现代统计学丛书：高等计量经济学基础 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

缪柏其，叶五一 著

图书标签:

• 计量经济学
• 统计学
• 高等教育
• 经济学
• 数学
• 模型
• 数据分析
• 回归分析
• 时间序列
• 因果推断

出版社： 高等教育出版社

ISBN：9787040372403

版次：1

商品编码：11260860

包装：平装

开本：16开

出版时间：2013-06-01

用纸：胶版纸

页数：214

字数：380000

正文语种：中文

内容简介

　　高等计量经济学是金融工程的基础课程。
　　《现代统计学丛书：高等计量经济学基础》介绍了回归分析、时间序列分析、面板数据分析的基本思想和内容。由于属性数据大量出现在金融数据中，书中也简要介绍了有关属性数据分析和建模的一些内容。每章结合金融工程研究中的问题来介绍和解释有关的基本概念和内容，并配有一定量的习题。
　　《现代统计学丛书：高等计量经济学基础》可作为金融工程硕士研究生的教学用书，也可作为经济学、金融工程、证券和基金等从业人员了解有关理论和应用的入门参考书。

内页插图

目录

第一章 线性代数和矩阵基本知识
1.1 线性代数基本知识
1.1.1 向量空间
1.1.2 Gram-Schmidt正交化程序
1.1.3 向量的正交投影和Bessel不等式
1.2 矩阵的一般理论和性质
1.3 矩阵的数字特征
1.4 几类特殊的矩阵
1.5 二次型
1.6 矩阵的特殊运算与矩阵的微商

第二章 多元统计分析基本知识
2.1 随机向量的数字特征
2.2 多元正态及由它生成的统计量
2.3 矩阵正态分布和Wishart分布
2.4 相关性分析和关联性分析
2.5 其他重要的多元分布
2.6 Copula
2.6.1 Copula的定义和性质
2.6.2 几个重要的Copula
2.6.3 阿基米德Copula与对应的秩相关系数
2.6.4 Copula的C藤和D藤分解
2.7 大数定律和中心极限定理

第三章 回归分析
3.1 多元线性回归模型
3.1.1 古典假定以及统计推断
3.1.2 多重共线性
3.1.3 异方差性
3.1.4 自相关性
3.1.5 解释变量与误差项的相关性
3.1.6 分块回归与偏回归估计
3.2 多元统计分析
3.2.1 多元模型
3.2.2 主成分分析与因子分析
3.2.3 偏最小二乘方法
3.3 非线性回归模型
3.3.1 可化为线性的非线性回归模型
3.3.2 非线性回归模型及其最小二乘估计
3.3.3 变参数线性回归模型
3.4 非参数回归方法
3.4.1 非参数回归模型
3.4.2 核密度估计
3.4.3 非参数均值回归
3.4.4 局部多项式回归
3.4.5 半参数模型
3.4.6 样条方法
3.5 分位点回归模型
3.5.1 线性分位点回归模型
3.5.2 非线性分位点回归模趔

