經(jīng)濟(jì)計量學(xué)精要：2nd edition

譯者序前言第1章
經(jīng)濟(jì)計量學(xué)的特征及研究范圍 11.1
什么是經(jīng)濟(jì)計量學(xué) 11.2
為什么要學(xué)習(xí)經(jīng)濟(jì)計量學(xué) 11.3
經(jīng)濟(jì)計量學(xué)的方法論 21.4
全書結(jié)構(gòu) 8習(xí)題 9附錄1A
萬維網(wǎng)上的經(jīng)濟(jì)數(shù)據(jù) 10第一部分
概率與統(tǒng)計基礎(chǔ)第2章
基本統(tǒng)計概念的回顧 142.1
一些符號 142.2
試驗(yàn). 樣本空間. 樣本點(diǎn)和事件 152.3
隨機(jī)變量 162.4
概率 172.5
隨機(jī)變量與概率密度函數(shù) 202.6
多元隨機(jī)變量的概率密度函數(shù) 232.7
概率密度的特征 262.8
從總體到樣本 342.9
小結(jié) 37參考文獻(xiàn) 38習(xí)題 38第3章
一些重要的概率分布 423.1
正態(tài)分布 423.2
樣本均值X_的抽樣分布或概率分布 483.3
c2分布 533.4
t分布 543.5
F分布 573.6
t分布. F分布. c2分布與正態(tài)分布的關(guān)系 593.7
小結(jié) 59習(xí)題 59第4章
統(tǒng)計推斷：估計與假設(shè)檢驗(yàn) 624.1
統(tǒng)計推斷的含義 624.2
估計和假設(shè)檢驗(yàn)：統(tǒng)計推斷的兩個孿生分支 624.3
參數(shù)估計 634.4
點(diǎn)估計量的性質(zhì) 654.5
統(tǒng)計推斷：假設(shè)檢驗(yàn) 684.6
小結(jié) 76習(xí)題 76第二部分
線性回歸模型第5章
線性回歸的基本思想：雙變量模型 805.1
回歸的含義 805.2
總體回歸函數(shù)：一個假設(shè)的例子 815.3
總體回歸函數(shù)誤差的設(shè)定 825.4
隨機(jī)誤差項(xiàng)的性質(zhì) 835.5
樣本回歸函數(shù) 845.6
“線性”回歸的特殊含義 865.7
從雙變量回歸到多元線性回歸 875.8
參數(shù)的估計：普通最小二乘法 885.9
實(shí)例 925.10
小結(jié) 94習(xí)題 95附錄5A
最小二乘估計量的推導(dǎo) 98第6章
雙變量模型：假設(shè)檢驗(yàn) 996.1
古典線性回歸模型 996.2
普通最小二乘估計量的方差與標(biāo)準(zhǔn)差 1016.3
普通最小二乘估計量的性質(zhì) 1036.4
OLS估計量的抽樣分布或概率分布 1046.5
假設(shè)檢驗(yàn) 1056.6
擬合優(yōu)度的檢驗(yàn)：判定系數(shù)r2 1106.7
回歸分析結(jié)果的報告 1136.8
正態(tài)性檢驗(yàn) 1146.9
關(guān)于計算：回歸分析的軟件 1156.10
實(shí)例：美國進(jìn)口支出 1166.11
預(yù)測 1196.12
實(shí)例 1206.13
小結(jié) 122習(xí)題 122第7章
多元回歸：估計與假設(shè)檢驗(yàn) 1277.1
三變量線性回歸模型 1277.2
多元線性回歸模型的若干假定 1297.3
多元回歸參數(shù)的估計 1307.4
實(shí)例：未償付抵押貸款債務(wù) 1327.5
估計的多元回歸方程的擬合優(yōu)度：多元判定系數(shù)R2 1337.6
多元回歸的假設(shè)檢驗(yàn)：一般的解釋 1347.7
對回歸參數(shù)進(jìn)行假設(shè)檢驗(yàn) 1357.8
對聯(lián)合假設(shè)的檢驗(yàn) 1377.9
從多元回歸模型到雙變量模型：設(shè)定誤差 1407.10
兩個不同的R2的比較：校正的判定系數(shù) 1407.11
什么時候增加新的解釋變量 1417.12
回歸模型的結(jié)構(gòu)穩(wěn)定性檢驗(yàn)：Chow檢驗(yàn) 1417.13
實(shí)例 1447.14
小結(jié) 147習(xí)題 147附錄7A.1
