書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
計量經(jīng)濟分析方法與建模-EViews應(yīng)用及實例-(第3版)

計量經(jīng)濟分析方法與建模-EViews應(yīng)用及實例-(第3版)

出版社：清華大學(xué)出版社出版時間：2016-12-01
開本： 32開 頁數(shù)： 587
本類榜單：教材銷量榜
中 圖 價:¥35.3(5.7折) 定價  ¥62.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

計量經(jīng)濟分析方法與建模-EViews應(yīng)用及實例-(第3版) 版權(quán)信息

  • ISBN：9787302461005
  • 條形碼：9787302461005 ; 978-7-302-46100-5
  • 裝幀：一般膠版紙
  • 冊數(shù)：暫無
  • 重量：暫無
  • 所屬分類：>

計量經(jīng)濟分析方法與建模-EViews應(yīng)用及實例-(第3版) 本書特色

本書全面介紹了計量經(jīng)濟學(xué)的主要理論和方法，將它們納入一個完整、清晰的體系之中。本書注重將計量經(jīng)濟學(xué)的理論和實際經(jīng)濟問題相結(jié)合，提供了大量的基于經(jīng)濟問題的模型實例，協(xié)助教師提高教學(xué)效率，增強學(xué)生的學(xué)習(xí)興趣和實際建模能力。本書的作者都是多年從事計量經(jīng)濟學(xué)教學(xué)和研究的教師，書中融入了作者們教學(xué)和科研的體會。書中大多數(shù)實際案例是作者們在實踐中運用的實例和國內(nèi)外的經(jīng)典實例，同時基于EViews軟件來介紹實際應(yīng)用技巧，具有很強的可操作性。 本書可以作為本科生、碩士和博士研究生的應(yīng)用計量經(jīng)濟學(xué)課程教材，也可作為在經(jīng)濟、統(tǒng)計、金融等領(lǐng)域從事定量分析的工作人員的參考書。

計量經(jīng)濟分析方法與建模-EViews應(yīng)用及實例-(第3版) 內(nèi)容簡介

本書的適用范圍： 對于學(xué)過初級計量經(jīng)濟學(xué)課程的本科生可以講授本書的第1章、第2章（2.1節(jié)、2.2節(jié)）、第3章、第4章（4.1節(jié)、4.2節(jié)）、第5章的部分內(nèi)容，以及多方程部分的第11章和第14章的簡單內(nèi)容； 對于學(xué)過中高級計量經(jīng)濟學(xué)課程的碩士和博士研究生可以講授第2章、第4章（4.3節(jié)~4.10節(jié)）、第5章、擴展的單方程分析的第6~9章、多方程部分的第10章、第12~15章。