第四章 时间序列分析
4.1 差分方程
4.1.1 常系数齐次差分方程
4.1.2 非齐次差分方程
……

第五章 面板数据分析
第六章 属性数据分析
第七章 常用的估计方法

现代统计学丛书：高等计量经济学基础 计量经济学：连接理论与现实的桥梁 计量经济学，作为经济学与统计学交叉融合的强大工具，致力于运用统计和数学方法来分析经济数据，检验经济理论，并对经济现象进行预测和政策评估。它为我们提供了一个严谨的框架，用以理解错综复杂的经济世界，揭示隐藏在数据背后的规律，并为决策者提供科学的依据。 本书的定位与价值 《现代统计学丛书：高等计量经济学基础》旨在为读者构建一个坚实的高等计量经济学理论体系。我们深知，要深入理解经济现象并进行有效的量化分析，扎实的理论基础是不可或缺的。本书并非简单地罗列各种统计方法，而是从计量经济学的核心概念出发，逐步深入到高级模型和前沿技术。我们力求在概念的清晰阐述、数学推导的严谨性以及模型应用的实用性之间取得平衡，为读者在学术研究、金融分析、政策制定等领域提供强大的理论支撑。 核心内容概览 本书的编写遵循逻辑递进的原则，从最基本的模型出发，逐步拓展至更为复杂和实用的高级模型。 第一部分：计量经济学理论基石 线性回归模型：理论的起点与实践的基石 模型设定与假设： 我们将详细阐述经典线性回归模型（OLS）的设定，包括因变量、自变量、误差项的定义，以及OLS估计量得以具备优良统计性质的关键假设。我们将深入探讨同方差性、无自相关性、误差项与自变量独立等假设的含义及其重要性。 OLS估计量的推导与性质： 本节将对OLS估计量进行严谨的数学推导，并深入分析其无偏性、有效性（高斯-马尔可夫定理）等性质，让读者深刻理解OLS的统计学原理。 假设检验与置信区间： 掌握对模型参数进行显著性检验（t检验、F检验）以及构建置信区间的技巧，是进行实证分析的关键。我们将详细讲解各种假设检验的原理、步骤以及结果的解读，并阐述置信区间的统计意义。 模型诊断与改进： 实际数据往往不完全符合理想化的假设。本节将重点介绍如何识别和诊断模型中的异方差、自相关、多重共线性等问题，并介绍相应的纠正方法，如加权最小二乘法（WLS）、广义最小二乘法（GLS）等。 模型选择与信息准则： 在构建多个备选模型时，如何选择最优模型是一个重要的问题。我们将介绍赤池信息量准则（AIC）、贝叶斯信息量准则（BIC）等常用的模型选择方法。 工具变量法（IV）与两阶段最小二乘法（2SLS）：应对内生性 内生性的来源与危害： 内生性是计量经济学中一个普遍存在且棘手的问题，它会导致OLS估计量产生偏差且不一致。我们将详细分析内生性的主要来源，例如遗漏变量、测量误差、同期相关性等。 工具变量法的原理： 本节将深入阐述工具变量法的核心思想，即寻找一个与内生解释变量相关但与误差项不相关的工具变量，从而隔离出内生解释变量的“外生”部分。 两阶段最小二乘法（2SLS）的推导与应用： 2SLS是实现工具变量法的标准方法。我们将详细推导2SLS的估计过程，并讲解其如何通过两阶段回归来估计模型参数。 弱工具变量与过度识别检验： 针对工具变量法的实际应用，我们将探讨弱工具变量（工具变量相关性不足）的问题，并介绍如何进行过度识别检验（Sargan检验、Hansen检验）来检验工具变量的有效性。 第二部分：扩展的计量模型 联立方程模型（SEM）：经济系统分析的利器 联立方程模型的概念与挑战： 经济现象往往是相互关联、相互影响的。联立方程模型能够同时描述多个变量之间的相互作用关系。我们将详细介绍联立方程模型的结构，并分析其估计面临的挑战，如多重共线性、内生性等。 识别问题： 在联立方程模型中，如何唯一地确定方程的系数是关键。我们将区分并讲解阶数条件和秩条件，以及他们如何用于判断方程是否可识别。 估计方法： 本节将介绍联立方程模型的两种主要估计方法：间接最小二乘法（ILS）和二阶段最小二乘法（2SLS）在联立方程模型中的应用。 时间序列分析：捕捉动态经济规律 平稳性、非平稳性与单位根检验： 时间序列数据往往具有时间依赖性。我们将深入理解平稳序列的概念，并详细介绍单位根检验（ADF检验、PP检验）来判断序列的平稳性，这是后续时间序列建模的基础。 自回归（AR）与移动平均（MA）模型： AR和MA模型是描述时间序列数据基本特征的经典模型。我们将讲解AR(p)和MA(q)模型的结构、参数估计以及模型识别。 自回归移动平均（ARMA）模型： ARMA模型是AR和MA模型的结合，能够更灵活地描述时间序列的动态。我们将介绍ARMA(p,q)模型的建立和应用。 自回归积分滑动平均（ARIMA）模型： 对于非平稳序列，ARIMA模型通过差分使其平稳，然后进行建模。我们将详细讲解ARIMA模型的构建和应用，以及模型识别中的ACF和PACF图的作用。 格兰杰因果关系检验： 探讨变量之间是否存在预测意义上的因果关系，对于理解经济变量的动态联系至关重要。我们将介绍格兰杰因果关系检验的原理和应用。 向量自回归（VAR）模型： 当多个时间序列变量之间存在相互影响时，VAR模型是有效的分析工具。我们将介绍VAR模型的设定、估计以及脉冲响应分析和方差分解等应用。 协整与误差修正模型（ECM）： 对于具有共同趋势的非平稳时间序列，协整关系的存在表明它们长期上存在稳定的均衡关系。我们将介绍协整的概念、检验方法（Engle-Granger、Johansen检验）以及如何建立误差修正模型来描述短期动态。 面板数据模型：融合横截面与时间序列的优势 面板数据的结构与优势： 面板数据同时包含多个个体在多个时间点上的观测值，能够更有效地控制个体特异性和时间效应，从而提高估计效率和模型解释力。 固定效应模型（FEM）与随机效应模型（REM）： 我们将详细讲解两种主要的面板数据模型：固定效应模型（处理个体特异性为固定参数）和随机效应模型（处理个体特异性为随机变量）。 模型选择与检验： 本节将介绍如何运用Hausman检验来选择最适合的面板数据模型。 第三部分：专题与前沿 离散选择模型：分析定性因变量 二元选择模型（Logit/Probit）： 当因变量为二元变量（例如，是否购买某商品）时，OLS不再适用。我们将介绍Logit和Probit模型，以及其参数估计和解释。 多项选择模型： 当因变量有三个或更多互斥的选项时，我们将介绍多项Logit模型和序数Logit模型。 有限因变量模型：分析受限的观测值 截断模型与被删模型： 当因变量的观测值被限制（例如，收入不低于零）时，需要使用截断模型或被删模型。我们将讨论这些模型的特点和估计方法。 计数模型（Poisson/负二项模型）： 当因变量为非负整数（例如，购买次数）时，我们将介绍Poisson模型和负二项模型。 非参数计量经济学简介： 核密度估计与局部多项式回归： 简要介绍无需预设模型形式的非参数方法，展示其在探索性数据分析中的优势。 本书特色与学习建议 严谨的数学推导： 我们力求在保证概念清晰易懂的同时，提供严谨的数学推导，帮助读者深入理解模型背后的逻辑。 理论与应用的结合： 每个模型介绍后，都将附带相应的应用案例，引导读者将理论知识转化为解决实际问题的能力。 循序渐进的难度： 本书内容从基础到高级，层层递进，适合不同阶段的读者。 配套资源： 建议读者在学习过程中，结合常用的计量经济学软件（如Stata, R, Eviews等），动手实践，加深对模型的理解。 致谢 本书的完成离不开众多学者的智慧与启发。感谢计量经济学领域前辈们奠定的坚实基础，也感谢所有为本书审阅、提出宝贵意见的专家和同行。 结语 《现代统计学丛书：高等计量经济学基础》将为您打开一扇通往量化经济分析的大门。无论您是经济学研究者、金融从业者，还是对经济现象充满好奇的学习者，本书都将是您不可多得的良师益友。希望本书能帮助您掌握理解和分析复杂经济世界的强大工具，在您的学术和职业道路上取得更大的成就。