OLS估計量的推導(dǎo) 151附錄7A.2
式 7-31 的推導(dǎo) 151附錄7A.3
式 7-53 的推導(dǎo) 151附錄7A.4
EVIEWS計算結(jié)果 抵押貸款債務(wù)一例 152第8章
回歸方程的函數(shù)形式 1538.1
如何度量彈性：對數(shù)線性模型 1548.2
線性模型與對數(shù)線性模型的比較 1568.3
多元對數(shù)線性回歸模型 1578.4
如何測度增長率：半對數(shù)模型 1608.5
線性對數(shù)模型：解釋變量是對數(shù)形式 1638.6
雙曲函數(shù)模型 1658.7
多項(xiàng)式回歸模型 1678.8
不同函數(shù)形式模型小結(jié) 1688.9
小結(jié) 169習(xí)題 169附錄8A
對數(shù) 174第9章
包含虛擬變量的回歸模型 1769.1
虛擬變量的性質(zhì) 1769.2
包含一個定量變量, 一個兩分定性變量的回歸模型 1799.3
虛擬變量有多種分類的情況 1829.4
包含一個定量變量, 兩個定性變量的回歸模型 1839.5
模型的推廣 1849.6
回歸模型中的結(jié)構(gòu)穩(wěn)定性：虛擬變量法 1859.7
虛擬變量在季節(jié)分析中的應(yīng)用 1899.8
小結(jié) 192習(xí)題 192第三部分
實(shí)踐中的回歸分析第10章
多重共線性 20010.1
多重共線性的性質(zhì)：完全多重共線性的情況 20010.2
接近或者不完全多重共線性的情形 20210.3
多重共線性的理論后果 20410.4
多重共線性的實(shí)際后果 20410.5
多重共線性的測定 20610.6
多重共線性必定不好嗎 20810.7
一個擴(kuò)充例子：1960至1982年期間美國的雞肉需求 20910.8
如何對付多重共線性：補(bǔ)救措施 21110.9
小結(jié) 215習(xí)題 215第11章
異方差 21911.1
異方差的性質(zhì) 21911.2
異方差的后果 22411.3
異方差的檢驗(yàn)：如何知道存在異方差問題 22511.4
觀察到異方差該怎么辦：補(bǔ)救措施 23111.5
White異方差校正后的標(biāo)準(zhǔn)差和t 統(tǒng)計量 23511.6
實(shí)例 23611.7
小結(jié) 238習(xí)題 238第12章
自相關(guān) 24412.1
自相關(guān)的性質(zhì) 24412.2
自相關(guān)的后果 24712.3
自相關(guān)的診斷 24712.4
補(bǔ)救措施 25312.5
如何估計r 25412.6
小結(jié) 257習(xí)題 258第13章
模型選擇：標(biāo)準(zhǔn)與檢驗(yàn) 26213.1
“好的”模型具有的特性 26213.2
設(shè)定誤差的類型 26313.3
診斷設(shè)定誤差：設(shè)定誤差的檢驗(yàn) 26913.4
用于預(yù)測的模型選擇 27313.5
小結(jié) 274習(xí)題 275第14章
單方程回歸模型：幾個補(bǔ)充專題 28014.1
有限最小二乘法 28014.2
動態(tài)經(jīng)濟(jì)模型：自回歸模型和分布滯后模型 28314.3
用于分布滯后模型的夸克方法 28714.4
解釋變量是虛擬變量的情形 28914.5
分對數(shù)模型 29214.6
偽回歸現(xiàn)象 29614.7
小結(jié) 303習(xí)題 304第四部分
聯(lián)立方程模型簡介第15章
聯(lián)立方程模型 31015.1
聯(lián)立方程模型的性質(zhì) 31115.2
聯(lián)立方程的偏誤：普通最小二乘估計量的不一致性 31215.3
間接最小二乘法 31315.4
實(shí)例 31415.5
模型識別問題 31515.6
模型識別的判定規(guī)則：識別的階條件 32015.7
對過度識別方程的估計：兩階段最小二乘法 32015.8
2SLS：一個數(shù)字例子 32115.9
小結(jié) 323習(xí)題 323附錄15A
OLS估計量的不一致性 325附
錄附錄A
統(tǒng)計表 328附錄B
部分習(xí)題答案 343參考文獻(xiàn) 347