绍经典的ARIMA (自回归-移动平均) 模型及其扩展，如SARIMA处理季节性数据。在现代语境下，我们同样关注条件异方差性的建模，如ARCH和GARCH模型的应用，这对于金融风险管理至关重要。本部分还涵盖了更现代的建模技术，例如向量自回归（VAR）模型在分析多个相互影响的时间序列系统中的应用，以及状态空间模型的理论基础和实际操作，特别是卡尔曼滤波器的应用。第四部分：非参数方法与高维挑战随着数据复杂性的增加，对模型分布的严格假设往往变得不切实际。本部分致力于介绍非参数和半参数方法。我们深入探讨了核密度估计（KDE）、核平滑以及基于秩的检验方法，如Wilcoxon检验和Kruskal-Wallis检验，强调其在模型鲁棒性方面的优势。非参数回归，如局部加权散点平滑（LOWESS/LOESS）和样条回归（Splines），被详细介绍为线性模型之外的重要补充。最后，本书转向高维数据分析。在特征数量远超样本量（$p > n$）的情况下，标准的最小二乘法失效。我们对收缩估计方法进行了详尽的讨论，特别是Ridge回归、Lasso回归的正则化原理、L1与L2范数的区别及其对模型稀疏性的影响。主成分分析（PCA）作为降维技术，其统计学基础和在回归模型中的应用也被纳入讨论。第五部分：统计学习的前沿交叉本部分将传统的统计推断方法与现代机器学习算法进行有效集成。我们探讨了分类与判别分析（如线性判别分析LDA和二次判别分析QDA），并将其与统计学习中的支持向量机（SVM）和树形方法进行对比。决策树、随机森林（Random Forests）和梯度提升机（Gradient Boosting Machines）的内部机制被清晰地阐述，重点在于如何从统计学的角度理解它们的偏差-方差权衡，以及如何使用交叉验证进行模型选择和性能评估。本书的最后一部分聚焦于模型选择与比较的统计学基础。我们详细剖析了信息准则（AIC、BIC）的推导及其在模型复杂度惩罚中的作用，并介绍了重采样方法（如Bootstrap和Jackknife）在估计模型标准误差和偏差时的应用，确保读者在复杂的建模环境中能够做出严谨的、可重复的统计决策。 --- 目标读者本书面向具有扎实微积分和线性代数基础的高年级本科生、研究生，以及需要掌握现代统计分析工具的从业人员，包括经济学家、金融分析师、生物统计学家、数据科学家和工程研究人员。学习本书后，读者将能独立构建、诊断并解释复杂数据集上的统计模型，并能批判性地评估现有研究中采用的统计方法。

作者简介

洪永淼，1993年获得美国加州大学圣地亚哥校区经济学博士学位，同年成为康奈尔大学经济学助理教授，1998年获得终身教职，2001年成为终身教授，现为Ernest S.Liu经济学与国际研究讲座教授。2002年起，担任清华大学经济管理学院特聘教授，2005年起担任厦门大学王亚南经济研究院与厦门大学计量经济学教育部重点实验室“长江学者”讲座教授。他是第十届中国数量经济学会副理事长，中国留美经济学会会长（2009—2010）。研究兴趣包括计量经济学理论、时间序列分析、金融计量经济学、中国经济和金融市场实证研究，在国际主流经济学、金融学、统计学期刊上发表过几十篇学术论文。

赵西亮，2005年毕业于清华大学经济管理学院，获得经济学博士学位，同年应聘为厦门大学经济学系助理教授，2009年晋升为副教授。2009年9月至2010年8月赴美国康奈尔大学经济学系从事研究访问，2010年9月至2011年1月赴加拿大西安大略大学经济学系从事研究访问。研究兴趣包括应用计量经济学、实证金融学和教育经济学。在《经济学动态》、《数量经济与技术经济研究》等国内重要期刊上发表学术论文十余篇。

吴吉林，2010年6月毕业于厦门大学王亚南经济研究院，获得经济学博士学位，同年应聘为山东大学经济研究院助理教授。2007年9月至2009年9月获国家留学基金委中外联合培养博士项目的资助，赴美国密苏里州立大学哥伦比亚校区R0bert J.TruLaske，Sr商学院学习。主要研究兴趣包括金融计量经济学和资产定价，在《世界经济》、《管理科学学报》、《中国管理科学》等国内重要期刊上发表数篇论文。

