新書推薦：
《
美国小史（揭秘“美国何以成为美国”，理解美国的经典入门读物）
》
售價：NT$
352.0
《
中国古代北方民族史丛书——东胡史
》
售價：NT$
576.0
《
巨人传（插图珍藏本）
》
售價：NT$
3289.0
《
地下（村上春树沙林毒气事件的长篇纪实）
》
售價：NT$
332.0
《
偿还：债务与财富的阴暗面
》
售價：NT$
347.0
《
清华大学藏战国竹简校释（壹）：《命训》诸篇
》
售價：NT$
408.0
《
封建社会农民战争问题导论（光启文库）
》
售價：NT$
296.0
《
虚弱的反攻：开禧北伐
》
售價：NT$
429.0
|
| 編輯推薦： |
|
计量经济学是基于经济理论和统计工具分析“经济数据”的一门科学和艺术。它广泛应用于金融学、劳动经济学、宏观经济学、微观经济学、市场营销，以及社会学等其他社会科学的众多分支中。计量经济学能够帮助我们从许多“疯狂”的想法中筛选出合理的选择，并最终寻求到重要定量问题的定量答案。在这个复杂的世界，计量经济学可以为我们打开一扇窗，让我们科学理性地挖掘出个人、企业以及政府做决策时所依据的内在逻辑。本书是经典的计量经济学入门教材，两位作者分别来自哈佛大学和普林斯顿大学，都是国际上计量经济学领域中的大牛。他们强调理解、掌握和应用计量经济学的基本思想，并使用尽量少的和最简单的数学语言介绍计量经济学家们常用的核心方法，同时通过大量实例来分析当今世界宏微观决策中存在的具体定量问题，既实用又有趣。特别地，在当前大数据时代，学会数据分析是一项越来越受到国内外就业市场欢迎的技能，同时也是进一步升级研究不可或缺的分析工具。因此，相信通过学习本书，你将会真正掌握和熟练应用计量经济学工具。
|
| 內容簡介： |
|
本书是经典的计量经济学入门教材，书中全面系统地介绍了计量经济学的基本知识。全书共分5篇，内容包括导论与知识回顾、回归分析基础、回归分析的高级专题、经济时间序列数据的回归分析和回归分析的计量经济学理论。与其他同类教材相比，本书具有以下三个显著特点：第壹，将现实世界的问题和数据与理论的发展联系起来，并且认真对待实证分析中大量的重要发现；第二，所选取的内容反映了现代理论和实践的发展；第三，给出的理论和假设都与应用相符。
|
| 目錄：
|
前言
第1篇 导论与知识回顾
第1章 经济问题和数据 /2
1.1 我们研究的经济问题 /2
1.2 因果效应和理想化随机对照实验 /5
1.3 数据：来源和类型 /6
本章小结 /9
重要术语 /10
内容复习 /10
第2章 概率论知识回顾 /11
2.1 随机变量和概率分布 /12
2.2 期望值、均值和方差 /15
2.3 二维随机变量 /19
专栏2-1 2015年美国的收入分布情况 /24
2.4 正态分布、χ2分布、学生t分布及F分布 /26
专栏2-2 华尔街糟糕的一天 /28
2.5 随机抽样与样本均值的抽样分布 /30
专栏2-3 投资分散化和资产组合 /33
2.6 抽样分布的大样本近似 /33
本章小结 /38
重要术语 /38
内容复习 /39
习题 /39
实证练习 /43
附录2A 重要概念2-3中结果的推导 /44
附录2B 条件均值是实现最小均方误差的预测值 /45
第3章 统计学知识回顾 /46
3.1 总体均值的估计 /47
专栏3-1 兰顿获胜 /50
3.2 关于总体均值的假设检验 /50
3.3 总体均值的置信区间 /56
3.4 不同总体间的均值比较 /57
专栏3-2 美国大学毕业生收入的性别差异 /59
3.5 基于实验数据估计因果效应 /60
专栏3-3 刺激退休储蓄的新方法 /60
3.6 样本容量较小时的t统计量 /61
3.7 散点图、样本协方差和样本相关系数 /63
本章小结 /66
重要术语 /66
内容复习 /67
习题 /67
实证练习 /71
附录3A 美国当前人口调查 /73
附录3B Y是μY的最小二乘估计量的两种证明方法 /73
附录3C 样本方差一致性的证明 /74
第2篇 回归分析基础
第4章 一元线性回归 /76
4.1 线性回归模型 /77
4.2 线性回归模型的系数估计 /79
专栏4-1 股票的“贝塔”值 /82
