书籍详情
计量经济模型与经济预测（4版）
作者：（美）罗伯特·S.平狄克（Robert S. Pindyck），（美）丹尼尔·L.鲁宾费尔德（Daniel L. Rubinfeld）著；钱小军等译
出版社：机械工业出版社
出版时间：1999-11-01
ISBN：9787111074588
定价：¥37.00
购买这本书可以去
内容简介
《计量经济模型与经济预测》（第4版）分为4部分，每一部分主要讨论一种类型的模型。第1部分和第2部分讨论的是最基本的模型，即单方程回归模型。为建造单方程回归模型而发展出来的计量经济方法，以及这些方法的变化形式，将被用于多方程模型以及时间序列模型的建造。第3部分多方程模型的讨论十分重要。第3部分的每1章是关于联立方程模型估计方法的讨论，包括模型的确认问题以及诸如两阶段和三阶段最小二乘估方法。第4部分专门用来讨论时间序列模型。
作者简介
S.平狄克（Robert S.Pindyck）美国麻省理工学院斯隆管理学院的经济学教授。平狄克教授自1971年在麻省理工学院获得博士学位以来一直在该校工作。他曾经是特拉维夫大的经济学访问教授、国家经济研究署的研究员。他与丹尼尔 L，鲁宾费尔德合著了《微观经济学》一书，目前已是第4版。
目录
译者序前言引言第1部分
回归分析基础第1章
回归模型介绍 21.1
曲线的拟合 21.2
最小二乘估计法的推导 4附录1.1
求和算子的运用 8附录1.2
最小二乘参数估计的推导 10第2章
统计基础知识复习 122.1
随机变量 122.1.1
期望值 132.1.2
随机变量的联合分布 132.1.3
独立与相关 142.2
估计 152.2.1
均值. 方差和协方差的估计 152.2.2
中心极限定理 172.3
估计量的有用性质 172.3.1
无偏差 182.3.2
有效性 182.3.3
最小平均偏差平方 182.3.4
一致性 192.4
概率分布 202.4.1
正态分布 202.4.2
c2分布 212.4.3
t分布 212.4.4
F分布 222.5
假设检验与置信区间 232.5.1
第一类错误和第二类错误 252.5.2
p值 252.5.3
检验的势 262.6
描述统计学 27附录2.1
期望算子的性质 29附录2.2
极大似然估计 31第3章
一元线性回归模型 343.1
模型 343.2
最佳线性无偏估计 363.3
假设检验和置信区间 39
回归系数的检验 403.4
方差分析和相关性 423.4.1
拟合优度 423.4.2
相关 443.4.3
检验回归方程 44附录3.1
斜率最小二乘估计的方差 48附录3.2
最小二乘残差的一些性质 49第4章
多元线性回归模型 514.1
模型 514.2
回归统计量 524.3
F检验. R2和调整的R2 534.4
多重共线性 574.4.1
完全共线性 574.4.2
多重共线的后果 574.4.3
多重共线的标志 584.5
标准化系数和弹性系数 594.5.1
标准化系数 594.5.2
弹性系数 594.6
偏相关系数和逐步回归 59附录4.1
最小二乘参数估计 63附录4.2
回归系数 64附录4.3
多元回归模型的矩阵形式 65第2部分
单方程回归模型第5章
多元回归模型的应用 725.1
一般线性模型 725.2
虚拟变量的使用 755.3
用t检验和F检验对多参数假设
进行检验 795.3.1
多个回归系数的联合检验 795.3.2
关于回归系数线性函数的检验 815.3.3
有关不同回归模型的系数是否
相等的检验 825.4
分段线性回归 83
变更回归方法 845.5
具有随机解释变量的多元回归模型 85附录
有关虚拟变量系数的检验 86第6章
序列相关和异方差性 906.1
异方差性 906.1.1
异方差性的修正 926.1.2
异方差的检验 946.2
序列相关性 986.2.1
序列相关的修正 996.2.2
序列相关性的检验 1026.2.3
有滞后因变量时对序列相关性
的检验 104附录
广义最小二乘估计法 106第7章
工具变量法和
模型的确认 1117.1
自变量与误差项相关 1117.2
变量的测量误差 1127.2.1
情形I：Y具有测量误差 1127.2.2
情形II：X具有测量误差 1127.2.3
情形III：X和Y都具有测量误差 1137.2.4
工具变量估计法 1137.3
确认失误 1147.3.1
被忽略的变量 1147.3.2
不相干变量的存在 1157.3.3
非线性 1167.3.4
建模时的有效与有偏 1167.4
回归诊断 1187.4.1
学生氏残差 1187.4.2
DFBETAS 1197.5
确认检验 1207.5.1
关于变量是否应当从线性回归模型中
去掉的检验 1217.5.2
关于是否存在测量误差的检验 121附录
工具变量估计法的矩阵形式 124第8章
单方程回归模型预测 1268.1
无条件预测 1278.1.1
预测误差 1278.1.2