計量經(jīng)濟分析方法與建模-EViews應(yīng)用及實例-(第3版) 目錄

目錄 第Ⅰ部分?jǐn)?shù)據(jù)分析基礎(chǔ) 第1章概率與統(tǒng)計基礎(chǔ) 1．1隨機變量 1．1．1概率分布 1．1．2隨機變量的數(shù)字特征 1．1．3隨機變量的聯(lián)合分布 1．2從總體到樣本 1．2．1基本統(tǒng)計量 1．2．2估計量性質(zhì) 1．3一些重要的概率分布 1．3．1正態(tài)分布 1．3．2χ2分布 1．3．3t分布 1．3．4F分布 1．4統(tǒng)計推斷 1．4．1參數(shù)估計 1．4．2假設(shè)檢驗 1．5EViews軟件的相關(guān)操作 1．5．1單序列的統(tǒng)計量、檢驗和分布 1．5．2多序列的顯示和統(tǒng)計量 第2章經(jīng)濟時間序列的處理、季節(jié)調(diào)整與分解 2．1經(jīng)濟時間序列的處理和頻率轉(zhuǎn)換方法 2．1．1經(jīng)濟指標(biāo)幾種數(shù)據(jù)類型的概念 2．1．2頻率轉(zhuǎn)換 2．2季節(jié)調(diào)整 2．2．1移動平均公式 2．2．2Census X13ARIMASEATS季節(jié)調(diào)整方法 2．2．3TRAMO/SEATS方法 2．3趨勢分解 2．3．1HodrickPrescott濾波方法 2．3．2頻譜濾波(BP濾波)方法 2．4EViews軟件的相關(guān)操作 2．4．1頻率轉(zhuǎn)換 2．4．2X13ARIMASEATS季節(jié)調(diào)整 2．4．3TRAMO/SEATS季節(jié)調(diào)整 2．4．4HodrickPrescott濾波 2．4．5BP濾波 第Ⅱ部分基本的單方程分析 第3章基本回歸模型 3．1古典線性回歸模型 3．1．1一元線性回歸模型 3．1．2*小二乘法 3．1．3多元線性回歸模型 3．1．4系數(shù)估計量的性質(zhì) 3．1．5線性回歸模型的檢驗 3．1．6AIC準(zhǔn)則和Schwarz準(zhǔn)則 3．2回歸方程的函數(shù)形式 3．2．1雙對數(shù)線性模型 3．2．2半對數(shù)模型 3．2．3雙曲函數(shù)模型 3．2．4多項式回歸模型 3．2．5BoxCox轉(zhuǎn)換 3．3包含虛擬變量的回歸模型 3．3．1回歸中的虛擬變量 3．3．2季節(jié)調(diào)整的虛擬變量方法 3．4模型設(shè)定和假設(shè)檢驗 3．4．1系數(shù)檢驗 3．4．2殘差檢驗 3．4．3模型穩(wěn)定性檢驗 3．5方程模擬與預(yù)測 3．5．1預(yù)測誤差與方差 3．5．2預(yù)測評價 3．6EViews軟件的相關(guān)操作 3．6．1設(shè)定回歸方程形式和估計方程 3．6．2方程輸出結(jié)果 3．6．3與回歸方程有關(guān)的操作 3．6．4模型設(shè)定和假設(shè)檢驗 3．6．5預(yù)測 第4章其他回歸方法 4．1異方差 4．1．1異方差檢驗 4．1．2加權(quán)*小二乘估計 4．1．3存在異方差時參數(shù)估計量的一致協(xié)方差 4．2二階段*小二乘法 4．3非線性*小二乘法 4．4廣義矩方法 4．4．1矩法估計量 4．4．2廣義矩估計 4．5多項式分布滯后模型 4．6逐步*小二乘回歸 4．7分位數(shù)回歸 4．7．1分位數(shù)回歸的基本思想和系數(shù)估計 4．7．2系數(shù)協(xié)方差的估計 4．7．3模型評價和檢驗 4．8非參數(shù)回歸模型 4．8．1密度函數(shù)的非參數(shù)估計 4．8．2一元非參數(shù)計量經(jīng)濟模型 4．9穩(wěn)健*小二乘法(robust) 4．9．1M估計 4．9．2S估計 4．9．3MM估計 4．9．4系數(shù)協(xié)方差的計算方法 4．