评分☆☆☆☆☆

这本书的结构非常严谨，让我对高等计量经济学的各个方面都有了一个更系统、更深入的认识。我尤其欣赏书中对统计学基础知识的铺垫，为后续的高级计量经济学内容的展开打下了坚实的基础。从概率论、数理统计的基本概念，到假设检验、回归分析的原理，书中都进行了详尽的阐述，并且强调了这些基础知识与计量经济学研究之间的紧密联系。当我阅读到关于异方差、序列相关等经典计量经济学问题时，书中不仅仅给出了处理这些问题的模型和方法，还深入分析了这些问题产生的原因以及它们对估计结果的影响，这让我能够从根源上理解这些问题的严重性，并更深刻地认识到模型设定的严谨性。书中还对一些非参数和半参数方法的介绍，让我看到了计量经济学研究的更多可能性，也为我今后的研究方向提供了新的思路。读完这本书，我感觉自己在计量经济学领域的基础更加扎实，对各种模型的理解也更加透彻，这无疑为我未来的学术研究和职业发展打下了坚实的基础，让我对运用计量工具分析经济问题充满了信心。

评分☆☆☆☆☆

作为一名在金融领域摸爬滚打多年的老兵，我最近有幸翻阅了这套《现代统计学丛书：高等计量经济学基础》。坦白讲，刚开始拿到这本书的时候，我还是抱有一丝疑虑的，毕竟“高等计量经济学”这几个字听起来就让人生畏，生怕又是一本晦涩难懂、堆砌公式的理论大部头。然而，随着阅读的深入，我发现我的担心是多余的。这本书的编排和叙述方式，极大地降低了理解的门槛。它并没有一开始就抛出复杂的模型和定理，而是循序渐进，从一些基本的统计概念出发，逐步引入计量经济学的核心思想。作者在讲解时，常常会辅以大量的现实案例，这些案例涵盖了宏观经济分析、微观经济行为研究、金融市场预测等多个方面，让抽象的理论变得鲜活起来。我尤其喜欢书中对一些经典计量模型（比如 OLS、IV、GMM 等）的推导过程，作者并没有止步于给出公式，而是深入浅出地解释了每个假设的由来、每个参数的经济含义，以及模型在实践中可能遇到的挑战和解决方案。这让我不再是被动地接受知识，而是主动地去理解和思考，仿佛置身于一个研讨会上，与作者进行着思想的碰撞。这本书对于我这样希望将理论与实践相结合的读者来说，无疑是一份宝贵的财富。它不仅提升了我对计量经济学工具的掌握程度，更重要的是，它改变了我看待和分析经济现象的视角，让我能更敏锐地捕捉数据背后的信息，做出更明智的决策。