预测的评价 1308.2
误差项序列相关情形下的预测 1338.3
有条件预测 136附录
多元回归模型预测 139第9章
单方程估计：高级问题 1429.1
分布滞后模型 1429.1.1
几何滞后 1439.1.2
几何滞后模型的估计 1459.1.3
多项式分布滞后模型 1469.1.4
滞后项数的选择 1479.2
因果关系检验 1509.3
观测的丢失 1529.4
平行数据的使用 1559.4.1
平行数据的模型估计 1559.4.2
固定效应模型 1569.4.3
随机效应模型 1579.4.4
时间序列自相关模型 159附录
长期弹性系数的区间估计 162第10章
非线性估计与
极大似然估计 16510.1
非线性估计 16510.1.1
非线性估计的计算方法 16610.1.2
非线性回归方程的评价 16710.1.3
非线性回归方程的预测 16810.2
极大似然估计法 16910.2.1
极大似然估计法 17010.2.2
似然比检验 17110.2.3
一个应用：Box-Cox模型 17210.2.4
拉格朗日乘数检验法 17410.2.5
Wald检验. 似然比检验和拉格朗
日乘数检验的比较 17510.3
ARCH与GARCH模型 177附录
广义矩估计法 182第11章
分类选择模型 18511.1
二元选择模型 18511.1.1
线性概率模型 18611.1.2
Probit 模型 18811.1.3
Logit 模型 19011.1.4
预测：拟合优度 19611.2
多元选择模型 19711.2.1
线性概率模型 19711.2.2
Logit 模型 19811.2.3
有序Probit 模型 20011.3
Censored 回归模型 201附录
Logit模型和Probit模型的极大
似然估计法 205第3部分
联立方程模型第12章
联立方程模型的
估计方法 21012.1
联立方程模型概述 210
联立方程系统 21012.2
模型识别问题 21312.3
参数的一致估计 21512.4
两阶段最小二乘法 21712.4.1
估计方法 21712.4.2
联立性检验 22012.5
具有序列相关和滞后因变量的
联立方程模型的估计 22112.6
更高级的估计方法 22312.6.1
似无关模型 22312.6.2
方程组的估计方法 22312.6.3
不同估计量的比较 227附录12.1
矩阵形式的模型识别问题 228附录12.2
矩阵形式的两阶段最小二乘法 232附录12.3
矩阵形式的似无关回归估计法 234第13章
模拟模型介绍 23813.1
模拟过程 23913.2
模拟模型的评价 24113.3
模拟的实例 24413.4
模型的估计 24713.5
非结构化模型：向量自回归模型 24913.6
数据受限制的模型构造方法 254第14章
模拟模型的动态行为 26114.1
模型的稳定性和振荡性 26114.1.1
线性模型 26214.1.2
更大模型的分析 26514.2
模型的行为：乘数和动态反应 26614.2.1
动态乘数 26714.2.2
动态弹性 26914.3
脉冲响应函数和向量自回归模型 27314.4
模拟模型的调试 27714.5
随机模拟 279附录
一个小宏观经济模型 281第4部分
时间序列模型第15章
时间序列的
平滑和外推 29515.1
简单外推模型 29515.1.1
简单外推方法 29615.1.2
移动平均模型 30015.2
平滑和季节调整 30115.2.1
平滑技术 30215.2.2
季节调整 304第16章
随机时间序列的特性 30916.1
随机时间序列模型简介 30916.1.1
随机游走 30916.1.2
平稳和非平稳时间序列 31116.1.3
平稳过程的性质 31216.2
刻划时间序列的自相关函数 31216.2.1
齐次非平稳过程 31416.2.2
平稳性和自相关函数 31516.2.3
季节性和自相关函数 31716.3
随机游走的检验 31916.4
协整时间序列 324附录
平稳过程的自相关函数 326第17章
线性时间序列模型 32917.1
移动平均模型 32917.2
自回归模型 33217.2.1
自回归模型的性质 33217.2.2
偏自相关函数 33617.3
混合自回归－移动平均模型 33717.4
齐次非平稳过程：ARIMA模型 33917.5
ARIMA模型的确认 341附录
平稳性. 可逆性和齐次性 344第18章
时间序列模型的
估计和预测 34718.1
模型估计 34718.1.1
序列的初始值 34818.1.2
模型参数的非线性估计 34818.1.3
参数值的初始选择 34918.2
诊断检验 35018.3
最小均方误差预测 35318.4
预测值的计算 35418.5
预测误差 35518.6
预测的置信区间 35618.7
预测的性质 35618.7.1
AR 1 过程 35618.7.2