4.3 拟合优度与预测精度 /83
4.4 因果推断的最小二乘假设 /85
4.5 OLS估计量的抽样分布 /89
4.6 结论 /91
本章小结 /91
重要术语 /92
内容复习 /92
习题 /92
实证练习 /94
附录4A 加利福尼亚州的测试成绩数据集 /96
附录4B OLS估计量的推导 /96
附录4C OLS估计量的抽样分布 /96
附录4D 预测的最小二乘假设 /98
第5章 一元线性回归：假设检验和置信区间 /100
5.1 关于某个回归系数的假设检验 /100
5.2 回归系数的置信区间 /104
5.3 X为二元变量时的回归 /105
5.4 异方差和同方差 /107
专栏5-1 一年教育的经济价值：是同方差还是异方差 /110
*5.5 普通最小二乘法的理论基础 /111
*5.6 样本容量较小时的t统计量应用 /112
5.7 结论 /113
本章小结 /114
重要术语 /115
内容复习 /115
习题 /115
实证练习 /118
附录5A OLS标准误公式 /119
附录5B 高斯-马尔科夫条件和高斯-马尔科夫定
理的证明 /120
第6章 多元线性回归 /122
6.1 遗漏变量偏差 /122
专栏6-1 莫扎特效应：遗漏变量偏差 /125
6.2 多元回归模型 /126
6.3 多元回归的OLS估计量 /128
6.4 多元回归的拟合优度 /130
6.5 多元回归中因果推断的最小二乘假设 /132
6.6 多元回归模型中OLS估计量的分布 /134
6.7 多重共线性 /134
6.8 控制变量和条件均值独立 /137
6.9 结论 /138
本章小结 /139
重要术语 /139
内容复习 /140
习题 /140
实证练习 /143
附录6A 式（6-1）的推导 /144
附录6B 包含两个解释变量且误差项为同方差时的OLS估计量的分布 /144
附录6C Frisch-Waugh定理 /144
附录6D 多元回归预测的最小二乘假设 /145
附录6E 包含控制变量的多元回归的OLS估计量的分布 /146
第7章 多元回归中的假设检验和置信区间 /147
7.1 单个系数的假设检验和置信区间 /147
7.2 联合假设的检验 /150
7.3 涉及多个系数的单约束检验 /154
7.4 多个系数的置信集 /155
7.5 多元回归的模型设定 /156
7.6 对测试成绩数据集的分析 /158
7.7 结论 /161
本章小结 /161
重要术语 /162
内容复习 /162
习题 /162
实证练习 /164
附录7A 联合假设的Bonferroni检验 /165
第8章 非线性回归函数 /167
8.1 非线性回归函数的一般建模方法 /168
8.2 一元非线性函数 /173
8.3 解释变量的交互项 /180
专栏8-1 教育回报与性别差距 /185
专栏8-2 经济学期刊的需求 /187
8.4 学生-教师比对测试成绩的非线性效应 /189
8.5 结论 /193
本章小结 /194
重要术语 /194
内容复习 /194
习题 /195
实证练习 /198
附录8A 参数非线性的回归函数 /200
附录8B 非线性回归函数的斜率和弹性 /202
第9章 多元回归分析有效性的评估 /204
9.1 内部有效性和外部有效性 /204
9.2 多元回归分析的内部有效性威胁 /206
专栏9-1 股票共同基金跑赢市场了吗 /211
9.3 利用回归模型进行预测时的内部有效性和外部有效性 /214
9.4 实例：测试成绩和班级规模 /215
9.5 结论 /221
本章小结 /222
重要术语 /222
内容复习 /222
习题 /222
实证练习 /224
附录9A 马萨诸塞州的小学测试数据 /225
第3篇 回归分析的高级专题
第10章 面板数据回归 /228
10.1 面板数据 /229
10.2 两期的面板数据：“前后”比较 /231
10.3 固定效应回归 /233
10.4 时间固定效应回归 /236
10.5 固定效应回归假设和固定效应回归的标准误 /238
10.6 关于酒驾的法律规定和交通事故死亡人数 /240
