计量经济学方法与应用（第五版）（经济科学译丛；“十一五”国家重点图书出版规划项目） pdf epub mobi txt 电子书 下载 2026

内容简介

　　《计量经济学方法与应用（第五版）（经济科学译丛；“十一五”国家重点图书出版规划项目）》是一部阐述计量经济学基本方法和基本假定的教科书，其在证明各项定理的缜密的方法论与实证研究法中找到了一个很好的平衡点，内容主要包括时间序列分析、有界相关变量、面板数据分析、空间相关性分析和回归诊断等前沿课题，除此之外各章还有帮助理解书中所述内容的理论分析题。《计量经济学方法与应用（第五版）（经济科学译丛；“十一五”国家重点图书出版规划项目）》涵盖了计量经济学的众多领域，通过运用真实数据让读者更好地理解和解释理论方法的实证结果。

作者简介

　　巴蒂·H·巴尔塔基（Badi H.Baltagi），自1979年在宾夕法尼亚大学获得经济学博士学位以来，先后在美国休斯敦大学和得克萨斯A&M; 大学任教。曾出版了《面板数据计量经济分析》和《计量经济学》等学术专著，编辑出版了《理论计量经济精粹》、《面板数据计量经济学新进展》（卷I和卷II）、《非平稳面板数据、面板协整和动态面板》和《面板数据计量经济学：理论贡献和经验应用》等100多部著作以及担任权威经济学和统计学杂志的主编或副主编。

内页插图

目录

第1章 什么是计量经济学？
1.1 引言
1.2 简要历史
1.3 计量经济学批判
1.4 展望
注释
参考文献

第2章 基本统计概念
2.1 引言
2.2 估计方法
2.3 估计量的性质
2.4 假设检验
2.5 置信区间
2.6 描述性统计量
注释
问题
参考文献
附录

第3章 简单线性回归
3.1 引言
3.2 最小二乘估计和古典假设
3.3 最小二乘法的统计特性
3.4 的估计
3.5 极大似然估计
3.6 拟合优度的测量
3.7 预测
3.8 残差分析
3.9 数值例子
3.10 实证案例
问题
参考文献
附录

第4章 多元回归分析
4.1 引言
4.2 最小二乘估计
4.3 多元回归估计的残差解释
4.4 回归方程的过度设定和设定不足
4.5 R2和R2
4.6 线性约束条件检验
4.7 虚拟变量
注释
问题
参考文献
附录

第5章 违背古典假设的模型
5.1 引言
5.2 零期望假设
5.3 随机解释变量
5.4 扰动的正态性
5.5 异方差
5.6 自相关
注释
问题
参考文献

第6章 分布滞后和动态模型
6.1 引言
6.2 无限分布滞后
6.3 带有序列相关的动态模型的估计与检验
6.4 自回归分布滞后
注释
问题
参考文献

第7章 一般线性模型：基础知识
7.1 引言
7.2 最小二乘估计
7.3 分块回归和Frisch-Waugh-Lovell定理
7.4 极大似然估计
7.5 预测
7.6 置信区间和假设检验
7.7 联合置信区间和假设检验
7.8 受约束的极大似然估计和受约束的最小二乘
7.9 似然比，Wald和拉格朗日乘子检验
注释
问题
参考文献
附录
参考文献

第8章 回归模型的诊断与设定检验
8.1 有影响的观测值
8.2 递归残差
8.3 模型的设定检验
8.4 非线性最小二乘法和高斯一牛顿回归
8.5 线性与对数一线性函数形式的检验
注释
问题
参考文献

第9章 广义最小二乘法
9.1 引言
9.2 广义最小二乘
9.3 Q的特殊形式
9.4 极大似然估计
9.5 假设检验
9.6 预测
9.7 未知形式的Q
9.8 W，LR，LM统计量的再讨论
9.9 空间误差相关
注释
问题
参考文献