评分☆☆☆☆☆

阅读《现代统计学丛书：高等计量经济学基础》的过程，对我而言是一次非常愉悦的学习体验。我通常认为学术著作往往枯燥乏味，但这本书颠覆了我的固有印象。作者的写作风格十分流畅，语言清晰且富有逻辑性。即使在讲解一些相对复杂的统计概念时，也能做到深入浅出，避免了不必要的学术术语堆砌，使得阅读过程不会因为语言障碍而产生抵触情绪。我特别赞赏书中穿插的案例分析，这些案例并非生硬地插入，而是与理论讲解紧密结合，能够极大地帮助读者理解抽象概念的实际应用。例如，在介绍动态面板模型时，书中通过分析劳动力市场数据，生动地展示了如何用该模型来解释工资与就业之间的动态关系，这让原本抽象的理论变得生动而易于理解。此外，本书的结构设计也十分合理，章节之间的衔接自然，逻辑递进清晰，让我能够循序渐进地掌握知识。从基础的统计概念到复杂的模型构建，再到前沿的研究方法，整本书的学习路径设计得非常得当。这本书就像一位循循善诱的老师，引导着我一步步地探索高等计量经济学的奥秘，让我感受到了知识的魅力和学习的乐趣。

评分☆☆☆☆☆

初次接触《现代统计学丛书：高等计量经济学基础》，我最直观的感受是其内容的深度与广度。这本书并非是对基础计量经济学知识的简单复述，而是将目光聚焦于更前沿、更复杂的研究领域。书中对面板数据模型、时间序列分析、离散选择模型等高级计量方法的阐述，都展现了作者深厚的学术功底。令人印象深刻的是，作者在介绍这些模型时，并没有回避其数学上的严谨性，但同时又巧妙地运用了直观的图示和清晰的逻辑梳理，使得即便是初学者也能逐步理解其内在的逻辑链条。我特别欣赏书中对模型假设的讨论，作者详细分析了不同假设条件下的模型性质，以及这些假设在现实世界中的有效性，这对于我们理解模型的局限性，以及如何选择最适合研究问题的模型至关重要。例如，在讨论内生性问题时，书中不仅介绍了各种处理方法，还深入探讨了不同工具变量的选取原则和检验方法，这对于我进行实际研究时，避免模型设定偏差提供了重要的指导。此外，书中还涵盖了一些机器学习方法在计量经济学中的应用，这让我意识到，计量经济学并非一成不变的学科，而是与时俱进，不断融合新的研究工具和方法。总而言之，这本书为我打开了一个全新的学术视野，让我得以窥见计量经济学研究的深度与前沿。

评分☆☆☆☆☆

当我翻开《现代统计学丛书：高等计量经济学基础》时，我最期待的是它能否为我提供一些解决实际研究难题的“利器”。作为一名正在进行博士论文研究的学生，我深知理论知识的重要性，但更迫切的是能够将这些知识转化为解决具体问题的能力。这本书在这一点上做得相当出色。它不仅仅是罗列公式和定理，更像是一位经验丰富的导师，在引导我如何思考和解决问题。书中对统计推断的原理进行了深入剖析，从假设检验到置信区间的构建，都进行了详细的讲解，并且解释了这些统计概念在经济学研究中的实际意义。我特别喜欢其中关于因果推断的章节，作者详细介绍了各种识别策略，如断点回归（RDD）、双重差分（DID）等，并且通过精心设计的例子，清晰地展示了这些方法如何帮助我们识别变量之间的因果关系，而不是仅仅停留在相关性分析的层面。这对于我正在进行的政策评估研究至关重要，能够帮助我更准确地量化政策的实际效果。书中还包含了很多关于模型诊断和模型选择的讨论，这在我实际操作中遇到的各种问题时，提供了非常有价值的参考，让我能够更自信地进行数据分析，并对研究结果的可靠性有更好的把握。

评分☆☆☆☆☆

还没有读，搞活动买的，价格合适

评分☆☆☆☆☆

帮别人买的，很多很多，要慢慢看了。。。。。。帮别人买的，很多很多，要慢慢看了。。。。。。

评分☆☆☆☆☆

挺好的，值得妈妈们一看。

评分☆☆☆☆☆

帮别人买的，很多很多，要慢慢看了。。。。。。帮别人买的，很多很多，要慢慢看了。。。。。。

评分☆☆☆☆☆

还没有读，搞活动买的，价格合适

评分☆☆☆☆☆

挺好的，值得妈妈们一看。

评分☆☆☆☆☆

帮别人买的，很多很多，要慢慢看了。。。。。。帮别人买的，很多很多，要慢慢看了。。。。。。

评分☆☆☆☆☆

帮别人买的，很多很多，要慢慢看了。。。。。。帮别人买的，很多很多，要慢慢看了。。。。。。

评分☆☆☆☆☆

帮别人买的，很多很多，要慢慢看了。。。。。。帮别人买的，很多很多，要慢慢看了。。。。。。