計量經濟學理論與實踐（簡體書）

《計量經濟學理論與實踐》系統地介紹了計量經濟學的基本理論和常用方法，包括一元線性回歸模型、多元線性回歸模型、異方差、自相關、多重共線性、滯後變量模型、虛擬變量模型、聯立方程模型、時間序列計量經濟模型等，包含了教育部經濟學學科教學指導委員會制定的經濟學科本科計量經濟學課程基本要求的全部內容。《計量經濟學理論與實踐》特別突出計量經濟學的實際應用，以增強學習者的動手能力，每一章都有應用實例，并與計量經濟學軟件EViews緊密結合。
《計量經濟學理論與實踐》可作為高等學校經濟和管理類專業計量經濟學課程的本科教材，也可作為非經濟學和統計學專業的經濟和管理類研究生的教材，以及作為廣大經濟研究人員和管理人員了解和掌握計量經濟分析方法的學習讀物。

《計量經濟學理論與實踐》特點：先進性與基礎性相統一，教材建設與教學改革相統一，綜合性懷針對性相統一。

第一章 計量經濟學概論
第一節 什么是計量經濟學
一、計量經濟學的定義
二、計量經濟學與其他相關學科的關系
三、計量經濟學研究的內容與目的
第二節 計量經濟模型與數據
一、計量經濟模型
二、計量經濟分析中的數據
第三節 計量經濟學研究的一般方法
一、根據經濟理論建立計量經濟模型
二、樣本數據的收集
三、模型參數的估計
四、模型的檢驗
五、計量經濟模型的應用
第四節 計量經濟學軟件EViews
一、EViews簡介
二、運行EViews
三、EViews的窗口
四、EViews的主要功能
五、關閉EViews
六、EViews的求助資源
第五節 計量經濟學軟件EViews的基本概念
一、時間序列、工作文件、對象、觀察、組、剪貼板和數據文件
二、方程、指數平滑、標簽、程序、殘差、t統計量
三、運算符、函數、特殊函數、回歸統計@函數、混合@函數
思考題

第二章 一元線性回歸模型
第一節 回歸分析的幾個基本問題
一、回歸分析的性質
二、回歸的幾個基本概念
第二節 一元線性回歸模型的估計
一、普通最小二乘法
二、經典線性回歸模型：最小二乘法的基本假定
三、最小二乘估計量、的性質及分布
四、隨機擾動項方差的估計
第三節 一元線性回歸模型正態條件下的假設檢驗
一、擬合優度與相關系數
二、整體性假定及檢驗
三、對單個參數的檢驗：t檢驗（P值）
第四節 一元線性回歸模型的預測
一、點預測
二、區間預測
第五節 EViews軟件應用實例
一、研究問題
二、參數估計
三、預測
思考與練習題

第三章 多元線性回歸模型
第一節 多元線性回歸模型的幾個基本問題
一、多元線性回歸模型的表示
二、多元線性回歸模型的基本假定
三、多元線性回歸模型的矩陣表示
第二節 偏回歸系數的最小二乘估計
一、最小二乘估計量
二、實例
三、最小二乘估計量的性質
四、多元判定系數與校正的判定系數
五、偏相關系數
第三節 參數估計量和隨機擾動項的方差估計
一、總體參數的估計量
二、隨機擾動項的方差估計
第四節 多元線性回歸模型的假設檢驗
一、關于個別偏回歸系數的假設檢驗
二、關于總體顯著性的假設檢驗
三、對兩個回歸系數是否相等的檢驗
第五節 多元線性回歸模型用于預測
一、點預測
二、區間預測
第六節 回歸模型的其他函數形式
一、雙對數線性模型
二、半對數線性模型
三、倒數模型
四、多項式回歸模型
五、不同函數形式模型比較
思考與練習題

第四章 異方差
第一節 異方差的性質
第二節 異方差的後果
第三節 異方差的檢驗
一、圖示法——殘差的圖形檢驗
二、帕克檢驗
三、格萊澤檢驗
四、懷特的一般異方差檢驗
第四節 異方差的修正方法
一、誤差已知時的異方差的修正方法
二、誤差未知時的異方差的修正方法
三、重新設定模型
思考與練習題

第五章 自相關
第一節 自相關的性質
第二節 自相關產生的原因
一、慣性
二、模型設定誤差
三、蛛網現象
四、滯後效應
五、數據加工
第三節 自相關的後果
第四節 自相關的診斷
一、圖示法
二、杜賓-瓦特森（D.W.）檢驗
三、自回歸模型的自相關檢驗
第五節 補救措施
一、廣義差分法
二、如何估計？
第六節 廣義差分法的應用
思考與練習題


第六章 多重共線性
第一節 多重共線性的概念
一、多重共線性的定義
二、多重共線性產生的原因
第二節 多重共線性的後果
一、多重共線性的統計後果
二、多重共線性的實際後果
第三節 多重共線性的檢驗
一、直觀判斷法
二、簡單相關系數判斷法
三、輔助回歸檢驗法
四、特征根判定法
第四節 多重共線性問題的處理
一、剔除引起多重共線性的解釋變量
二、追加樣本信息
三、使用非樣本先驗信息
四、模型或變量變換
五、使用有偏估計
第五節 實例：多重共線性的檢驗與模型估計
一、研究問題——中國民航客運量影響分析
二、用OLS法估計模型
三、多重共線性的診斷
四、多重共線性的修正
思考與練習題