10.7 结论 /243
本章小结 /243
重要术语 /244
内容复习 /244
习题 /244
实证练习 /245
附录10A 州交通死亡事故数据集 /246
附录10B 固定效应回归的标准误 /246
第11章 二元被解释变量回归 /250
11.1 二元被解释变量与线性概率模型 /251
11.2 probit回归和logit回归 /254
11.3 logit模型和probit模型的估计与推断 /258
11.4 在波士顿HMDA数据中的应用 /261
11.5 结论 /265
专栏11-1 诺贝尔经济学奖得主詹姆斯·赫克曼和丹尼尔·麦克法登 /266
本章小结 /267
重要术语 /267
内容复习 /267
习题 /267
实证练习 /269
附录11A 波士顿HMDA数据 /271
附录11B 最大似然估计 /271
附录11C 其他受限被解释变量模型 /272
第12章 工具变量回归 /275
12.1 单个自变量和单个工具变量的IV估计量 /275
专栏12-1 谁发明了工具变量回归 /279
12.2 一般IV回归模型 /282
12.3 检验工具变量有效性 /287
专栏12-2 第一次IV回归 /289
12.4 在香烟需求例子中的应用 /291
专栏12-3 吸烟的外部性 /292
12.5 如何寻找有效的工具变量 /294
12.6 结论 /297
本章小结 /297
重要术语 /298
内容复习 /298
习题 /298
实证练习 /300
附录12A 香烟消费面板数据集 /302
附录12B 式（12-4）中TSLS估计量公式的推导 /302
附录12C TSLS估计量的大样本分布 /302
附录12D 工具变量非有效时TSLS估计量的大样本分布 /303
附录12E 存在潜在弱工具变量时的工具变量分析方法 /304
附录12F 含有控制变量的TSLS /305
第13章 实验和准实验 /307
13.1 潜在结果、因果效应和理想化实验 /308
13.2 实验的有效性威胁 /310
专栏13-1 霍桑效应 /311
13.3 减小班级规模效应的实验估计 /313
13.4 准实验 /319
13.5 准实验的潜在问题 /323
13.6 异质性总体下的实验和准实验估计 /324
13.7 结论 /328
本章小结 /328
重要术语 /329
内容复习 /329
习题 /330
实证练习 /332
附录13A STAR项目数据集 /333
附录13B 异质性因果效应的IV估计 /333
附录13C 分析实验数据的潜在结果框架 /333
第14章 多元回归和大数据预测 /335
14.1 什么是“大数据” /336
14.2 多元预测问题与OLS /337
14.3 岭回归 /342
14.4 Lasso回归 /345
14.5 主成分 /348
14.6 使用多个预测因子预测学校测试成绩 /352
14.7 结论 /356
专栏14-1 文本数据 /356
本章小结 /357
重要术语 /357
内容复习 /358
习题 /358
实证练习 /361
附录14A 加州学校考试成绩数据集 /362
附录14B k=1时式（14-4）的推导 /362
附录14C k=1时的岭回归估计量 /362
附录14D k=1时的Lasso估计量 /362
附录14E 在标准化回归模型中计算样本外预测 /363
第4篇 经济时间序列数据的回归分析
第15章 时间序列回归和预测导论 /366
15.1 时间序列数据和序列相关介绍 /367
15.2 平稳性和均方预测误差 /371
专栏15-1 你能战胜市场吗 /373
15.3 自回归 /374
15.4 包含其他预测变量的时间序列模型和自回归分布滞后模型 /377
15.5 MSFE的估计和预测区间 /380
专栏15-2 血河 /383
15.6 运用信息准则选择滞后阶数 /383
15.7 非平稳性Ⅰ：趋势 /386
15.8 非平稳性Ⅱ：突变 /391
15.9 结论 /396
本章小结 /396
重要术语 /397
内容复习 /397
习题 /397
实证练习 /400
附录15A 第15章使用的时间序列数据 /402
