应用数量经济学/普通高等教育“十一五”国家级规划教材·华章文渊经济学系列

图书标准信息

• 作者 张晓峒 著
• 出版社 机械工业出版社
• 出版时间 2009-03
• 版次 1
• ISBN 9787111265757
• 定价 45.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 394页
• 正文语种 简体中文
• 丛书 普通高等教育“十一五”国家级规划教材·华章文渊经济学系列

【内容简介】

　　《应用数量经济学》除了介绍最基本的推断统计和数量经济学知识外，还介绍最新的计量经济学研究成果，如面板数据模型、结构突变序列的单位根检验等。其次，《应用数量经济学》在给出理论分析的同时，重点强调实际应用，所以书中给出大量案例，试图为读者准确掌握、应用数量经济学知识分析经济问题提供范例。此外，书中全部案例都是以我国数据为背景进行分析，为数量经济学与我国的经济研究、分析相结合，为把这种科学的分析方法引入中国进行了积极探索。书中配备了很多图，相信对学生和读者准确理解数量经济学知识会大有裨益。

【作者简介】

　　张晓峒，南开大学经济学院教授、数量经济研究所所长、数量经济学专业博士生导师，日本大阪市立大学经济学博士，中国数量经济学会常务理事、天津市数量经济学会理事长，吉林大学、首都经济贸易大学兼职博士生导师。研究方向是计量经济学、应用统计学。1984年～1986年和1993～1998年分别在加拿大蒙特利尔市康考迪亚（Concordia）大学和日本大阪市立大学留学。承担过多项国家自然科学基金、国家社科基金、教育部、商务部以及中国人民银行的科研项目。出版的主要著作有《计量经济学基础》、《应用数量经济学》（以上两本为普通高等教育“十一五”国家级规划教材）、《计量经济分析》、《EViews使用指南与案例》、《时间序列X-12-ARIMA季节调整——原理与方法》、《英汉数量经济学词汇》等。

【目录】

前言
教学建议
第1章数据的特征数
1.1累计求和算子的运算规则
1.2画图
1.2.1直方图
1.2.2折线图
1.2.3散点图
1.3算术平均数
1.4几何平均数
1.5中位数
1.6极差
1.7方差
1.8标准差
1.9偏度
1.10峰度
1.11协方差
1.12相关系数
1.12.1相关的定义与分类
1.12.2简单线性相关的度量
1.12.3相关系数的取值范围
1.12.4线性相关系数的局限性

第2章总体特征数的点估计与区间估计
2.1抽样的基本概念
2.2几种统计量的抽样分布
2.2.1样本平均数x的抽样分布
2.2.2统计量W=(n－1)s2σ2的抽样分布
2.2.3统计量t=x－μs/n的抽样分布
2.2.4统计量F的抽样分布
2.2.5样本比率的抽样分布
2.2.6样本相关系数的抽样分布
2.3点估计
2.3.1总体参数的点估计
2.3.2评价估计量优劣的标准
2.4区间估计
2.4.1区间估计的概念
2.4.2总体均值μ的置信区间计算公式
2.4.3总体方差σ2的区间估计
2.4.4两个正态总体均值差(μ1-μ2)的置信区间
2.4.5两个正态总体方差比σ22σ21的置信区间
2.4.6大样本条件下总体比率p的置信区间估计

第3章总体特征数的假设
检验3.1假设检验的基本思想与方法
3.1.1假设检验的原理与分类
3.1.2假设检验的两类错误
3.1.3p值
3.1.4检验功效
3.2总体均值的假设检验
3.2.1情形1：总体服从正态分布,总体方差σ2已知,样本大小无限制,检验μ=μ0
3.2.2情形2：总体分布未知,总体方差σ2未知,大样本(n≥30),检验μ=μ0
3.2.3情形3：总体服从正态分布,总体方差σ2未知,小样本(n〈30),检验μ=μ0
3.2.4单侧检验
3.3两个正态总体均值差异的假设检验
3.4总体方差的假设检验
3.5总体比率的假设检验
3.5.1大样本条件下单个总体比率的假设检验
3.5.2两个总体比率的假设检验(大样本)
3.6总体分布律的假设检验(拟合优度检验)
3.6.1离散型分布总体的分布率检验
3.6.2连续型分布总体的分布率检验
3.7简单相关系数的检验