第10章 似无关回归
10.1 引言
10.2 可行的GLS估计
10.3 检验方差一协方差矩阵是否为对角阵
10.4 不同观测值个数的似无关回归
10.5 实证案例
问题
参考文献

第11章 联立方程模型
11.1 引言
11.2 单方程估计：两阶段最小二乘
11.3 系统估计：三阶段最小二乘
11.4 过度识别约束的检验
11.5 Hausman的设定检验
11.6 实证案例
注释
问题
参考文献
附录：再议识别问题：识别的秩条件

第12章 合并截面时间序列数据
12.1 引言
12.2 误差分量模型
12.3 预测
12.4 实证案例
12.5 混合模型中的检验
12.6 动态面板数据模型
12.7 项目评价与差分差异估计量
问题
参考文献

第13章 受限因变量
13.1 引言
13.2 线性概率模型
13.3 函数形式：logit和probit
13.4 分组数据
13.5 个体数据：probit和logit
13.6 二元响应模型回归
13.7 预测的渐近方差和边际影响
13.8 拟合优度的测量
13.9 实证案例
13.10 多元选择模型
13.11 删失回归模型
13.12 截尾回归模型
13.13 样本选择
注释
问题
参考文献
附录

第14章 时间序列分析
14.1 引言
14.2 平稳性
14.3 Box-Jenkins方法
14.4 向量自回归
14.5 单位根
14.6 趋势平稳与差分平稳
14.7 协整
14.8 自回归条件异方差
注释
问题
参考文献
附录
图形索引
表格索引
术语表
译后记

