內容簡介
本書初版於1963年，其後大約每隔10年再版一次，以跟上計量經濟學的發展。數十年來，本書已成為各國名牌大學廣泛採用的教材。本版本的主要寫作目標有兩個：其一是提供一份綜合易懂可用的計量經濟方法手冊；二是通過套用一些真實數據集來說明這些方法。這些數據由本書的配套數據磁碟給出，因而，讀者可以重複操作一追課文中的套用案例，實驗一下章末所提出的一些問題，再對自己選擇的方法進行進一步的分析。因此，本書幾乎是全部重寫井增加了對一些新專題的介紹，包括：漸進理論，時間序列，模型評價，廣義矩法，密集計算法，微觀計量經濟學。
附贈一個數據盤。
作者簡介
J.約翰斯頓，是加利福尼亞大學的計量經濟學名譽教授。在轉入俄爾文之前，他擔任曼徹斯特大學的斯坦利·傑文斯計量經濟學教授。J.約翰斯頓教授也曾任教於紐約市立大學、埃莫立大學，哈佛大學，安大略皇后大學，威爾斯大學，威斯康辛-麥迪遜厭這。他還是計量經濟學會的資深會員。其作品有《統計成本分析》及《計量經濟學方法》的前三版。
J.迪納爾多，是加利福尼亞大學的經濟學副教授，並為國民經濟研究所的研究員。在轉入俄爾文之前，他曾擔任蘭德的研究助理。作為一名勞動經濟學家和套用計量經濟學家，他曾執教於麻省理工大學和普林頓大學。他最近的作品刊登在《計量經濟學》雜誌、《政治經濟學》雜誌、以及《經濟學雜誌》季刊上。本書是他所著的第一本書。
目錄
致我們的中文讀者
ToOurChineseReaders
譯者的話
前言
第一章兩個變數之間的關係
1.1雙變數關係示例
1.1.1雙變數頻數分布
1.2相關係數
1.2.1雙變數頻數分布的相關係數
1.2.2r的範圍
1.2.3無謂相關及其他問題
1.2.4一個案例研究
1.3雙變數機率模型
1.3.1離散的雙變數機率分布
1.3.2雙變數常態分配
1.4雙變數線性回歸模型
1.4.1一個條件模型
1.4.2估計值和估計量
1.4.3最小二乘估計量
1.4.4平方和的分解
1.4.5一個數值例子
1.5兩變數最小二乘模型中的推斷
1.5.1LS估計量的性質
1.5.2高斯—馬爾科夫定理
1.5.3推斷程式
1.5.4數值例子(續1.4.5節中的例子)
1.6兩變數回歸模型的方差分析
1.7雙變數回歸模型中的預測
1.8汽油消費：一個初步分析
附錄
附錄1.1證明Var(b)=a2／Σx２
附錄1.2推導∂的抽樣分布的均值和方差
附錄1.3推導cov(a，b)
附錄1.4高斯—馬爾科夫定理
附錄1.5推導var(e0)
習題
第二章雙變數關係的其他方面
2.1時間作為回歸元
2.1.1恆定增長曲線
2.1.2數值例子
2.2變數變換
2.2.1雙對數變換
2.2.2半對數變換
2.2.3倒數變換
2.3非線性關係的一個實例：美國的通貨膨脹和失業
2.4滯後因變數作為回歸元
2.4.1漸近理論簡介
2.4.2依機率收斂
2.4.3依分布收斂
2.4.4自回歸方程
2.5平穩和非平穩序列
2.5.1單位根
2.5.2數值例證
2.6自回歸方程的最大似然估計
2.6.1最大似然估計量
2.6.2最大似然估計量的性質
附錄
附錄2.1密度函式中的變數變換
附錄2.2AR(1)模型的最大似然估計量
習題
第三章k元線性方程
3.1k—變數模型的矩陣表達式
3.1.1最小二乘法的代數表達式
3.1.2平方和分解
3.1.3方程的離差形式
3.2偏相關係數
3.2.1解釋平方和的序貫形成
3.2.2偏相關係數和復回歸係數
3.2.3偏相關係數和復回歸係數的一般處理
3.3最小二乘法的幾何意義
3.4k元方程的推斷
3.4.1假定條件
3.4.2b的均值和方差
3.4.3σ2的估計
3.4.4高斯—馬爾可夫定理
3.4.5檢驗關於盧的線性假設
3.4.6受約束和無約束的回歸
3.4.7擬合受約束回歸方程
3.5預測
附錄
附錄3.1證明r12.3=(r12--r13r)／√▔▔▔▔√▔▔▔▔
1—r2131—r223
附錄3.2在多元回歸中，求解單一個回歸係數
附錄3.3證明當約束X'a=c時，最小化a'a
將得到a=X(X'X)-1c
附錄3.4受約束估計量b。的推導
習題
第四章k元線性方程設定錯誤的若干檢驗
4.1設定錯誤
4.1.1關於u的可能問題
4.1.2關於X的可能問題
4.1.3關於β的可能問題
4.2模型評估與診斷檢驗
4.3參數不變性的檢驗
4.3.1鄒(至莊)預測檢驗
4.3.2漢森檢驗
4.3.3遞歸估計檢驗
4.3.4向前一步預測誤差
4.3.5累積和與平方累積和檢驗
4.3.6設定錯誤的一個更一般的檢驗：拉姆齊檢驗
4.4數值例證
4.5結構變化的檢驗
4.5.1一個結構變化的檢驗
