经济计量学精要(原书第4版)

本书旨在向读者介绍经济计量理论和技术，力求通过大量实例、翔实解释和丰富习题帮助学生理解经济计量技术。根据学生和教师的建议，第4版的框架进行了重新调整，增加了许多新例子，并恰如其分地给出了各种软件的计算机输出结果。
    本书重点面向经济学和管理类专业本科生以及MBA学员，也适用于涉及经济计量分析，尤其是回归分析的其他社会科学和行为科学专业的学生。

前言
作者简介
教学建议
  第1章  经济计量学的特征及研究范围
    1.1  什么是经济计量学
    1.2  为什么要学习经济计量学
    1.3  经济计量学方法论
    1.4  全书结构
    关键术语和概念问题习题
    附录1  A互联网上的经济数据
第一部分  线性回归模型
  第2章  线性回归的基本思想：双变量模型
    2.1  回归的含义
    2.2  总体回归函数（PRF）：假想一例
    2.3  总体回归函数的统计或随机设定
    2.4  随机误差项的性质
    2.5  样本回归函数
    2.6  “线性”回归的特殊含义
    2.7  从双变量回归到多元线性回归
    2.8  参数估计：普通最小二乘法
    2.9  综合
    2.10  一些例子
    2.11  小结
    关键术语和概念
    问题习题选作题
    附录2A最小二乘估计值的推导
  第3章  双变量模型：假设检验
    3.1  古典线性回归模型
    3.2  普通最小二乘估计量的方差与标准误
    3.3  为什么使用OLSOLS估计量的性质
    3.4  OLS估计量的抽样分布或概率分布
    3.5  假设检验
    3.6  拟合回归直线的优度：判定系数r 2
    3.7  回归分析结果的报告
    3.8  数学S.A.T一例的计算机输出结果
    3.9  正态性检验
    3.10  综合实例：美国商业部门工资和生产率的关系（1959～2006年）
    3.11  预测
    3.12  小结
    关键术语和概念问题
    习题
  第4章  多元回归：估计与假设检验
  第5章  回归模型的函数形式
  第6章 虚拟变量回归模型
第二部分  实践中的回归分析
  第7章 模型选择：标准与检验
  第8章 多重共线性：解释变量相关会有什么后果
  第9章  异方差：如果误差方差不是常数会有什么结果
  第10章  自相关：如果误差项相关会有什么结果
第三部分  经济计量学高级专题
  第11章  联立方程模型
  第12章  单方程回归模型的几个专题
附录  概率论与统计学基础
参考文献

    （7）检验源自模型的假设。
    （8）利用模型进行预测。
    为了阐明经济计量学方法论，不妨考虑这样一个问题：经济形势会影响人们进入劳动力市场的决策吗？也就是说，经济形势是否对人们的工作意愿有影响？假设用失业率（UNR）度量经济形势，用劳动力参与率（LFPR）度量劳动力参与，UNR和LFPR的数据由政府按时公布。我们按上述步骤回答这个问题。
    1.3.1建立一个理论假说
    首先要了解经济理论对这一问题是怎样阐述的。在劳动力经济学中，关于经济形势对人们工作意愿的影响有两个互相对立的假说。受挫-工人假说（效应）认为当经济形势恶化时（表现为较高的失业率），许多失业工人放弃寻找工作的愿望并退出劳动力市场。增加-工人假说（效应）认为当经济形势恶化时，许多尚未进入劳动力市场的后备工人（比如带孩子的母亲）可能会由于养家的人失去工作而决定进入劳动力市场，即使这些工作的报酬很低，只要可以弥补由于养家的人失去工作而造成的收入损失就行。
    总而言之，劳动力参与率的增加或减少取决于增加-工人效应和受挫-工人效应的强弱对比。如果增加-工人效应占知名品牌，则LFPR将升高，即使是在失业率很高的情况下。相反，如果是受挫-工人效应占知名品牌，那么LYPR将会下降。如何得到这一结果呢？这就成了一个实证问题。
    1.3.2收集数据
    因此，在实证分析中需要这两个变量的定量信息。一般来说，有三类数据可用于实证分析：
    （1）时间序列数据。
    （2）截面数据。
    （3）合并数据（时间序列数据与截面数据的组合）。
    时间序列数据（times series data）是按时间跨度收集得到的。比如GDP、失业、就业、货币供给、政府赤字等，这些数据是按照规则的时间间隔收集得到的——每天（比如股票价格）、每周（比如货币供给）、每月（比如失业率）、每季度（比如GDP）或每年（比如政府预算）。这些数据可能是定量的（比如价格、收入、货币供给等），也可能是定性的（比如男或女、失业或就业、已婚或未婚、白人或黑人等）。你会发现，定性变量（又称为虚拟变量或分类变量）与定量变量同样重要。
    截面数据（cross-sectional data）是指一个或多个变量在某一时点上的数据集合。例如美国人口调查局每十年进行的人口普查（*近一次是在2000年4月1日进行的），密执安大学进行的消费者支出调查以及Gallup、Harris和其他投票组织进行的民意测验等。
    合并数据（pooled data）既包括时间序列数据又包括截面数据。例如，如果要收集20年间10个国家的失业率数据，那么这个数据集就是一个合并数据——每个国家20年间的失业率构成时间序列数据，而10个不同国家每年的失业率又组成截面数据。在合并数据中，共有200个观察值——10个国家20年间的失业率数据。 ……