应用数量经济学

张晓峒，南开大学经济学院教授、数量经济研究所所长、数量经济学专业博士生导师，日本大阪市立大学经济学博士，中国数量经济学会常务理事、天津市数量经济学会理事长，吉林大学、首都经济贸易大学兼职博士生导师。研究方向是计量经济学、应用统计学。1984年～1986年和1993～1998年分别在加拿大蒙特利尔市康考迪亚(Concordia)大学和日本大阪市立大学留学。承担过多项国家自然科学基金、国家社科基金、教育部、商务部以及中国人民银行的科研项目。出版的主要著作有《计量经济学基础》、 《应用数量经济学》 (以上两本为普通高等教育“十一五”国家级规划教材)、 《计量经济分析》、《EViews使用指南与案例》、 《时间序列X-12-ARIMA季节调整——原理与方法》、 《英汉数量经济学词汇》等。

前言
教学建议
第1章 数据的特征数
1.1 累计求和算子的运算规则
1.2 画图
1.2.1 直方图
1.2.2 折线图
1.2.3 散点图
1.3 算术平均数
1.4 几何平均数
1.5 中位数
1.6 极差
1.7 方差
1.8 标准差
1.9 偏度
1.10 峰度
1.11 协方差
1.12 相关系数
1.12.1 相关的定义与分类
1.12.2 简单线性相关的度量
1.12.3 相关系数的取值范围
1.12.4 线性相关系数的局限性

第2章 总体特征数的点估计与区间估计
2.1 抽样的基本概念
2.2 几种统计量的抽样分布
2.2.1 样本平均数x的抽样分布
2.2.2 统计量W=(n－1)s2σ2的抽样分布
2.2.3 统计量t=x－μs/n的抽样分布
2.2.4 统计量F的抽样分布
2.2.5 样本比率的抽样分布
2.2.6 样本相关系数的抽样分布
2.3 点估计
2.3.1 总体参数的点估计
2.3.2 评价估计量优劣的标准
2.4 区间估计
2.4.1 区间估计的概念
2.4.2 总体均值μ的置信区间计算公式
2.4.3 总体方差σ2的区间估计
2.4.4 两个正态总体均值差(μ1-μ2)的置信区间
2.4.5 两个正态总体方差比σ22σ21的置信区间
2.4.6 大样本条件下总体比率p的置信区间估计

第3章 总体特征数的假设
检验3.1 假设检验的基本思想与方法
3.1.1 假设检验的原理与分类
3.1.2 假设检验的两类错误
3.1.3 p值
3.1.4 检验功效
3.2 总体均值的假设检验
3.2.1 情形1：总体服从正态分布,总体方差σ2已知,样本大小无限制,检验μ=μ0
3.2.2 情形2：总体分布未知,总体方差σ2未知,大样本(n≥30),检验μ=μ0
3.2.3 情形3：总体服从正态分布,总体方差σ2未知,小样本(n<30),检验μ=μ0
3.2.4 单侧检验
3.3 两个正态总体均值差异的假设检验
3.4 总体方差的假设检验
3.5 总体比率的假设检验
3.5.1 大样本条件下单个总体比率的假设检验
3.5.2 两个总体比率的假设检验(大样本)
3.6 总体分布律的假设检验(拟合优度检验)
3.6.1 离散型分布总体的分布率检验
3.6.2 连续型分布总体的分布率检验
3.7 简单相关系数的检验

第4章 经济指数
4.1 指数的定义和分类
4.1.1 指数简史
4.1.2 指数定义
4.1.3 指数的作用
4.1.4 指数的分类
4.2 指数的计算
4.2.1 单一指数的计算
4.2.2 简单综合指数的计算
4.2.3 加权综合指数的计算
4.2.4 加权平均指数的计算
4.3 指数基期的选择
4.4 基期变换与指数序列的拼接
4.5 固定(不变)价格经济序列的计算
4.6 国内外主要指数介绍
4.6.1 商品零售价格指数
4.6.2 居民消费价格指数
4.6.3 香港恒生指数
4.6.4 上证综指
4.6.5 深证成指
4.6.6 道琼斯指数

