计量经济分析方法与建模：数量经济学系列丛书

图书标准信息

• 作者 高铁梅 编
• 出版社 清华大学出版社
• 出版时间 2009-05
• 版次 2
• ISBN 9787302200123
• 定价 49.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 568页
• 字数 759千字
• 正文语种 简体中文
• 丛书 数量经济学系列丛书

【内容简介】

　　《计量经济分析方法与建模：EViews应用及实例(第2版)》全面介绍计量经济学的主要理论和方法，尤其是20世纪80年代以来重要的和全新的发展，并将它们纳入一个完整、清晰的体系之中。《计量经济分析方法与建模：EViews应用及实例(第2版)》在数学描述方面适当淡化，以讲清楚方法、思路为目标，不做大量的推导和证明，重点放在如何运用各种计量经济方法对实际的经济问题进行分析、建模、预测、模拟等实际操作上。《计量经济分析方法与建模：EViews应用及实例(第2版)》中的实际案例大多数是作者在实践中运用的实例和国内外的经典实例，并基于EViews软件来介绍实际应用，具有很强的可操作性。
　　《计量经济分析方法与建模：EViews应用及实例(第2版)》可作为本科生及研究生的教材，也可作为在经济、统计、金融等领域从事定量分析的工作人员的参考书。

【目录】

第Ⅰ部分数据分析基础
第1章概率与统计基础
1．1随机变量
1．1．1概率分布
1．1．2随机变量的数字特征
1．1．3随机变量的联合分布
1．2从总体到样本
1．2．1基本统计量
1．2．2估计量性质
1．3一些重要的概率分布
1．3．1正态分布
1．3．2X分布
1．3．3t分布
1．3．4F分布
1．4统计推断
1．4．1参数估计
1．4．2假设检验
1．5EViews软件的相关操作
1．5．1单序列的统计量、检验和分布
1．5．2多序列的显示和统计量

第2章经济时间序列的季节调整、分解与平滑
2．1移动平均方法
2．1．1简单的移动平均公式
2．1．2中心化移动平均
2．1．3加权移动平均
2．2季节调整
2．2．1X11季节调整方法
2．2．2CensusX12季节调整方法
2．2．3移动平均比率方法
2．2．4TRAMO／SEATS方法
2．3趋势分解
2．3．1Hodrick—Prescott滤波方法
2．3．2频谱滤波(BP滤波)方法
2．4指数平滑方法
2．4．1单指数平滑
2．4．2双指数平滑
2．4．3Holt—winters乘法模型
2．4．4Holt—winters加法模型
2．4．5Holt—Winters——无季节性模型
2．5EViews软件的相关操作
2．5．1X11季节调整方法的操作
2．5．2X12季节调整方法
2．5．3移动平均比率方法
2．5．4Tramo／Seats方法
2．5．5Hodrick—Prescott滤波
2．5．6BP滤波
2．5．7指数平滑法

第Ⅱ部分基本的单方程分析
第3章基本回归模型
3．1古典线性回归模型
3．1．1一元线性回归模型
3．1．2最小二乘法
3．1．3多元线性回归模型
3．1．4系数估计量的性质
3．1．5线性回归模型的检验
3．1．6AIC准则和Schwarz准则
3．2回归方程的函数形式
3．2．1双对数线性模型
3．2．2半对数模型
3．2．3双曲函数模型
3．2．4多项式回归模型
3．2．5Box—Cox转换
3．3包含虚拟变量的回归模型
3．3．1回归中的虚拟变量
3．3．2季节调整的虚拟变量方法
3．4模型设定和假设检验
3．4．1系数检验
3．4．2残差检验
3．4．3模型稳定性检验
3．5方程模拟与预测
3．5．1预测误差与方差
3．5．2预测评价
3．6Eviews软件的相关操作
3．6．1设定回归方程形式和估计方程
3．6．2方程输出结果
3．6．3与回归方程有关的操作
3．6．4模型设定和假设检验
3．6．5预测

第4章其他回归方法
4．1异方差
4．1．1异方差检验
4．1．2加权最小二乘估计
4．1．3存在异方差时参数估计量的一致协方差
4．2二阶段最小二乘法
4．3非线性最小二乘法
4．4广义矩方法
4．4．1矩法估计量
4．4．2广义矩估计
4．5多项式分布滞后模型
4．6逐步最小二乘回归
4．7分位数回归
4．7．1分位数回归的基本思想和系数估计
4．7．2系数协方差的估计
4．7．3模型评价和检验
4．8非参数回归模型
4．8．1密度函数的非参数估计
4．8．2一元非参数计量经济模型
4．9EViews软件的相关操作
4．9．1异方差检验
4．9．2加权最小二乘法估计
4．9．3white异方差一致协方差和Newey—west异方差自相关一致协方差
4．9．4在EViews中使用TsLs估计
4．9．5在EViews中使用非线性最小二乘估计
4．9．6在EViews中使用GMM进行估计
4．9．7在EViews中估计包含PDI。s的模型
4．9．8在EVJews中进行逐步回归估计
4．9．9在EViews中进行分位数回归
4．9．10在EVieWS中进行非参数估计
4．10附录广义最小二乘估计

第5章时间序列模型
5．1序列相关及其检验
5．1．1序列相关及其产生的后果
5．1．2序列相关的检验方法
5．1．3扰动项存在序列相关的线性回归方程的估计与修正
5．2平稳时间序列建模
5．2．1平稳时间序列的概念
5．2．2ARMA模型
5．2．3ARMA模型的平稳性
5．2．4ARMA模型的识别
5．3非平稳时间序列建模
5．3．1非平稳序列和单整
5．3．2非平稳序列的单位根检验
5．3．3ARIMA模型
5．4协整和误差修正模型
5．4．1协整关系
5．4．2协整检验
5．4．3误差修正模型(EcM)
5．5EViews软件的相关操作
5．5．1检验序列相关性
5．5．2修正序列相关
5．5．3ARMA(p，q)模型的估计
5．5．4单位根检验

第Ⅲ部分扩展的单方程分析
第6章条件异方差模型
第7章离散因变量和受限因变量模型
第8章对数极大似然估计
第Ⅳ部分多方程分析
第9章向量自回归和向量误差修正模型
第10章PanelData模型
第11章状态空间模型和卡尔曼滤波
第12章联立方程模型的估计与模拟
第13章主成分分析和因子分析
附录AEViews软件基础
附录BEViews程序设计
附录CEViews中的常用函数
附录D数据
参考文献