点此进入淘宝搜索页搜索　　參考價格: 点此进入淘宝搜索页搜索
　　分類: 图书,经济,经济数学 ,

作者： 高铁梅 主编

出 版 社： 清华大学出版社

出版时间： 2009-5-1字数：版次： 2页数： 568印刷时间：开本： 16开印次：纸张：I S B N ： 9787302200123包装： 平装内容简介

本书全面介绍计量经济学的主要理论和方法，尤其是20世纪80年代以来重要的和最新的发展，并将它们纳入一个完整、清晰的体系之中。本书在数学描述方面适当淡化，以讲清楚方法、思路为目标，不做大量的推导和证明，重点放在如何运用各种计量经济方法对实际的经济问题进行分析、建模、预测、模拟等实际操作上。本书中的实际案例大多数是作者在实践中运用的实例和国内外的经典实例，并基于EViews软件来介绍实际应用，具有很强的可操作性。

本书可作为本科生及研究生的教材，也可作为在经济、统计、金融等领域从事定量分析的工作人员的参考书。

目录

第Ⅰ部分数据分析基础

第1章概率与统计基础

1.1随机变量

1.2从总体到样本

1.3一些重要的概率分布

1.4统计推断

1.5EViews软件的相关操作

第2章经济时间序列的季节调整、分解与平滑

2.1移动平均方法

2.2季节调整

2.3趋势分解

2.4指数平滑方法

2.5EViews软件的相关操作

第Ⅱ部分基本的单方程分析

第3章基本回归模型

3.1古典线性回归模型

3.2回归方程的函数形式

3.3包含虚拟变量的回归模型

3.4模型设定和假设检验

3.5方程模拟与预测

3.6EViews软件的相关操作

第4章其他回归方法

4.1异方差

4.2二阶段最小二乘法

4.3非线性最小二乘法

4.4广义矩方法

4.5多项式分布滞后模型

4.6逐步最小二乘回归

4.7分位数回归

4.8非参数回归模型

4.9EViews软件的相关操作

4.10附录广义最小二乘估计

第5章时间序列模型

第Ⅲ部分扩展的单方程分析

第6章条件异方差模型

第7章离散因变量和受限因变量模型

第8章对数极大似然估计

第Ⅳ部分多方程分析

第9章向量自回归和向量误差修正模型

第10章Panel Data模型

第11章状态空间模型和卡尔曼滤波

第12章联立方程模型的估计与模拟

第13章主成分分析和因子分析

附录AEViews软件基础

附录BEViews程序设计

附录CEViews中的常用函数

附录D数据

参考文献

书摘插图

第Ⅰ部分数据分析基础

第2章 经济时间序列的季节调整、分解与平滑

本章主要介绍经济时间序列的分解和平滑方法。时间序列分解方法包括季节调整和趋势分解，指数平滑是目前比较常用的时间序列处理方法。

经济指标的月度或季度时间序列包含4种变动要素：长期趋势要素T、循环要素C、季节变动要素S和不规则要素I。长期趋势要素代表经济时间序列长期的趋势特性。循环要素是以数年为周期的一种周期性变动，它可能是一种景气变动、也可能是经济变动或其他周期变动。季节变动要素是每年重复出现的循环变动，以12个月或4个季度为周期的周期性影响，是由温度、降雨、每年中的假期和政策等因素引起的。季节要素和循环要素的区别在于季节变动是固定间距（如季或月）中的自我循环，而循环要素是从一个周期变动到另一个周期，问距比较长且不固定的一种周期性波动。不规则要素又称随机因子、残余变动或噪声，其变动无规则可循，这类因素是由偶然发生的事件引起的，如罢工、意外事故、地震、水灾、恶劣气候、战争、法令更改和预测误差等。

在经济分析中，季节变动要素和不规则要素往往掩盖了经济发展中的客观变化，给研究和分析经济发展趋势和判断目前经济所处的状态带来困难。因此，需要在经济分析之前将经济时间序列进行季节调整，剔除其中的季节变动要素和不规则要素。而利用趋势分解方法可以把趋势和循环要素分离开来，从而研究经济的长期趋势变动和景气循环变动。

对某些经济时间序列（如股票序列），不存在明显的趋势变动和季节变动。一般，我们使用指数平滑方法对这样的时间序列进行拟合及预测。

……

 

 

免责声明：本文为网络用户发布，其观点仅代表作者个人观点，与本站无关，本站仅提供信息存储服务。文中陈述内容未经本站证实，其真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。