附录15B AR（1）模型的平稳性 /402
附录15C 滞后算子符号 /403
附录15D ARMA模型 /403
附录15E BIC滞后阶数估计量的一致性 /404
第16章 动态因果效应估计 /405
16.1 橙汁数据的初步分析 /406
16.2 动态因果效应 /408
16.3 使用外生解释变量估计动态因果效应 /411
16.4 异方差和自相关一致标准误 /413
16.5 严格外生解释变量的动态因果效应估计 /416
16.6 橙汁价格和霜冻天气 /420
专栏16-1 迁徙中的橙子树 /424
专栏16-2 新闻速递：商品交易员通过迪士尼乐园
传递寒流 /425
16.7 外生性合理吗 /425
16.8 结论 /427
本章小结 /427
重要术语 /427
内容复习 /428
习题 /428
实证练习 /431
附录16A 橙汁数据集 /432
附录16B 使用滞后算子表示的ADL模型及广义最小二乘法 /432
第17章 时间序列回归的其他专题 /435
17.1 向量自回归 /436
17.2 多期预测 /438
17.3 单整阶数和单位根检验统计量的非正态性 /442
17.4 协整 /445
17.5 波动集群性和自回归条件异方差 /447
17.6 使用动态因子模型和主成分进行包含多个预测变量的预测 /451
专栏17-1 时间序列计量经济学的诺贝尔奖获得者 /457
17.7 结论 /458
本章小结 /458
重要术语 /458
内容复习 /459
习题 /459
实证练习 /461
附录17A 美国季度宏观数据集 /461
第5篇 回归分析的计量经济学理论
第18章 一元线性回归理论 /464
18.1 扩展的最小二乘假设和OLS估计量 /465
18.2 渐近分布理论基础 /466
18.3 OLS估计量和t统计量的渐近分布 /470
18.4 误差项服从正态分布时的精确抽样分布 /472
18.5 加权最小二乘法 /474
本章小结 /477
重要术语 /477
内容复习 /478
习题 /478
附录18A 正态分布及其相关分布和连续型随机变量的矩 /480
附录18B 两个不等式 /482
第19章 多元线性回归理论 /483
19.1 多元回归模型和OLS估计量的矩阵形式 /484
19.2 OLS估计量和t统计量的渐近分布 /486
19.3 联合假设检验 /489
19.4 正态误差项假设下回归统计量的分布 /490
19.5 误差项为同方差时OLS估计量的有效性 /492
19.6 广义最小二乘法 /494
19.7 工具变量和广义矩估计 /497
本章小结 /503
重要术语 /503
内容复习 /504
习题 /504
附录19A 矩阵代数概要 /508
附录19B 多元分布 /510
附录19C 推导β^的渐近分布 /511
附录19D 推导正态误差项下OLS检验统计量的精确分布 /511
附录19E 多元回归模型的高斯-马尔科夫定理的证明过程 /512
附录19F IV和GMM估计中部分结论的证明 /513
附录19G 包含多个预测因子的回归：MPSE、岭回归和主成分分析 /515
附录 /519
参考文献 /527
|
| 內容試閱：
|
不论是对于教师还是对于学生来说，计量经济学都是一门非常有趣的课程。它涉及经济、企业以及政府的现实世界，复杂且混乱，充斥着亟待解决的冲突和问题。例如，究竟是颁布严格的法令还是提高酒水的税率能更有效地减少酒后驾车？在股票市场，你应该通过买入价格相对较低的股票赚钱，还是应该依照股票价格随机游走理论静观其走势？是应该通过缩小班级规模来提升小学教育质量，还是仅让孩子们每天听10分钟莫扎特的乐曲？计量经济学能够帮助我们从许多疯狂的想法中筛选出合理的思想，并寻求重要定量问题的定量答案。它在这个复杂的世界中为我们打开了一扇窗，让我们可以挖掘个人、企业以及政府做决策时所依据的内在逻辑。