目录信息

第一章计量经济学导论第一节引言第二节现代经济学的定量分析特征第三节数学建模第四节经验验证第五节说明性实例第六节计量经济学的局限性第七节小结练习题第二章一般回归分析和模型设定第一节条件概率分布第二节条件均值与回归分析第三节线性回归建模第四节条件均值的模型设定第五节小结练习题二第三章经典线性回归模型第一节假设第二节普通最小二乘估计第三节拟合优度和模型选择准则第四节 OLS估计量的无偏性和有效性第五节 OLS估计量的抽样分布第六节 OLS估计量的方差-协方差矩阵的估计第七节参数假设检验第八节应用及重要特例第九节广义最小二乘估计第十节小结练习题三第四章独立同分布随机样本的线性回归模型第一节渐近理论导论第二节线性回归模型假设第三节 OLS估计量的一致性第四节 0LS估计量的渐近正态性第五节渐近方差估计量第六节参数假设检验第七节条件异方差检验第八节小结练习题四第五章平稳时间序列的线性回归模型第一节时间序列分析导论第二节平稳时间序列线性回归模型假设第三节 OLS估计量的一致性第四节 OLS估计量的渐近正态性第五节渐近方差-协方差估计第六节参数假设检验第七节条件异方差和自回归条件异方差检验第八节序列相关检验第九节小结练习题五第六章具有条件异方差和自相关扰动项的线性回归模型第一节问题的提出第二节时间序列线性回归模型假设第三节长期方差-协方差估计第四节 OLS估计量的一致性第五节 OLS估计量的渐近正态性第六节参数假设检验第七节检验是否需要估计长期方差-协方差第八节 Cochrane-Orcutt方法第九节小结练习题六第七章工具变量回归分析第一节问题的提出第二节假设第三节两阶段最小二乘估计第四节 2SLS的一致性第五节 2SLS的渐近正态性第六节方差-协方差矩阵的解释与估计第七节参数假设检验第八节 Hausman检验第九节小结和讨论练习题七第八章广义矩方法第一节矩估计方法导论第二节广义矩方法第三节 GMM估计量的一致性第四节 GMM估计量的渐近正态性第五节渐近有效性第六节两阶段GMM最优估计第七节渐近方差估计量第八节参数假设检验第九节模型设定检验第十节小结练习题八第九章最大似然估计和拟最大似然估计第一节问题的提出第二节最大似然估计和拟最大似然估计第三节 MLE/QMLE的一致性第四节条件概率分布模型正确设定及其含义第五节 MLE的渐近分布第六节 MLE渐近方差-协方差的一致估计第七节正确模型设定下的参数假设检验第八节条件概率分布模型误设及其含义第九节 QMLE的渐近分布第十节 QMLE的渐近方差-协方差估计第十一节模型误设下的参数假设检验第十二节条件概率分布模型设定检验第十三节小结练习题九第十章总结参考文献
· · · · · · (收起)

读后感

评分☆☆☆☆☆

洪的大名如雷贯耳，于是高计毫不犹豫的选了我们国人教授的讲义。然而，实在是我基础不扎实，读了前两章实在不符合我的口味，而学习时间有限，只好放弃了。所以我这个评价不敢说非常公允：个人觉得这书起点稍高，适合在刚学完概率统计和矩阵求导之后学习，同时必须有计量经济...

评分☆☆☆☆☆

用户评价

评分☆☆☆☆☆

所有的线性变形都是从ols出发，因为ols是线性的，所有的非线性系统都可以通过线性模拟。因为线性是可以还原的。ols打破正太分布的假设，就需要派出大数定律；打破同方差的假设，就是横截面上GLS；打破xe不相关，就是时间序列分析；打破correct specification就是工具变量与2SLS。就是最后连线性假设都被打破了，就是二值模型等。OLS是研究一阶距的，如果研究二阶就是Garch，如果再往上就是Skewness（研究行为金融需要用到好像），all the moments就只能依靠极大似然估计了。

评分☆☆☆☆☆

推导真细致，难得见到这种风格的计量书，喜欢！

评分☆☆☆☆☆

推导真细致，难得见到这种风格的计量书，喜欢！

评分☆☆☆☆☆

？评论令我费解洪老师的书我是真的不行我不如看原版死得痛快不过也确实是洪老师的书才让人感受到了高级计量也能加入高级crew的原因不然总感觉比宏观和微观轻松太多

评分☆☆☆☆☆

我们老师是洪永淼的弟子，5次课就把这本书讲完了给跪。。。是所有高级计量中最平易近人的一本，推导啊多看几遍自己也能做出来，永远忘不了在图书馆做计量的一个星期。基础不好可以配合伍德里奇的计量一起看。学习后真是打开了新世界的大门！