MA 1 过程 35718.7.3
ARMA 1,1 过程 35818.7.4
ARI 1,1,0 过程 35818.7.5
ARI 1,1,0 预测的置信区间 36018.8
两个例子 361第19章
时间序列模型的应用 36619.1
建模过程回顾 36619.2
经济变量模型：库存投资 36719.3
季节性电话数据的预测 37019.4
时间序列和回归分析组合模型：
转移函数模型 37219.5
用回归－时间序列组合模型预测
短期储蓄存款流量 37319.6
预测利率的回归－时间序列组合
模型 376统计数表 381部分练习参考答案 389
回归分析基础第1章
回归模型介绍 21.1
曲线的拟合 21.2
最小二乘估计法的推导 4附录1.1
求和算子的运用 8附录1.2
最小二乘参数估计的推导 10第2章
统计基础知识复习 122.1
随机变量 122.1.1
期望值 132.1.2
随机变量的联合分布 132.1.3
独立与相关 142.2
估计 152.2.1
均值. 方差和协方差的估计 152.2.2
中心极限定理 172.3
估计量的有用性质 172.3.1
无偏差 182.3.2
有效性 182.3.3
最小平均偏差平方 182.3.4
一致性 192.4
概率分布 202.4.1
正态分布 202.4.2
c2分布 212.4.3
t分布 212.4.4
F分布 222.5
假设检验与置信区间 232.5.1
第一类错误和第二类错误 252.5.2
p值 252.5.3
检验的势 262.6
描述统计学 27附录2.1
期望算子的性质 29附录2.2
极大似然估计 31第3章
一元线性回归模型 343.1
模型 343.2
最佳线性无偏估计 363.3
假设检验和置信区间 39
回归系数的检验 403.4
方差分析和相关性 423.4.1
拟合优度 423.4.2
相关 443.4.3
检验回归方程 44附录3.1
斜率最小二乘估计的方差 48附录3.2
最小二乘残差的一些性质 49第4章
多元线性回归模型 514.1
模型 514.2
回归统计量 524.3
F检验. R2和调整的R2 534.4
多重共线性 574.4.1
完全共线性 574.4.2
多重共线的后果 574.4.3
多重共线的标志 584.5
标准化系数和弹性系数 594.5.1
标准化系数 594.5.2
弹性系数 594.6
偏相关系数和逐步回归 59附录4.1
最小二乘参数估计 63附录4.2
回归系数 64附录4.3
多元回归模型的矩阵形式 65第2部分
单方程回归模型第5章
多元回归模型的应用 725.1
一般线性模型 725.2
虚拟变量的使用 755.3
用t检验和F检验对多参数假设
进行检验 795.3.1
多个回归系数的联合检验 795.3.2
关于回归系数线性函数的检验 815.3.3
有关不同回归模型的系数是否
相等的检验 825.4
分段线性回归 83
变更回归方法 845.5
具有随机解释变量的多元回归模型 85附录
有关虚拟变量系数的检验 86第6章
序列相关和异方差性 906.1
异方差性 906.1.1
异方差性的修正 926.1.2
异方差的检验 946.2
序列相关性 986.2.1
序列相关的修正 996.2.2
序列相关性的检验 1026.2.3
有滞后因变量时对序列相关性
的检验 104附录
广义最小二乘估计法 106第7章
工具变量法和
模型的确认 1117.1
自变量与误差项相关 1117.2
变量的测量误差 1127.2.1
情形I：Y具有测量误差 1127.2.2
情形II：X具有测量误差 1127.2.3
情形III：X和Y都具有测量误差 1137.2.4
工具变量估计法 1137.3
确认失误 1147.3.1
被忽略的变量 1147.3.2
不相干变量的存在 1157.3.3
非线性 1167.3.4
建模时的有效与有偏 1167.4
回归诊断 1187.4.1
学生氏残差 1187.4.2
DFBETAS 1197.5
确认检验 1207.5.1
关于变量是否应当从线性回归模型中
去掉的检验 1217.5.2
关于是否存在测量误差的检验 121附录
工具变量估计法的矩阵形式 124第8章
单方程回归模型预测 1268.1
无条件预测 1278.1.1
预测误差 1278.1.2
预测的评价 1308.2
误差项序列相关情形下的预测 1338.3
有条件预测 136附录
多元回归模型预测 139第9章
单方程估计：高级问题 1429.1
分布滞后模型 1429.1.1
几何滞后 1439.1.2
几何滞后模型的估计 1459.1.3
多项式分布滞后模型 1469.1.4
滞后项数的选择 1479.2
因果关系检验 1509.3
观测的丢失 1529.4
平行数据的使用 1559.4.1
平行数据的模型估计 1559.4.2
固定效应模型 1569.4.3
随机效应模型 1579.4.4
时间序列自相关模型 159附录