第4章经济指数
4.1指数的定义和分类
4.1.1指数简史
4.1.2指数定义
4.1.3指数的作用
4.1.4指数的分类
4.2指数的计算
4.2.1单一指数的计算
4.2.2简单综合指数的计算
4.2.3加权综合指数的计算
4.2.4加权平均指数的计算
4.3指数基期的选择
4.4基期变换与指数序列的拼接
4.5固定(不变)价格经济序列的计算
4.6国内外主要指数介绍
4.6.1商品零售价格指数
4.6.2居民消费价格指数
4.6.3香港恒生指数
4.6.4上证综指
4.6.5深证成指
4.6.6道琼斯指数

第5章一元线性回归模型
5.1模型的建立及其假定条件
5.1.1建立模型的意义
5.1.2一元线性回归模型的定义
5.1.3一元线性回归模型的经济含义与特征
5.1.4模型的假定条件
5.2一元线性回归模型的参数估计
5.2.1估计方法初探
5.2.2最小二乘估计法原理
5.2.3最小二乘估计的计算
5.3yt1和0的分布
5.3.1yt的分布
5.3.21的分布
5.3.30的分布
5.4σ2的估计
5.5最小二乘估计量的统计性质
5.5.1线性特性
5.5.2无偏性
5.5.3最小方差性
5.5.4渐近无偏性
5.5.5一致性
5.6最小二乘回归函数的性质
5.7拟合优度的测量
5.8回归参数的显著性检验
5.9回归参数的置信区间
5.10单方程回归模型的预测
5.10.1单个yT+1的点预测
5.10.2单个yT+1的区间预测
5.10.3E(yT+1)的区间预测
5.11回归系数1与相关系数r的关系
5.12案例分析：用回归模型预测木材剩余物
5.13主要公式一览

第6章多元线性回归模型
6.1多元线性回归模型及其假定条件
6.1.1模型的建立
6.1.2模型的假定条件
6.2最小二乘法
6.3最小二乘估计量的特性
6.3.1线性特性
6.3.2无偏特性
6.3.3最小方差性
6.3.4渐近无偏性
6.3.5一致性
6.4残差的方差
6.5Y与最小二乘估计量的分布
6.6多重可决系数(多重确定系数)
6.6.1总平方和.回归平方和与残差平方和
6.6.2多重确定系数R2
6.6.3调整的多重确定系数2
6.7F检验
6.8t检验和回归系数的置信区间
6.9预测
6.9.1点预测
6.9.2单个yT+1的置信区间预测
6.9.3E(yT+1)的置信区间预测
6.9.4预测的评价指标
6.10多元线性回归计算举例
6.11偏相关与复相关
6.11.1偏相关
6.11.2复相关
6.12案例分析
6.13实际建模过程中应该注意的若干问题
6.14多元线性回归公式一览

第7章可线性化的非线性模型
7.1可线性化的7种非线性函数
7.1.1幂函数模型
7.1.2指数函数模型
7.1.3对数函数模型
7.1.4双曲线函数模型
7.1.5多项式方程模型
7.1.6生长曲线模型
7.1.7龚伯斯曲线
7.2可线性化的非线性模型综合案例
7.3可线性化的非线性模型一览表

第8章特殊解释变量
8.1虚拟变量
8.1.1测量截距移动
8.1.2用虚拟变量测量斜率变化
8.2工具变量
8.2.1工具变量在一元线性回归模型中的应用
8.2.2工具变量在多元线性回归模型中的应用
8.3滞后变量
8.3.1分布滞后模型
8.3.2自回归模型
8.4随机解释变量

第9章异方差..
9.1同方差假定
9.2异方差的表现与来源
9.3异方差的后果
9.4异方差检验
9.4.1定性分析异方差
9.4.2戈德菲尔德-匡特检验
9.4.3怀特检验
9.4.4戈列瑟检验
9.4.5自回归条件异方差检验
9.5克服异方差的方法
9.5.1用解释变量或解释变量的算术根除原回归式克服异方差
9.5.2用戈列瑟检验式克服异方差
9.5.3通过对数据取自然对数消除异方差
9.5.4克服异方差的矩阵描述
9.6案例分析

第10章自相关
10.1非自相关假定
10.2自相关的来源与后果
10.3自相关检验
10.3.1图示法
10.3.2DW检验法
10.3.3LM检验(亦称BG检验)法
10.3.4回归检验法
10.4自相关的解决方法
10.5克服自相关的矩阵描述
10.6自相关系数的估计
10.7案例分析