4.5.2對斜率係數的檢驗
4.5.3對截距項的檢驗
4.5.4小結
4.5.5數值例子
4.5.6推廣
4.6虛擬變數
4.6.1簡介
4.6.2季節虛擬變數
4.6.3定性變數
4.6.4多於兩組的虛擬變數
4.6.5數值例子
附錄
附錄4.1證明：var(d)＝[1：+X2(X1X1)”X¨
習題
第五章最大似然估計，廣義最小二乘法及工具變數估計
5.1最大似然估計量
5.1.1最大似然估計量的性質
5.2線性模型的ML估計
5.3似然比、沃爾德與拉格朗日乘數檢驗
5.3.1似然比檢驗
5.3.2沃爾德檢驗
5.3.3拉格朗日乘數檢驗
5.4有非球形干擾項的線性模型的ML估計
5.4.1廣義最小二乘法
5.5工具變數估計量
5.5.1特例
5.5.2兩階段最小二乘法(2SLS)
5.5.3工具的選擇
5.5.4線性約束條件的檢驗
附錄
附錄5.1密度函式中的變數代換
附錄5.2中心和非中心的R2
附錄5.3證明e΄*X(X΄X)—1X΄e*=e´e*－e'e
習題
第六章異方差性和自相關
6.1OLS估計量的性質
6.2對異方差性的檢驗
6.2.1懷特檢驗
6.2.2布羅施—帕甘伐弗雷檢驗
6.2.3戈德菲爾德—匡特檢驗
6.2.4戈德菲爾德—匡特檢驗的擴展
6.3異方差性下的估計
6.3.1對分組數據的估計
6.3.2對異方差關係式的估計
6.4自相關干擾
6.4.1自相關的形式：自回歸和移動平均模式
6.4.2自相關干擾的原因
6.5OLS和自相關干擾
6.6自相關干擾的檢驗
6.6.1德賓—沃森檢驗
6.6.2沃利斯四階自回歸檢驗
6.6.3回歸含有因變數滯後值的德賓檢驗
6.6.4布羅施—戈弗雷檢驗
6.6.5博克斯—皮爾斯—楊統計量
6.7對具有自相關干擾的關係式的估計
6.8出現自相關干擾時的預測
6.9自回歸條件異方差性
附錄
附錄6.1乘積性異方差性的LM檢驗
附錄6.2對群塊同方差性的LR檢驗
附錄6.3ARCH(1)過程的性質
習題
第七章單變數時間序列建模
7.1進行單變數分析的根本原因
7.1.1滯後運算元
7.1.2ARMA建模
7.2AR、MA和ARMA過程的性質
7.2.IAR(1)過程
7.2.2AR(2)過程
7.2.3MA過程
7.2.4ARMA過程
7.3平穩性檢驗
7.3.1圖視法
7.3.2單積(或單整)序列
7.3.3趨勢平穩(TS)和差分子穩(DS)序列
7.3.4單位根檢驗
7.3.5數值例子
7.4ARIMA模型的識別、估計和檢驗
7.4.1識別
7.4.2估計
7.4.3診斷檢驗
7.5預測
7.5.1MA(1)過程
7.5.2ARMA(1，1)過程
7.5.3ARMA(1，1，0)過程
7.6季節性
7.7一個數值例子：每月新住房動工
習題
第八章自回歸分布滯後關係
8.1自回歸分布滯後關係
8.1.1恆定彈性關係
8.1.2參數重組
8.1.3動態均衡
8.1.4單位彈性
8.1.5推廣
8.2設定與檢驗
8.2.1一般到簡單與簡單到一般
8.2.2估計與檢驗
8.2.3外生性
8.2.4外生性檢驗
8.2.5武—豪斯曼檢驗
8.3非平穩回歸元
8.4一個數值例子
8.4.1平穩性
8.4.2協積
8.4.3重新設定關係式
8.4.4一個一般的ADL關係
8.4.5參數重組
8.5非嵌套模型
附錄
附錄8.1對方程中的變數作非奇異線性變換
附錄8.2證明(8.37)式與(8.41)式的檢驗統計量相等
習題
第九章多方程模型
9.1向量自回歸
9.1.1一個簡單的VAR
9.1.2三變數VAR
9.1.3高階系統
9.2VAR的估計
9.2.1檢驗VAR的階數
9.2.2葛蘭傑因果檢驗
9.2.3預測、脈衝反應函式和方差分解
9.2.4脈衝回響函式
9.2.5正交新生值
9.2.6方差分解
9.3向量誤差糾正模型
9.3.1檢驗協積秩
9.3.2協積向量估計
9.3.3向量誤差糾正模型的估計
9.4聯立結構方程模型
9.5識別條件
9.6結構方程的估計
9.6.1非平穩變數
9.6.2估計的系統方法
附錄
附錄9.1似無關回歸
附錄9.2高階VAR
習題
第十章廣義矩法(GMM)
10.1矩法
10.2OLS作為一個矩問題
10.3工具變數作為一個矩問題
10.4GMM和正交性條件
10.5GMM估計量的分布
10.6套用
10.6.1兩階段最小二乘法和過度識別約束條件的檢驗
10.6.2重溫武—豪斯曼檢驗
10.6.3最大似然法
10.6.4歐拉方程
10.7關於參考書
習題
第十一章密集計算法選講
第十二章縱列數據
第十三章離散和限值固變數模型
附錄A矩陣代數
附錄B統計學
附錄C數據盤
統計學用表
索引