第七章 滯後變量模型
第一節 滯後變量模型的概念
一、滯後變量的概念與產生滯後效應的原因
二、滯後變量模型的種類
第二節 分布滯後模型的估計
一、分布滯後模型估計的困難
二、分布滯後模型的修正估計方法
第三節 自回歸模型的構造
一、自適應預期模型
二、局部調整模型
第四節 自回歸模型的估計
一、自回歸模型估計的困難
二、工具變量法
三、自回歸模型中自相關的檢驗
第五節 格蘭杰因果關系檢驗
一、格蘭杰因果關系檢驗理論
二、格蘭杰因果關系檢驗實例
第六節 實例：滯後變量模型的估計
一、研究問題——中國城鎮居民消費模型的建立
二、自適應預期模型
三、分布滯後模型
思考與練習題

第八章 虛擬變量模型
第一節 虛擬變量模型的概念
一、虛擬變量模型的設置
二、虛擬解釋變量的設置原則
三、虛擬變量模型的優缺點
第二節 變截距的虛擬解釋變量模型
一、解釋變量只有一個定性變量而無定量變量的回歸
二、解釋變量包含一個定性變量和一個定量變量的回歸
三、解釋變量包含兩個定性變量和一個定量變量的回歸
四、交互效應回歸
第三節 變斜率的虛擬解釋變量模型
一、乘法方式引入虛擬解釋變量的一般形式
二、回歸模型結構穩定性檢驗
三、分段線性回歸
第四節 實例：虛擬解釋變量模型的估計
一、研究問題——中國國民總收入與居民消費的關系
二、鄒氏結構變化檢驗
三、虛擬解釋變量模型
思考與練習題

第九章 聯立方程模型
第一節 聯立方程模型概述
一、聯立方程模型的性質
二、聯立方程模型的估計問題
三、聯立方程模型中變量的類型
四、聯立方程模型的種類
第二節 聯立方程模型的識別
一、聯立方程模型識別的概念
二、聯立方程模型識別的類型
三、聯立方程模型識別的條件
第三節 聯立方程模型的估計
一、聯立方程模型估計方法概述
二、間接最小二乘法
三、工具變量法
四、二階段最小二乘法
第四節 實例：聯立方程模型的估計
一、研究問題——中國簡單宏觀經濟模型的建立
二、模型的識別
三、模型的估計
思考與練習題

第十章 時間序列計量經濟模型
第一節 時間序列計量經濟分析概述
一、偽回歸問題
二、時間序列的平穩性
三、時間序列的自相關性
四、時間序列的動態記憶性
第二節 時間序列的平穩性檢驗
一、自相關函數檢驗法
二、單位根檢驗法
三、單整、差分平穩與趨勢平穩
第三節 協整分析與誤差修正模型
一、均衡與協整
二、協整檢驗
三、誤差修正模型
第四節 實例：協整檢驗與誤差修正模型的估計
一、研究問題——中國城鎮居民人均消費誤差修正模型的建立
二、單整檢驗
三、協整檢驗
四、誤差修正模型的建立
思考與練習題
附錄 統計分布表
參考文獻

（3） Name按鈕：給方程命名，命名後的方程作為一個對象，保持在工作文件中，它的小圖標上有一個等號“=”。
（4） Freeze按鈕：給出一個靜態的表或者圖（已是對象了，而不是數據表觀察或圖形觀察），以便以後進行編輯作為研究結果輸出。
（5） Estimate按鈕：打開估計對話框，允許更改待估方程、樣本區間，并重新進行估計。
（6） Forecast按鈕：根據所得方程計算預測值。
2.指數平滑
指數平滑（Exponential Smoothing）是基于時間序列的一個簡單的統計模型進行預測的方法。與回歸模型不同，它不使用除了序列自身以外的其他信息進行預測。
1）簡單指數平滑
這類技術中最簡單的是單指數平滑，適用于對圍繞常數平均數上下隨機擾動的序列進行預測。
2）平滑常數
如果序列既不存在趨勢模式也不存在季節模式，應當采用指數平滑。但單指數平滑預測值乃是序列按衰減系數（平滑系數）遞推。衰減系數通常是一個相當小的數（0～1），例如0.05。預測值緩慢地與序列實際值相適應。
3）指數平滑預測值
在指數平滑預測的典型應用中，允許使用可用于預測序列的全部歷史值（實際值）。對整個期間計算平滑預測值以後，觀察值對應的平滑值就是所求的下一個觀察期的預測值。最後一期的平滑值就是未來一期的預測值。
4）平滑常數的設定
可以要求EViews按預測誤差平方和最小化自動求解平滑常數，而無須用戶指定平滑常數。但是，如果EViews自動求解出的平滑常數很大，則表明序列接近于一個隨機游走過程，最佳預測是給近期觀察值以較大的權數，給滯後期較遠的觀察值以較小的權數。
5）雙指數平滑與三指數平滑
如果序列存在趨勢，應當采用考慮了趨勢影響的雙指數平滑法進行預測，單指數平滑對未來的預測只是在相同發展水平上的一個數，而雙指數平滑的預測值則是按發展水平，同時也按某種趨勢增長，用線性方程進行預測。
三指數平滑同時對發展水平、增長趨勢和季節變動進行指數平滑，且分加法模型和乘法模型。例如，Holt-Winter分為無季節、乘法和加法。