第11章多重共线性
11.1非多重共线性假定
11.2多重共线性的来源
11.3多重共线性的后果
11.3.1完全多重共线性对参数估计的影响
11.3.2近似共线性对参数估计的影响
11.3.3多重共线性后果的矩阵描述
11.4多重共线性的检测
11.5多重共线性的解决方法
11.5.1直接合并解释变量
11.5.2利用已知信息合并解释变量
11.5.3增加样本容量或重新抽取样本
11.5.4合并截面数据与时间序列数据
11.5.5剔除引起多重共线性的变量
11.6案例分析
11.7多重共线性与解释变量的不正确剔除
11.8违反模型假定条件的其他几种情形
11.8.1被解释变量存在测量误差
11.8.2被解释变量.解释变量同时存在测量误差
11.8.3随机解释变量
11.8.4模型的设定误差

第12章联立方程模型
12.1联立方程模型概念
12.2联立方程模型分类
12.2.1结构模型
12.2.2简化型模型
12.2.3递归模型
12.3联立方程模型的识别
12.3.1识别概念
12.3.2结构模型的识别方法
12.4联立方程模型的估计方法
12.4.1递归模型的估计方法
12.4.2简化型模型的估计方法
12.4.3结构模型的估计方法
12.5联立方程模型举例

第13章模型检验的常用统计量
13.1检验模型总显著性的F统计量
13.2检验回归系数显著性的t统计量
13.3检验线性约束条件是否成立的F统计量
13.4似然比(LR)统计量
13.5沃尔德(Wald)统计量
13.6拉格朗日乘子(LM)统计量
13.7赤池信息准则.施瓦茨准则和汉南-奎因准则
13.8检验正态分布的JB统计量
13.9格兰杰因果性检验
13.10邹突变点检验
13.11回归系数稳定性的邹检验
13.12递归分析

第14章时间序列ARIMA模型
14.1时间序列定义
14.2ARIMA模型的分类
14.2.1自回归(AR)模型
14.2.2移动平均(MA)模型
14.2.3自回归移动平均(ARMA)模型
14.2.4单积自回归移动平均(ARIMA)模型
14.3伍尔德(Wold)分解定理
14.4自相关函数及其估计
14.4.1自相关函数
14.4.2自回归过程的自相关函数
14.4.3移动平均过程的自相关函数
14.4.4ARMA过程的自相关函数
14.4.5相关图(估计的自相关函数)
14.5偏自相关函数及其估计
14.6ARIMA模型的建立
14.6.1模型的识别
14.6.2模型参数的估计
14.6.3模型的诊断与检验
14.6.4ARIMA模型预测
14.7ARIMA模型建模案例
14.8SARIMA模型
14.8.1SARIMA模型定义
14.8.2SARIMA模型建模案例
14.9回归与ARMA组合模型
14.9.1回归与ARMA组合模型定义
14.9.2回归与ARMA组合模型案例分析

第15章面板数据模型与应用
15.1面板数据定义
15.2面板数据模型分类
15.2.1混合模型
15.2.2固定效应模型
15.2.3随机效应模型
15.3面板数据模型估计方法
15.3.1混合最小二乘估计
15.3.2平均数最小二乘估计法
15.3.3离差变换最小二乘估计
15.3.4一阶差分最小二乘估计
15.3.5可行广义最小二乘估计法(随机效应估计法)
15.4面板数据模型的设定与检验
15.4.1F检验
15.4.2H检验
15.4.3Wald检验
15.4.4F检验和LR检验
15.5面板数据建模案例分析
15.6面板数据模型的EViews操作
15.6.1建立混合数据库
15.6.2面板数据模型估计的EViews操作
15.7面板数据的单位根检验
15.7.1LLC检验
15.7.2崔仁检验(FisherADF检验)

第16章单位根检验与协整
16.1非平稳时间序列与虚假回归
16.1.1单积定义
16.1.2单积时间序列的统计特征
16.1.3虚假回归
16.2单位根检验
16.2.1DF统计量的分布特征
16.2.2AR(p)含单位根过程的DF分布
16.2.3误差项为ARMA形式的I(1)过程的DF分布
16.2.4单位根检验
16.2.5单位根检验步骤
16.2.6单位根检验的EViews操作
16.2.7单位根检验案例分析
16.3结构突变序列的单位根检验
16.4经济变量的协整
16.4.1均衡概念
16.4.2协整定义
16.4.3协整性检验
16.5误差修正模型
附录A统计分布表
附录B随机变量.概率极限.矩阵代数知识简介
参考文献