本书是适用于本科阶段计量经济学的入门课程。我们的经验是，在初级课程中，应注重计量经济学理论与应用的联系，应用会推动理论的发展，而理论必须与应用相符。这一简单的原则是本书与其他计量经济学教材的主要区别。在过去的教材中，理论模型和假设常与实际应用不相符，这也是为什么一些学生在花费了大量的时间学习后却发现这些假设并不现实，于是又要去学习解决这些与应用不相符的假设所带来“问题”的方法，从而对计量经济学中理论和应用的联系产生怀疑。我们认为，最好从具体应用出发寻找解决方法，随后提出一些简单的、与应用相符的假设，使理论与应用直接联系起来，让计量经济学变得更加生动，易于理解。
为了让学生的学习效果更好，我们建议教师将本书内容和MyLab Economics相结合教授。MyLab Economics是一个教学平台，在该教学平台上教师可以接触到每个学生。通过将一些值得信赖的作者的研究内容与灵活的平台相结合，MyLab Economics可以个性化学习体验，并帮助学生学习课程的重要概念，同时发展职业技能。MyLab Economics可以帮助教师以自己的方式教授课程。若要了解更多信息，请访问www.pearson.com/mylab/economics 本书网站需注册付费使用。——编者注。
第4版的变化
●增加了关于大数据和机器学习的章节。
●增加了使用大数据集预测时间序列数据的内容。
●介绍了动态因子模型。
●介绍了使用回归进行预测的并行处理和因果推断。
●介绍了实际波动率和自回归条件异方差。
●修正了对弱工具变量的讨论。
大数据集正越来越多地被应用于经济学和相关领域，包括预测消费者的选择、衡量医院或学校的质量、分析文本数据等非标准数据以及使用多个变量进行宏观经济预测。与之前的版本相比，第4版中的三个主要补充内容介绍了这一日益增长和令人兴奋的应用领域的基本原理。
首先，我们新增了一章（第14章），重点介绍大数据和机器学习方法。在经济学中，迄今为止的许多应用都集中在所谓的多因子预测问题上（其中预测因子的数量相对于样本量是很大的，甚至可能超过样本量）。当有许多预测因子时，普通最小二乘（OLS）法的预测效果较差，而其他方法，例如LASSO， 可以提供更好的预测结果，利用这些方法得到的样本外预测误差会小很多。本章将介绍样本外预测的概念、OLS预测效果较差的原因以及收缩是如何改进OLS预测的。本章主要介绍收缩方法以及基于主成分的预测，说明如何通过交叉验证选择收缩参数，并解释如何使用这些方法分析文本数据等非标准数据。和其他章一样，本章有一个实证例子，在这个例子中，给定学校特征，预测加利福尼亚州小学的学校层面的测试成绩。
其次，在第17章(重新编号后的)中， 我们将第14章中介绍的多因子预测扩展到时间序列数据中。具体地，第17章将说明动态因子模型如何处理大量时间序列数据，并说明如何使用主成分分析法进行动态因子模型分析。我们将用美国季度宏观经济时间的131个变量数据集来说明动态因子模型及其在预测上的用途。
最后，我们在第4章中介绍了回归的两个用途——因果推断和预测。回归是一种统计工具，可用于进行因果推断或预测，这两种应用对收集的数据有不同的要求。当数据来自随机对照实验时，可用OLS估计因果效应。在观测数据中，如果我们对估计因果效应感兴趣，那么经济学家就需要使用控制变量和/或工具变量，对感兴趣的变量进行随机化。相反，在预测时，我们并不关心因果效应，因此不需要似乎随机化的变动；然而，估计（“训练”）数据集必须与用于预测的观测数据来自同一个总体。
与之前的版本相比，第4版有几个变化。例如，在分析具有波动集群性特征的时间序列数据时，我们引入了实际波动率作为GARCH模型的补充。此外，我们扩展了第12章中关于工具变量回归的历史起源的讨论（见新增专栏12-1）。在专栏中，我们首次复制了IV估计量的原始推导，该推导出现在1926年春天Philip Wright写给他儿子Sewall的信中，他这封信中对第一个IV回归进行了讨论，即对亚麻籽供给弹性的估计。
解决教学挑战
与其他教材相比，本书主要有以下三个特点。第一，我们将现实问题和数据与理论发展紧密融合，并且认真对待实证分析所得到的一系列结论；第二，我们所选取的内容反映了现代理论和实践的最新发展；第三，我们所给出的理论和假设与实际应用相符。我们的目的是使学生能够尽快适应
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