10有限信息極大似然估計和K類估計 4．10．1有限信息極大似然估計(LIML) 4．10．2K類估計 4．11EViews軟件的相關(guān)操作 4．11．1異方差檢驗 4．11．2加權(quán)*小二乘法估計 4．11．3White異方差一致協(xié)方差和NeweyWest 異方差自相關(guān)一致協(xié)方差 4．11．4二階段*小二乘法(TSLS)估計 4．11．5非線性*小二乘估計 4．11．6GMM估計 4．11．7估計包含PDLs的模型 4．11．8逐步回歸估計 4．11．9分位數(shù)回歸 4．11．10非參數(shù)估計 4．11．11Robust*小二乘估計 4．11．12在EViews中進(jìn)行LIMI和K類估計 4．12附錄廣義*小二乘估計 第5章時間序列模型 5.1序列相關(guān)及其檢驗 5.1.1序列相關(guān)及其產(chǎn)生的后果 5.1.2序列相關(guān)的檢驗方法 5.1.3擾動項存在序列相關(guān)的線性回歸方程的修正與估計 5.2平穩(wěn)時間序列建模 5.2.1平穩(wěn)時間序列的概念 5.2.2ARMA模型 5.2.3ARMA模型的平穩(wěn)性 5.2.4ARMA模型的識別 5.3非平穩(wěn)時間序列建模 5.3.1非平穩(wěn)序列和單整 5.3.2非平穩(wěn)序列的單位根檢驗 5.3.3突變點單位根檢驗(breakpoint unit root test) 5.3.4ARIMA模型 5.3.5ARFIMA模型 5.3.6自回歸分布滯后模型 5.4協(xié)整和誤差修正模型 5.4.1協(xié)整關(guān)系 5.4.2基于殘差的協(xié)整檢驗 5.4.3誤差修正模型(ECM) 5.5EViews軟件的相關(guān)操作 5.5.1檢驗序列相關(guān)性 5.5.2修正序列相關(guān) 5.5.3ARMA(p，q)模型的估計 5.5.4單位根檢驗 5.5.5非平穩(wěn)時間序列估計 5.5.6基于殘差的EG協(xié)整檢驗(EG和PO協(xié)整檢驗方法) 第Ⅲ部分?jǐn)U展的單方程分析 第6章條件異方差模型 6.1自回歸條件異方差模型 6.1.1ARCH模型 6.1.2ARCH的檢驗 6.1.3GARCH模型 6.1.4IGARCH模型 6.1.5約束及回推 6.1.6GARCH模型的殘差分布假設(shè) 6.1.7GARCHM模型 6.2非對稱的ARCH模型 6.2.1TARCH模型 6.2.2EGARCH模型 6.2.3PARCH模型 6.2.4非對稱的信息沖擊曲線 6.3成分ARCH模型 6.4EViews軟件的相關(guān)操作 6.4.1ARCH檢驗 6.4.2ARCH模型的建立 6.4.3ARCH模型的視圖和過程 6.4.4ARCH模型的輸出 6.4.5繪制估計的信息沖擊曲線 第7章離散因變量和受限因變量模型 7.1二元選擇模型 7.1.1線性概率模型及二元選擇模型的形式 7.1.2二元選擇模型的估計問題 7.1.3二元選擇模型的變量假設(shè)檢驗問題 7.2排序選擇模型 7.3受限因變量模型 7.3.1審查、選擇性樣本和截斷數(shù)據(jù) 7.3.2受限因變量數(shù)據(jù)為什么不能用普通*小二乘估計 7.3.3審查回歸模型 7.3.4截斷回歸模型 7.4Heckman樣本選擇模型 7.5計數(shù)模型 7.5.1泊松模型的形式與參數(shù)估計 7.5.2負(fù)二項式模型的形式與參數(shù)估計 7.5.3準(zhǔn)—極大似然估計 7.6廣義線性模型 7.6.1廣義線性模型的形式 7.6.2廣義線性模型的參數(shù)估計 7.7EViews軟件的相關(guān)操作 7.7.1二元選擇模型 7.7.2排序選擇模型 7.7.3審查回歸模型 7.7.4截斷回歸模型 7.7.5Heckman選擇模型 7.7.6計數(shù)模型 7.7.7廣義線性模型 