第5章 一元线性回归模型
5.1 模型的建立及其假定条件
5.1.1 建立模型的意义
5.1.2 一元线性回归模型的定义
5.1.3 一元线性回归模型的经济含义与特征
5.1.4 模型的假定条件
5.2 一元线性回归模型的参数估计
5.2.1 估计方法初探
5.2.2 最小二乘估计法原理
5.2.3 最小二乘估计的计算
5.3 yt1和0的分布
5.3.1 yt的分布
5.3.2 1的分布
5.3.3 0的分布
5.4 σ2的估计
5.5 最小二乘估计量的统计性质
5.5.1 线性特性
5.5.2 无偏性
5.5.3 最小方差性
5.5.4 渐近无偏性
5.5.5 一致性
5.6 最小二乘回归函数的性质
5.7 拟合优度的测量
5.8 回归参数的显著性检验
5.9 回归参数的置信区间
5.10 单方程回归模型的预测
5.10.1 单个yT+1的点预测
5.10.2 单个yT+1的区间预测
5.10.3 E(yT+1)的区间预测
5.11 回归系数1与相关系数r的关系
5.12 案例分析：用回归模型预测木材剩余物
5.13 主要公式一览

第6章 多元线性回归模型
6.1 多元线性回归模型及其假定条件
6.1.1 模型的建立
6.1.2 模型的假定条件
6.2 最小二乘法
6.3 最小二乘估计量的特性
6.3.1 线性特性
6.3.2 无偏特性
6.3.3 最小方差性
6.3.4 渐近无偏性
6.3.5 一致性
6.4 残差的方差
6.5 Y与最小二乘估计量的分布
6.6 多重可决系数(多重确定系数)
6.6.1 总平方和.回归平方和与残差平方和
6.6.2 多重确定系数R2
6.6.3 调整的多重确定系数2
6.7 F检验
6.8 t检验和回归系数的置信区间
6.9 预测
6.9.1 点预测
6.9.2 单个yT+1的置信区间预测
6.9.3 E(yT+1)的置信区间预测
6.9.4 预测的评价指标
6.10 多元线性回归计算举例
6.11 偏相关与复相关
6.11.1 偏相关
6.11.2 复相关
6.12 案例分析
6.13 实际建模过程中应该注意的若干问题
6.14 多元线性回归公式一览

第7章 可线性化的非线性模型
7.1 可线性化的7种非线性函数
7.1.1 幂函数模型
7.1.2 指数函数模型
7.1.3 对数函数模型
7.1.4 双曲线函数模型
7.1.5 多项式方程模型
7.1.6 生长曲线模型
7.1.7 龚伯斯曲线
7.2 可线性化的非线性模型综合案例
7.3 可线性化的非线性模型一览表

第8章 特殊解释变量
8.1 虚拟变量
8.1.1 测量截距移动
8.1.2 用虚拟变量测量斜率变化
8.2 工具变量
8.2.1 工具变量在一元线性回归模型中的应用
8.2.2 工具变量在多元线性回归模型中的应用
8.3 滞后变量
8.3.1 分布滞后模型
8.3.2 自回归模型
8.4 随机解释变量

第9章 异方差..
9.1 同方差假定
9.2 异方差的表现与来源
9.3 异方差的后果
9.4 异方差检验
9.4.1 定性分析异方差
9.4.2 戈德菲尔德-匡特检验
9.4.3 怀特检验
9.4.4 戈列瑟检验
9.4.5 自回归条件异方差检验
9.5 克服异方差的方法
9.5.1 用解释变量或解释变量的算术根除原回归式克服异方差
9.5.2 用戈列瑟检验式克服异方差
9.5.3 通过对数据取自然对数消除异方差
9.5.4 克服异方差的矩阵描述
9.6 案例分析

第10章 自相关
10.1 非自相关假定
10.2 自相关的来源与后果
10.3 自相关检验
10.3.1 图示法
10.3.2 DW检验法
10.3.3 LM检验(亦称BG检验)法
10.3.4 回归检验法
10.4 自相关的解决方法
10.5 克服自相关的矩阵描述
10.6 自相关系数的估计
10.7 案例分析

第11章 多重共线性
11.1 非多重共线性假定
11.2 多重共线性的来源
11.3 多重共线性的后果
11.3.1 完全多重共线性对参数估计的影响
11.3.2 近似共线性对参数估计的影响
11.3.3 多重共线性后果的矩阵描述
11.4 多重共线性的检测
11.5 多重共线性的解决方法
11.5.1 直接合并解释变量
11.5.2 利用已知信息合并解释变量
11.5.3 增加样本容量或重新抽取样本
11.5.4 合并截面数据与时间序列数据
11.5.5 剔除引起多重共线性的变量
11.6 案例分析
11.7 多重共线性与解释变量的不正确剔除
11.8 违反模型假定条件的其他几种情形
11.8.1 被解释变量存在测量误差
11.8.2 被解释变量.解释变量同时存在测量误差
11.8.3 随机解释变量
11.8.4 模型的设定误差