前言/序言

计量经济学：理论、方法与前沿应用探索 本书旨在为读者提供一个全面、深入且与时俱进的计量经济学知识体系。它不仅涵盖了计量经济学作为一门学科的经典理论基石，更着重探讨了当前经济学研究和实践中最为前沿和实用的方法论及其在不同领域中的具体应用。全书结构严谨，逻辑清晰，力求在数学严谨性与实际操作性之间取得完美的平衡，使不同背景的读者都能从中获益。 第一部分：计量经济学基础与模型设定 本部分将奠定坚实的计量经济学基础，是理解后续高级主题的关键。 1. 计量经济学的本质与数据基础： 首先阐述计量经济学的学科定位，即如何使用统计方法检验和量化经济理论。重点讨论经济数据的类型（时间序列、截面、面板数据）及其特性、局限性与预处理方法。强调数据质量在计量分析中的决定性作用。 2. 经典线性回归模型（OLS）的深入剖析： 详细回顾多元线性回归模型的设定、参数估计（Gauss-Markov定理的严格证明）、统计推断（假设检验、置信区间构建）。在此基础上，深入探讨OLS方法的局限性，特别是对违反经典假设情况的应对策略，包括： 异方差性（Heteroskedasticity）： 识别异方差的检验方法（如White检验、Breusch-Pagan检验），以及修正方法，如加权最小二乘法（WLS）和稳健标准误（Robust Standard Errors）的应用场景与解释。 序列相关性（Autocorrelation）： 在时间序列数据中，如何诊断（如Durbin-Watson检验、Breusch-Godfrey检验），以及使用Newey-West标准误等修正技术。 3. 模型设定误差与函数形式的选择： 探讨函数形式（线性、对数线性、幂函数等）对估计结果的敏感性。详细分析模型设定偏差（Misspecification Bias）的后果，并引入了嵌套模型检验（如Ramsey RESET检验）和非嵌套模型比较方法（如Davidson-MacKinnon检验）。 第二部分：处理内生性与因果推断的核心方法 内生性是计量经济学中最核心、最具挑战性的问题之一，本部分集中于如何通过严谨的方法识别和估计可靠的因果效应。 4. 工具变量法（Instrumental Variables, IV）与2SLS： 深入讲解工具变量法的基本思想——如何利用外生变数来解决由遗漏变量偏误、测量误差或同步性引起的内生性问题。详细讲解两阶段最小二乘法（2SLS）的步骤、估计式及渐近性质。尤其关注工具变量的有效性检验（如弱工具变量检验、过度识别约束检验），并讨论当工具变量选择不当时可能导致的估计偏差。 5. 面板数据模型与固定效应/随机效应： 针对具有时间维度和个体维度的面板数据，系统介绍如何利用其丰富信息控制不可观测的个体异质性。 固定效应模型（FE）： 侧重于消除不随时间变化的个体特定效应，实现“组内”估计。 随机效应模型（RE）： 探讨个体效应与解释变量不相关的假设，并介绍其估计效率优势。 Hausman检验： 用于在FE和RE之间进行决策的统计工具。 6. 准实验设计与因果推断的前沿技术： 转向更贴近现代政策评估和微观经济学的因果识别策略。 断点回归设计（Regression Discontinuity Design, RDD）： 详细阐述Sharp RDD和Fuzzy RDD的识别逻辑，重点讨论带宽选择和非参数估计的实施细节。 双重差分模型（Difference-in-Differences, DiD）： 重点阐述平行趋势（Parallel Trends）假设的检验与论证，以及如何扩展到多期DiD模型。 合成控制法（Synthetic Control Method, SCM）： 针对只有少数干预单元的情况，构建一个高质量的“合成”对照组，用于评估特定政策或事件的影响。 第三部分：时间序列分析与高级主题 本部分聚焦于处理依赖时间顺序的数据，并引入了更复杂的模型结构来应对动态系统的挑战。 7. 单变量时间序列模型： 介绍时间序列数据的基本概念，如平稳性（Stationarity）的检验（ADF检验、PP检验）。深入讲解自回归（AR）、移动平均（MA）、自回归移动平均（ARMA）模型的构建与识别（ACF/PACF图的应用）。 8. 单位根与协整分析： 识别非平稳序列，并区分虚假回归（Spurious Regression）的风险。重点讲解协整关系的概念——虽然单个序列非平稳，但其线性组合却是平稳的。介绍Engle-Granger两步法和Johansen协整检验，以及误差修正模型（ECM）的构建，使其能够同时捕捉长期均衡关系和短期动态调整。 9. 向量自回归模型（VAR）与脉冲响应分析： 用于分析多个相互影响的时间序列系统。讲解VAR模型的阶数选择、估计以及核心应用——脉冲响应函数（IRF）和方差分解（Forecast Error Variance Decomposition, FEVD），以揭示系统内部的动态冲击传导机制。 10. 非线性与离散选择模型： 扩展到处理非连续或特定分布的数据： 有限因变量模型： 详细分析Logit和Probit模型，关注边际效应的计算与解释，并介绍Tobit模型用于处理删失数据。 计数数据模型： 介绍泊松回归（Poisson Regression）和负二项回归（Negative Binomial Regression），后者在处理过度离散问题时的优势。 第四部分：计量经济学的现代挑战与实践指导 最后一部分关注当前经济学前沿关注的议题，以及保证研究可重复性的实践要求。 11. 异质性处理效应与机器学习的融合： 讨论如何估计条件平均处理效应（CATE），超越了传统模型中仅关注平均处理效应（ATE）的局限。简要介绍机器学习技术（如随机森林、梯度提升）如何被纳入因果推断框架中，以更好地进行变量选择和异质性识别。 12. 贝叶斯计量经济学简介： 简要介绍与传统频率学派计量经济学不同的哲学基础和推断方法，包括先验信息的纳入和MCMC（马尔可夫链蒙特卡洛）方法的应用前景。 13. 计量软件应用与结果报告： 强调实际操作能力，指导读者如何使用主流统计软件（如Stata, R或Python）有效地运行上述模型。同时，详细规范如何按照学术规范撰写研究报告，包括对估计结果的清晰报告、模型稳健性检验的展示，以及结果的可视化呈现。 本书的编写风格注重引导读者形成批判性思维，不仅仅是学习“如何运行一个回归”，而是理解“为什么选择这个模型”以及“该模型结果的可信度如何”，从而能够独立、严谨地处理复杂的经济学实证问题。