计量经济学原理及应用 本书特色
《计量经济学原理及应用》：高等院校经济学类核心课程教材
计量经济学原理及应用 内容简介
本书主要介绍计量经济学的理论和方法，包括经典线性回归模型、违背经典假定的线性回归模型、联立方程模型以及时间序列模型等内容。
全书分五篇共十五章。**篇是绪论；第二篇介绍经典线性回归模型的基本理论和方法；第三篇介绍违背经典假定的线性回归模型与方法；第四篇介绍联立方程模型；第五篇介绍时间序列模型的理论与应用。
本书具有如下特点：
**，一些重要的理论方法都在附录或正文中给出了详细的证明，加深读者对理论的理解。如*小方差性的证明、随机项方差的无偏估计、t检验统计量的证明、f检验统计量的证明、布罗施一戈弗雷的拉格朗日乘数自相关检验统计量服从卡方分布的证明、怀特异方差检验统计量服从卡方分布的证明、布罗施二帕甘／戈弗雷异方差检验统计量服从卡方分布的证明等。
第二，针对各种计量经济学原理和方法列举了大量的中外经济实例，有些案例取自学术期刊和国外经典教材，使学生了解学术研究的方法。
第三，理论与应用并重，在详细介绍计量经济学原理、方法后，结合*新的eviews6．0软件介绍实际应用。 。
第四，结合国际教材潮流，在国内现有教材的基础上增加了一些新的内容，如非球形随机项、似无相关回归分析方法、布罗施一帕甘／戈弗雷的异方差检验法、杜宾自相关检验法等。
第五，本书内容包括三个层次：概念、原理和应用。强调对概念和原理的理解，也强调具体方法的应用。
第六，每章后都有习题加深对概念的理解，并配有相应数据。
书中部分带“*”，的内容难度稍大，具体教学时根据教学课时选用。教学时忽略这些带“*”的内容并不影响全书的连贯性，也不影响读者对全书其他内容的理解和掌握。
计量经济学原理及应用 目录
**篇 绪论
**章 计量经济学简介
**节 计量经济学的定义
第二节 计量经济学建模的步骤分析
第三节 计量经济学模型的应用
本章思考练习题
第二篇 经典线性回归模型
第二章 回归分析的基本思想
**节 回归分析的含义
第二节 总体回归函数与样本回归函数
第三节 线性回归模型的“线性”含义
本章思考练习题
第三章 一元线性回归模型
**节 一元线性回归模型及其基本假设
第二节 回归参数的普通*小二乘估计
第三节 参数*小二乘估计量的统计性质
第四节 参数*小二乘估计量的概率分布及随机项方差的估计量
第五节 参数的显著性检验
第六节 回归方程的显著性检验
第七节 一元线性回归模型的预测问题
第八节 一元线性回归模型的应用实例
第九节 极大似然估计法
本章思考练习题
第四章 多元线性回归模型
**节 多元线性回归模型及其基本假设
第二节 多元线性回归模型的参数估计
第三节 参数估计量的统计性质
第四节 参数估计量的抽样分布和随机项方差的无偏估计量
第五节 参数的显著性检验及置信区间
第六节 回归方程的显著性检验
第七节 多元线性回归模型的预测
第八节 多元线性回归模型的eviews应用实例
第九节 多元线性回归模型的极大似然估计
本章思考练习题
第五章 回归模型的进一步讨论
**节 非线性模型的线性化
第二节 非线性*小二乘估计方法*
第三节 模型的函数形式讨论
第四节 受限*小二乘回归及模型参数的稳定性检验
第五节 其他线性和非线性约束检验方法*
本章思考练习题
第三篇 违背经典假定的线性回归模型
第六章 非球形随机项
**节 非球形随机项
第二节 非球形随机项下0ls估计量的性质
第三节 广义*小二乘法
第四节 广义线性模型的极大似然估计法*
本章思考练习题
第七章 异方差
**节 异方差的概念
第二节 异方差在实际经济问题中的表现
第三节 异方差的检验方法
第四节 异方差模型的估计方法
第五节 异方差模型估计方法的eviews应用实例
本章思考练习题
第八章 自相关
**节 自相关的相关概念
第二节 实际经济问题中的自相关
第三节 自相关的检验方法
第四节 自相关模型的处理方法
第五节 自相关模型估计方法的eviews应用实例
本章思考练习题
第九章 多重共线性
**节 多重共线性的概念
……
第四篇 联立方程模型
第五篇 时间序列模型
附录
参考文献
计量经济学原理及应用 节选
《计量经济学原理及应用》融计量经济学基本原理与Eviews 6.o应用于一体，重点介绍了计量经济学的理论、方法和应用，以中级计量经济学内容为主，也包含适量的初、高级内容。全书以经典线性模型为主，也适当包含了一些非经典模型。全书详细论述了经典单方程计量经济学模型、违背经典假定的单方程计量经济学模型、联立方程模型、时间序列模型等的理论和方法。《计量经济学原理及应用》不仅适合作为高等院校经济、管理类专业本科生的教材或教学参考书，也可作为经济、管理工作者以及科研人员的参考书。
计量经济学原理及应用 相关资料
插图：从上面对随机项定义的介绍可以看出，随机项表示观察值y；和条件期望值E（y，xi）的离差。那么这个离差是由哪些原因造成的呢？（1）随机项代表了一些未知的影响因素。由于对总体认识的非完备性，可能还有许多的未知因素没有被纳入模型中，因此用随机项代替这些未知的影响因素。（2）代表一些不重要的影响因素。“奥卡姆剃刀原则”认为，只要不遗漏重要信息，描述应尽可能简单。在构建计量经济模型过程中，只要不遗漏重要解释变量，模型也应尽可能简单。因此，即使已经知道了一些其他的影响因素，但如果这些因素并不重要，或者与我们的研究目的无关，这时我们就可将这些不重要的因素都用随机项代替，以简化模型。例如，在例2.2.1中，影响书报支出的因素除了可支配收入外，还有居住区域、以前购买书报的支出以及攀比心理等因素。（3）代表内在的随机性。即使模型中已经包括了所有影响被解释变量的因素，其内在的随机性也不可避免，因为人类行为并不是完全可预测的或是完全理性的，因此，随机项反映了人类行为的内在随机性。（4）代表残缺数据。在做模型时，有些变量的数据不可能取得，例如，在书报支出例子中，个人购买书报支出可能还受到个人财富拥有量的影响，但实际上个人财富拥有量的数据往往无法获得，这时，模型中不得不省略这一变量。（5）代表数据测量误差。由于主客观的原因，在取得经济数据时，往往存在测量误差，如四舍五入的影响、一些黑市的影响、地下经济的影响等，这时，这些数据的测量误差往往并人到随机项中。（6）代表模型设定错误。就像我们上面所说的，总体往往不可能得到，得到的只是总体的部分样本，因此，选择具体的函数形式就是经验的问题。所以，设定的模型可能和真实的模型存在差异，譬如本来总体是二次方函数关系，但设定成线性函数关系，这时随机项就包含了这种模型设定误差。