第12章 联立方程模型
12.1 联立方程模型概念
12.2 联立方程模型分类
12.2.1 结构模型
12.2.2 简化型模型
12.2.3 递归模型
12.3 联立方程模型的识别
12.3.1 识别概念
12.3.2 结构模型的识别方法
12.4 联立方程模型的估计方法
12.4.1 递归模型的估计方法
12.4.2 简化型模型的估计方法
12.4.3 结构模型的估计方法
12.5 联立方程模型举例

第13章 模型检验的常用统计量
13.1 检验模型总显著性的F统计量
13.2 检验回归系数显著性的t统计量
13.3 检验线性约束条件是否成立的F统计量
13.4 似然比(LR)统计量
13.5 沃尔德(Wald)统计量
13.6 拉格朗日乘子(LM)统计量
13.7 赤池信息准则.施瓦茨准则和汉南-奎因准则
13.8 检验正态分布的JB统计量
13.9 格兰杰因果性检验
13.10 邹突变点检验
13.11 回归系数稳定性的邹检验
13.12 递归分析

第14章 时间序列ARIMA模型
14.1 时间序列定义
14.2 ARIMA模型的分类
14.2.1 自回归(AR)模型
14.2.2 移动平均(MA)模型
14.2.3 自回归移动平均(ARMA)模型
14.2.4 单积自回归移动平均(ARIMA)模型
14.3 伍尔德(Wold)分解定理
14.4 自相关函数及其估计
14.4.1 自相关函数
14.4.2 自回归过程的自相关函数
14.4.3 移动平均过程的自相关函数
14.4.4 ARMA过程的自相关函数
14.4.5 相关图(估计的自相关函数)
14.5 偏自相关函数及其估计
14.6 ARIMA模型的建立
14.6.1 模型的识别
14.6.2 模型参数的估计
14.6.3 模型的诊断与检验
14.6.4 ARIMA模型预测
14.7 ARIMA模型建模案例
14.8 SARIMA模型
14.8.1 SARIMA模型定义
14.8.2 SARIMA模型建模案例
14.9 回归与ARMA组合模型
14.9.1 回归与ARMA组合模型定义
14.9.2 回归与ARMA组合模型案例分析

第15章 面板数据模型与应用
15.1 面板数据定义
15.2 面板数据模型分类
15.2.1 混合模型
15.2.2 固定效应模型
15.2.3 随机效应模型
15.3 面板数据模型估计方法
15.3.1 混合最小二乘估计
15.3.2 平均数最小二乘估计法
15.3.3 离差变换最小二乘估计
15.3.4 一阶差分最小二乘估计
15.3.5 可行广义最小二乘估计法(随机效应估计法)
15.4 面板数据模型的设定与检验
15.4.1 F检验
15.4.2 H检验
15.4.3 Wald检验
15.4.4 F检验和LR检验
15.5 面板数据建模案例分析
15.6 面板数据模型的EViews操作
15.6.1 建立混合数据库
15.6.2 面板数据模型估计的EViews操作
15.7 面板数据的单位根检验
15.7.1 LLC检验
15.7.2 崔仁检验(FisherADF检验)

第16章 单位根检验与协整
16.1 非平稳时间序列与虚假回归
16.1.1 单积定义
16.1.2 单积时间序列的统计特征
16.1.3 虚假回归
16.2 单位根检验
16.2.1 DF统计量的分布特征
16.2.2 AR(p)含单位根过程的DF分布
16.2.3 误差项为ARMA形式的I(1)过程的DF分布
16.2.4 单位根检验
16.2.5 单位根检验步骤
16.2.6 单位根检验的EViews操作
16.2.7 单位根检验案例分析
16.3 结构突变序列的单位根检验
16.4 经济变量的协整
16.4.1 均衡概念
16.4.2 协整定义
16.4.3 协整性检验
16.5 误差修正模型
附录A 统计分布表
附录B 随机变量.概率极限.矩阵代数知识简介
参考文献

插图：


由经济理论知，平均成本与产量呈抛物线关系，当用线性回归模型拟合时，误差项必存在自相关。
（2）惯性。大多数经济时间序列都存在自相关。其本期值往往受滞后值影响。突出特征就是惯性与低灵敏度。如国民生产总值、固定资产投资、国民消费：物价指数等随时间缓慢地变化，从而建立模型时导致误差项自相关。
（3）回归模型中略去了带有自相关的重要解释变量。若丢掉了应该列入模型的带有自相关的重要解释变量，那么它的影响必然归并到误差项U1中，从而使误差项呈现自相关。当然略去多个带有自相关的解释变量也许因互相抵消并不使误差项呈现自相关。