长期弹性系数的区间估计 162第10章
非线性估计与
极大似然估计 16510.1
非线性估计 16510.1.1
非线性估计的计算方法 16610.1.2
非线性回归方程的评价 16710.1.3
非线性回归方程的预测 16810.2
极大似然估计法 16910.2.1
极大似然估计法 17010.2.2
似然比检验 17110.2.3
一个应用：Box-Cox模型 17210.2.4
拉格朗日乘数检验法 17410.2.5
Wald检验. 似然比检验和拉格朗
日乘数检验的比较 17510.3
ARCH与GARCH模型 177附录
广义矩估计法 182第11章
分类选择模型 18511.1
二元选择模型 18511.1.1
线性概率模型 18611.1.2
Probit 模型 18811.1.3
Logit 模型 19011.1.4
预测：拟合优度 19611.2
多元选择模型 19711.2.1
线性概率模型 19711.2.2
Logit 模型 19811.2.3
有序Probit 模型 20011.3
Censored 回归模型 201附录
Logit模型和Probit模型的极大
似然估计法 205第3部分
联立方程模型第12章
联立方程模型的
估计方法 21012.1
联立方程模型概述 210
联立方程系统 21012.2
模型识别问题 21312.3
参数的一致估计 21512.4
两阶段最小二乘法 21712.4.1
估计方法 21712.4.2
联立性检验 22012.5
具有序列相关和滞后因变量的
联立方程模型的估计 22112.6
更高级的估计方法 22312.6.1
似无关模型 22312.6.2
方程组的估计方法 22312.6.3
不同估计量的比较 227附录12.1
矩阵形式的模型识别问题 228附录12.2
矩阵形式的两阶段最小二乘法 232附录12.3
矩阵形式的似无关回归估计法 234第13章
模拟模型介绍 23813.1
模拟过程 23913.2
模拟模型的评价 24113.3
模拟的实例 24413.4
模型的估计 24713.5
非结构化模型：向量自回归模型 24913.6
数据受限制的模型构造方法 254第14章
模拟模型的动态行为 26114.1
模型的稳定性和振荡性 26114.1.1
线性模型 26214.1.2
更大模型的分析 26514.2
模型的行为：乘数和动态反应 26614.2.1
动态乘数 26714.2.2
动态弹性 26914.3
脉冲响应函数和向量自回归模型 27314.4
模拟模型的调试 27714.5
随机模拟 279附录
一个小宏观经济模型 281第4部分
时间序列模型第15章
时间序列的
平滑和外推 29515.1
简单外推模型 29515.1.1
简单外推方法 29615.1.2
移动平均模型 30015.2
平滑和季节调整 30115.2.1
平滑技术 30215.2.2
季节调整 304第16章
随机时间序列的特性 30916.1
随机时间序列模型简介 30916.1.1
随机游走 30916.1.2
平稳和非平稳时间序列 31116.1.3
平稳过程的性质 31216.2
刻划时间序列的自相关函数 31216.2.1
齐次非平稳过程 31416.2.2
平稳性和自相关函数 31516.2.3
季节性和自相关函数 31716.3
随机游走的检验 31916.4
协整时间序列 324附录
平稳过程的自相关函数 326第17章
线性时间序列模型 32917.1
移动平均模型 32917.2
自回归模型 33217.2.1
自回归模型的性质 33217.2.2
偏自相关函数 33617.3
混合自回归－移动平均模型 33717.4
齐次非平稳过程：ARIMA模型 33917.5
ARIMA模型的确认 341附录
平稳性. 可逆性和齐次性 344第18章
时间序列模型的
估计和预测 34718.1
模型估计 34718.1.1
序列的初始值 34818.1.2
模型参数的非线性估计 34818.1.3
参数值的初始选择 34918.2
诊断检验 35018.3
最小均方误差预测 35318.4
预测值的计算 35418.5
预测误差 35518.6
预测的置信区间 35618.7
预测的性质 35618.7.1
AR 1 过程 35618.7.2
MA 1 过程 35718.7.3
ARMA 1,1 过程 35818.7.4
ARI 1,1,0 过程 35818.7.5
ARI 1,1,0 预测的置信区间 36018.8
两个例子 361第19章
时间序列模型的应用 36619.1
建模过程回顾 36619.2
经济变量模型：库存投资 36719.3
季节性电话数据的预测 37019.4
时间序列和回归分析组合模型：
转移函数模型 37219.5
用回归－时间序列组合模型预测
短期储蓄存款流量 37319.6
预测利率的回归－时间序列组合
模型 376统计数表 381部分练习参考答案 389
猜您喜欢