第8章對數(shù)極大似然估計 8.1對數(shù)極大似然估計的基本原理 8.1.1極大似然估計的基本原理 8.1.2極大似然估計量的計算方法 8.1.3優(yōu)化算法 8.2對數(shù)極大似然的估計實例 8.2.1一元線性回歸模型的極大似然函數(shù) 8.2.2AR(1)模型的極大似然函數(shù) 8.2.3GARCH(q，p)模型的極大似然函數(shù) 8.2.4具有異方差的一元線性回歸模型的極大似然函數(shù) 8.3EViews軟件的相關(guān)操作 8.3.1似然對象的建立 8.3.2似然對象的估計、視圖和過程 8.3.3問題解答 第9章具有結(jié)構(gòu)變化特征的回歸模型 9.1間斷點回歸模型 9.1.1多個間斷點的檢驗 9.1.2包含多個間斷點時的方程估計 9.2門限回歸模型 9.2.1門限回歸(TR)模型 9.2.2自激勵門限自回歸(SETAR)模型 9.3轉(zhuǎn)換回歸模型 9.3.1轉(zhuǎn)換回歸的基本模型 9.3.2馬爾可夫區(qū)制轉(zhuǎn)換模型 9.3.3動態(tài)轉(zhuǎn)換模型 9.4EViews軟件的相關(guān)操作 9.4.1間斷點檢驗和間斷點模型估計 9.4.2門限模型的估計 9.4.3轉(zhuǎn)換方程對象的建立與估計 第Ⅳ部分多方程分析 第10章向量自回歸和向量誤差修正模型 10.1向量自回歸理論 10.1.1VAR模型的一般表示 10.1.2結(jié)構(gòu)VAR模型(SVAR) 10.2結(jié)構(gòu)VAR(SVAR)模型的識別條件 10.2.1SVAR模型的識別條件 10.2.2SVAR模型的約束形式 10.3VAR模型的檢驗 10.3.1Granger因果檢驗 10.3.2滯后階數(shù)p的確定 10.4脈沖響應(yīng)函數(shù) 10.4.1脈沖響應(yīng)函數(shù)的基本思想 10.4.2VAR模型的脈沖響應(yīng)函數(shù) 10.4.3廣義脈沖響應(yīng)函數(shù) 10.4.4SVAR模型的脈沖響應(yīng)函數(shù) 10.5方差分解 10.6Johansen協(xié)整檢驗 10.6.1特征根跡檢驗(trace檢驗) 10.6.2*大特征值檢驗 10.6.3協(xié)整方程的形式 10.7向量誤差修正模型 10.8貝葉斯VAR模型 10.8.1貝葉斯VAR模型的基本思想 10.8.2先驗分布 10.9EViews軟件的相關(guān)操作 10.9.1VAR模型的建立和估計 10.9.2VAR模型的視圖 10.9.3VAR模型的過程 10.9.4脈沖響應(yīng)函數(shù)的計算 10.9.5方差分解的實現(xiàn) 10.9.6協(xié)整檢驗 10.9.7VEC模型的建立和估計 10.9.8BVAR模型的估計 第11章基本的Panel Data模型 11.1Panel Data模型的基本原理 11.1.1Panel Data模型概述 11.1.2Panel Data模型分類 11.2模型形式設(shè)定檢驗 11.3變截距模型 11.3.1固定影響變截距模型 11.3.2隨機影響變截距模型 11.3.3Hausman檢驗 11.4變系數(shù)模型 11.4.1固定影響變系數(shù)模型 11.4.2隨機影響變系數(shù)模型 11.5Panel Data模型系數(shù)協(xié)方差的估計方法 11.6EViews軟件的相關(guān)操作 11.6.1含有Pool對象的工作文件 11.6.2Pool對象中數(shù)據(jù)處理 11.6.3Pool對象的模型估計 第12章擴展的Panel Data模型 12.1面板數(shù)據(jù)的單位根檢驗 12.1.1相同根情形下的單位根檢驗 12.1.2不同根情形下的單位根檢驗 12.2面板數(shù)據(jù)的協(xié)整檢驗 12.2.1Pedroni檢驗 12.2.2Kao檢驗 