本书较为系统地介绍了计量经济学的主要理论、方法、*新进展,尤其是20世纪80年代以来重要的和*新的研究成果,并将它们纳入一个完整、清晰的体系之中。本书不仅介绍了建模的技术和方法,而且阐述了其理论背景,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,**放在如何运用各种计量经济方法对实际经济问题进行分析、建模、预测、模拟等实际操作上。为便于读者学习和理解,本书在相关各章中给出了案例分析,案例大多数是编者在实践中运用的实例和国内外的经典实例,并基于计量经济学软件EViews解决实际经济问题,具有很强的可操作性。 本书以中级水平为主,以实用性、继承性和前瞻性为主要特色。全书共分9章。第1章阐述多元回归分析的基本内容及应用问题;第2章至第5章介绍异方差性、自相关性、多重共线性、虚拟变量、模型设定误差、变量观测误差以及随机解释变量等计量经济问题及其解决方法;第6章和第8章阐述滞后变量模型和联立方程模型;第7章**阐述时间序列分析,主要涉及ADF检验、Johansen协整检验、Granger因果关系检验、ARIMA模型、向量自回归模型、协整理论与向量误差修正模型;第9章介绍

第1章 多元线性回归模型
现实经济现象是错综复杂的,多种经济变量互相影响,每一个变量都要受到其他多种因素的影响。以对家庭消费支出的影响为例,除了家庭收入影响因素之外,物价水平、收入分配状况、利率、消费者偏好、家庭财产、消费信贷等多种因素都会影响家庭消费支出。又如,对人均国民生产总值的影响问题,除了人口变动因素之外,固定资产数额、货币供给量、物价指数、国内国际市场供求关系等多种因素都会影响人均国民生产总值。如果被解释变量的变化原因可以由一个主要解释变量加以说明,其他解释变量的影响可以忽略,就可以用一元回归模型表示。如果其他解释变量对被解释变量的影响不能忽略,就要用多元回归模型表示。因此,有必要将一个解释变量的情形推广到多个解释变量,利用多元回归方法进行分析。
1.1 多元线性回归模型的估计
1.1.1 多元线性回归模型及其矩阵表示
线性回归分析主要研究经济变量之间的线性因果关系。因果关系中作为原因的变量称为解释变量,作为结果的变量称为被解释变量。例如,研究一个**的经济增长,被解释变量是这个**的GDP或人均GDP,解释变量是劳动投入量、资本投入量、技术水平等。研究需求规律时,被解释变量是需求量,解释变量是价格、消费者收入等。在简单线性回归模型中,总体回归函数被设定为一元线性形式。如果这种设定是恰当的,那么根据样本数据得到的回归直接是对样本数据的较好拟合,一般情况下,决定系数应该较大(接近1),随机误差项也符合模型的基本假定。相反,如果在模型设定时忽略了影响因变量的某些主要因素,则拟合效果会较差。此时,决定系数往往偏低,并可能出现随机误差项违背模型基本假定的情况,如误差项序列自相关等。因此,在进行模型设定时,应对所研究的经济问题进行深入分析,依据经济理论和实践经验对模型进行简化抽象,确定模型中应该包括哪些解释变量以及模型函数的具体形式。
……

前言
第1章 多元线性回归模型
1.1 多元线性回归模型的估计
1.2 多元线性回归模型的检验
1.3 多元线性回归模型的预测
1.4 非线性回归模型
1.5 受约束回归
1.6 案例分析
第2章 异方差性
2.1 异方差性及其产生的原因
2.2 异方差性的影响
2.3 异方差性的检验
2.4 异方差性的解决方法
2.5 案例分析
第3章 自相关性
3.1 自相关性及其产生的原因
3.2 自相关性的影响
3.3 自相关性的检验
3.4 自相关性的解决方法
3.5 案例分析
第4章 多重共线性
4.1 多重共线性及其产生的原因
4.2 多重共线性的影响
4.3 多重共线性的检验
4.4 多重共线性的解决方法
4.5 案例分析
第5章 单方程回归模型的几个专题
5.1 虚拟变量
5.2 模型的设定误差
5.3 模型变量的观测误差
5.4 随机解释变量
第6章 滞后变量模型
6.1 滞后变量模型的基本概念
6.2 有限分布滞后模型
6.3 几何分布滞后模型
6.4 自回归模型的估计
6.5 案例分析
第7章 时间序列分析
7.1 时间序列的基本概念
7.2 时间序列的平稳性检验
7.3 ARIMA模型
7.4 协整与误差修正模型
7.5 Granger因果关系检验
7.6 向量自回归模型
7.7 Johansen协整检验
7.8 向量误差修正模型
7.9 案例分析
第8章 联立方程模型
8.1 联立方程模型的基本概念
8.2 联立方程模型的识别
8.3 联立方程模型的估计
8.4 联立方程模型的检验
8.5 案例分析
第9章 面板数据模型
9.1 面板数据模型概述
9.2 模型形式设定检验
9.3 变截距模型
9.4 变系数模型
9.5 案例分析
参考文献