应用数量经济学2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

应用数量经济学PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 数据的特征数1

1.1累计求和算子的运算规则1

1.2画图3

直方图3

折线图4

散点图5

1.3算术平均数5

1.4几何平均数7

1.5中位数8

1.6极差11

1.7方差12

1.8标准差13

1.9偏度13

1.10峰度14

1.11协方差16

1.12相关系数17

相关的定义与分类17

简单线性相关的度量19

相关系数的取值范围19

线性相关系数的局限性21

第2章 总体特征数的点估计与区间估计22

2.1抽样的基本概念22

2.2几种统计量的抽样分布25

样本平均数？的抽样分布25

统计量W=？的抽样分布27

统计量t=？的抽样分布28

统计量F的抽样分布30

样本比率？的抽样分布31

样本相关系数的抽样分布31

2.3点估计32

总体参数的点估计32

评价估计量优劣的标准33

2.4区间估计36

区间估计的概念36

总体均值μ的置信区间计算公式37

总体方差σ2的区间估计42

两个正态总体均值差（μ1-μ2）的置信区间43

两个正态总体方差比σ22/σ21的置信区间44

大样本条件下总体比率p的置信区间估计46

第3章 总体特征数的假设检验48

3.1假设检验的基本思想与方法48

假设检验的原理与分类48

假设检验的两类错误50

p值51

检验功效52

3.2总体均值的假设检验52

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=μ052

情形2：总体分布未知，总体方差σ2未知，大样本（n≥30），检验μ=μ054

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=μ054

单侧检验57

3.3两个正态总体均值差异的假设检验58

3.4总体方差的假设检验61

3.5总体比率的假设检验63

大样本条件下单个总体比率的假设检验63

两个总体比率的假设检验（大样本）64

3.6总体分布律的假设检验（拟合优度检验）66

离散型分布总体的分布率检验68

连续型分布总体的分布率检验69

3.7简单相关系数的检验71

第4章 经济指数73

4.1指数的定义和分类73

指数简史73

指数定义74

指数的作用74

指数的分类75

4.2指数的计算76

单一指数的计算76

简单综合指数的计算77

加权综合指数的计算77

加权平均指数的计算79

4.3指数基期的选择80

4.4基期变换与指数序列的拼接80

4.5固定（不变）价格经济序列的计算81

4.6国内外主要指数介绍83

商品零售价格指数83

居民消费价格指数83

香港恒生指数83

上证综指84

深证成指84

道琼斯指数84

第5章 一元线性回归模型86

5.1模型的建立及其假定条件86

建立模型的意义86

一元线性回归模型的定义86

一元线性回归模型的经济含义与特征87

模型的假定条件87

5.2一元线性回归模型的参数估计88

估计方法初探88

最小二乘估计法原理89

最小二乘估计的计算89

5.3 yt,？1和？0的分布90

yt的分布90

？的分布90

？的分布91

5.4σ2的估计92

5.5最小二乘估计量的统计性质92

线性特性92

无偏性93

最小方差性93

渐近无偏性94

一致性94

5.6最小二乘回归函数的性质94

5.7拟合优度的测量95

5.8回归参数的显著性检验96

5.9回归参数的置信区间97

5.10单方程回归模型的预测97

单个yT+1的点预测98

单个yT+1的区间预测98

E（yT+1）的区间预测99

5.11回归系数？与相关系数r的关系100

5.12案例分析：用回归模型预测木材剩余物101

5.13主要公式一览105

第6章 多元线性回归模型107

6.1多元线性回归模型及其假定条件107

模型的建立107

模型的假定条件108

6.2最小二乘法108

6.3最小二乘估计量的特性109

线性特性109

无偏特性109

最小方差性110

渐近无偏性110

一致性110

6.4残差的方差111

6.5 Y与最小二乘估计量？的分布112

6.6多重可决系数（多重确定系数）112

总平方和、回归平方和与残差平方和112

多重确定系数R2113

调整的多重确定系数？113

6.7 F检验113

6.8 t检验和回归系数的置信区间114

6.9预测115

点预测115

单个yT+1的置信区间预测116

E（yT+1）的置信区间预测116

预测的评价指标116

6.10多元线性回归计算举例117

6.11偏相关与复相关122

偏相关122

复相关124

6.12案例分析125

6.13实际建模过程中应该注意的若干问题127

6.14多元线性回归公式一览131

第7章 可线性化的非线性模型133

7.1可线性化的7种非线性函数133

幂函数模型133

指数函数模型135

对数函数模型137

双曲线函数模型139

多项式方程模型141

生长曲线模型143

龚伯斯曲线146

7.2可线性化的非线性模型综合案例147

7.3可线性化的非线性模型一览表153

第8章 特殊解释变量154

8.1虚拟变量154

测量截距移动154

用虚拟变量测量斜率变化158

8.2工具变量161

工具变量在一元线性回归模型中的应用161