12.2.3Fisher面板協(xié)整檢驗 12.3面板數(shù)據(jù)廣義矩（GMM）方法 12.3.1面板數(shù)據(jù)GMM方法的基本原理 12.3.2面板數(shù)據(jù)GMM的估計方法 12.4動態(tài)面板數(shù)據(jù)回歸模型 12.4.1動態(tài)面板數(shù)據(jù)回歸模型簡介 12.4.2動態(tài)面板數(shù)據(jù)模型的估計 12.5EViews軟件的相關(guān)操作 12.5.1構(gòu)建面板工作文件 12.5.2面板數(shù)據(jù)的基本分析 12.5.3面板數(shù)據(jù)模型的建立與估計 第13章狀態(tài)空間模型和卡爾曼濾波 13.1狀態(tài)空間模型的定義 13.2卡爾曼濾波 13.2.1Kalman濾波的一般形式 13.2.2Kalman濾波的解釋和性質(zhì) 13.2.3修正的Kalman濾波遞推公式 13.2.4非時變模型及Kalman濾波的收斂性 13.2.5Kalman濾波的初始條件 13.3狀態(tài)空間模型超參數(shù)的估計 13.3.1似然函數(shù)形式的預(yù)測誤差分解 13.3.2超參數(shù)的估計方法 13.4狀態(tài)空間模型的應(yīng)用 13.4.1可變參數(shù)模型的狀態(tài)空間表示 13.4.2季節(jié)調(diào)整的狀態(tài)空間形式 13.4.3ARMAX模型的狀態(tài)空間形式 13.5EViews軟件的相關(guān)操作 13.5.1定義狀態(tài)空間模型 13.5.2估計狀態(tài)空間模型 13.5.3狀態(tài)空間模型的視窗和過程 第14章聯(lián)立方程模型的估計與模擬 14.1聯(lián)立方程系統(tǒng)概述 14.1.1聯(lián)立方程系統(tǒng)的基本概念 14.1.2聯(lián)立方程系統(tǒng)的識別 14.1.3一個小型中國宏觀經(jīng)濟聯(lián)立方程模型 14.2聯(lián)立方程系統(tǒng)的估計方法 14.2.1單方程估計方法 14.2.2系統(tǒng)估計方法 14.2.3多變量ARCH方法 14.3聯(lián)立方程模型的模擬 14.3.1聯(lián)立方程模型概述 14.3.2模型模擬的分類 14.3.3模型的評估 14.3.4情景分析 14.4EViews軟件的相關(guān)操作 14.4.1聯(lián)立方程系統(tǒng)的基本操作 14.4.2聯(lián)立方程模型的模擬與預(yù)測 14.4.3聯(lián)立方程模型的求解 14.4.4聯(lián)立方程模型的數(shù)據(jù)操作 第15章主成分分析和因子分析 15.1主成分分析 15.1.1主成分分析的基本思想 15.1.2總體主成分求解及其性質(zhì) 15.1.3樣本的主成分 15.2因子分析 15.2.1基本的因子分析模型 15.2.2正交因子模型的性質(zhì) 15.2.3因子載荷的估計方法 15.2.4因子數(shù)目的確定方法及檢驗 15.2.5因子旋轉(zhuǎn) 15.2.6因子得分 15.3EViews軟件的相關(guān)操作 15.3.1主成分分析的實現(xiàn) 15.3.2因子分析的實現(xiàn) 15.3.3因子旋轉(zhuǎn)的操作 15.3.4計算因子得分 15.3.5因子視圖 15.3.6因子過程 附錄AEViews中的常用函數(shù) A1. 公式中的運算符號及其含義 A2. 時間序列函數(shù)及其含義 A3. 序列描述性統(tǒng)計量的@函數(shù)及其含義 A4. 三角函數(shù) A5. 統(tǒng)計函數(shù) A6. 回歸統(tǒng)計量的@函數(shù)及其含義 參考文獻(xiàn)
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服