工具变量在多元线性回归模型中的应用164

8.3滞后变量164

分布滞后模型165

自回归模型166

8.4随机解释变量166

第9章 异方差168

9.1同方差假定168

9.2异方差的表现与来源169

9.3异方差的后果170

9.4异方差检验171

定性分析异方差171

戈德菲尔德-匡特检验172

怀特检验173

戈列瑟检验174

自回归条件异方差检验174

9.5克服异方差的方法174

用解释变量或解释变量的算术根除原回归式克服异方差174

用戈列瑟检验式克服异方差176

通过对数据取自然对数消除异方差176

克服异方差的矩阵描述177

9.6案例分析178

第10章 自相关184

10.1非自相关假定184

10.2自相关的来源与后果187

10.3自相关检验189

图示法189

DW检验法189

LM检验（亦称BG检验）法191

回归检验法192

10.4自相关的解决方法192

10.5克服自相关的矩阵描述193

10.6自相关系数的估计195

10.7案例分析196

第11章 多重共线性201

11.1非多重共线性假定201

11.2多重共线性的来源202

11.3多重共线性的后果203

完全多重共线性对参数估计的影响203

近似共线性对参数估计的影响204

多重共线性后果的矩阵描述205

11.4多重共线性的检测206

11.5多重共线性的解决方法207

直接合并解释变量207

利用已知信息合并解释变量207

增加样本容量或重新抽取样本208

合并截面数据与时间序列数据209

剔除引起多重共线性的变量209

11.6案例分析211

11.7多重共线性与解释变量的不正确剔除215

11.8违反模型假定条件的其他几种情形215

被解释变量存在测量误差215

被解释变量、解释变量同时存在测量误差216

随机解释变量217

模型的设定误差217

第12章 联立方程模型219

12.1联立方程模型概念219

12.2联立方程模型分类219

结构模型219

简化型模型221

递归模型223

12.3联立方程模型的识别224

识别概念224

结构模型的识别方法226

12.4联立方程模型的估计方法227

递归模型的估计方法227

简化型模型的估计方法228

结构模型的估计方法228

12.5联立方程模型举例229

第13章 模型检验的常用统计量235

13.1检验模型总显著性的F统计量235

13.2检验回归系数显著性的t统计量236

13.3检验线性约束条件是否成立的F统计量236

13.4似然比（LR）统计量240

13.5沃尔德（Wald）统计量241

13.6拉格朗日乘子（LM）统计量244

13.7赤池信息准则、施瓦茨准则和汉南-奎因准则247

13.8检验正态分布的JB统计量250

13.9格兰杰因果性检验251

13.10邹突变点检验253

13.11回归系数稳定性的邹检验258

13.12递归分析261

第14章 时间序列ARIMA模型266

14.1时间序列定义266

14.2 ARIMA模型的分类268

自回归（AR）模型268

移动平均（MA）模型271

自回归移动平均（ARMA）模型273

单积自回归移动平均（ARIMA）模型274

14.3伍尔德（Wold）分解定理275

14.4自相关函数及其估计277

自相关函数277

自回归过程的自相关函数278

移动平均过程的自相关函数280

ARMA过程的自相关函数281

相关图（估计的自相关函数）281

14.5偏自相关函数及其估计282

14.6 ARIMA模型的建立287

模型的识别288

模型参数的估计288

模型的诊断与检验293

ARIMA模型预测293

14.7 ARIMA模型建模案例295

14.8 SARIMA模型302

SARIMA模型定义302

SARIMA模型建模案例304

14.9回归与ARMA组合模型309

回归与ARMA组合模型定义310

回归与ARMA组合模型案例分析310

第15章 面板数据模型与应用313

15.1面板数据定义313

15.2面板数据模型分类316

混合模型316

固定效应模型316

随机效应模型318

15.3面板数据模型估计方法319

混合最小二乘估计319

平均数最小二乘估计法319

离差变换最小二乘估计320

一阶差分最小二乘估计321

可行广义最小二乘估计法（随机效应估计法）321

15.4面板数据模型的设定与检验321

F检验322

H检验322

Wald检验324

F检验和LR检验324

15.5面板数据建模案例分析325

15.6面板数据模型的EViews操作332

建立混合数据库332

面板数据模型估计的EViews操作333

15.7面板数据的单位根检验337

LLC检验337

崔仁检验（Fisher-ADF检验）339

第16章 单位根检验与协整341

16.1非平稳时间序列与虚假回归341

单积定义341

单积时间序列的统计特征342

虚假回归343

16.2单位根检验344

DF统计量的分布特征344

AR（p）含单位根过程的DF分布347

误差项为ARMA形式的I（1）过程的DF分布348

单位根检验348

单位根检验步骤349

单位根检验的EViews操作350

单位根检验案例分析351

16.3结构突变序列的单位根检验354

16.4经济变量的协整360

均衡概念360

协整定义361

协整性检验362

16.5误差修正模型364

附录A 统计分布表368

附录B 随机变量、概率极限、矩阵代数知识简介379

参考文献392