計量經濟學, 4/e (Introduction to Econometrics, 4/e)

前言
第1篇　導論與知識回顧
第1章　經濟問題和數據　/2
1.1　我們研究的經濟問題　/2
1.2　因果效應和理想化隨機對照實驗　/5
1.3　數據：來源和類型　/6
本章小結　/9
重要術語　/10
內容複習　/10
第2章　概率論知識回顧　/11
2.1　隨機變量和概率分佈　/12
2.2　期望值、均值和方差　/15
2.3　二維隨機變量　/19
專欄2-1　2015年美國的收入分佈情況　/24
2.4　正態分佈、χ2分佈、學生t分佈及F分佈　/26
專欄2-2　華爾街糟糕的一天　/28
2.5　隨機抽樣與樣本均值的抽樣分佈　/30
專欄2-3　投資分散化和資產組合　/33
2.6　抽樣分佈的大樣本近似　/33
本章小結　/38
重要術語　/38
內容複習　/39
習題　/39
實證練習　/43
附錄2A　重要概念2-3中結果的推導　/44
附錄2B　條件均值是實現最小均方誤差的預測值　/45
第3章　統計學知識回顧　/46
3.1　總體均值的估計　/47
專欄3-1　蘭頓獲勝　/50
3.2　關於總體均值的假設檢驗　/50
3.3　總體均值的置信區間　/56
3.4　不同總體間的均值比較　/57
專欄3-2　美國大學畢業生收入的性別差異　/59
3.5　基於實驗數據估計因果效應　/60
專欄3-3　刺激退休儲蓄的新方法　/60
3.6　樣本容量較小時的t統計量　/61
3.7　散點圖、樣本協方差和样本相關係數　/63
本章小結　/66
重要術語　/66
內容複習　/67
習題　/67
實證練習　/71
附錄3A　美國當前人口調查　/73
附錄3B　Y是μY的最小二乘估計量的兩種證明方法　/73
附錄3C　樣本方差一致性的證明　/74
第2篇　回歸分析基礎
第4章　一元線性回歸　/76
4.1　線性回歸模型　/77
4.2　線性回歸模型的係數估計　/79
專欄4-1　股票的“貝塔”值　/82
4.3　擬合優度與預測精度　/83
4.4　因果推斷的最小二乘假設　/85
4.5　OLS估計量的抽樣分佈　/89
4.6　結論　/91
本章小結　/91
重要術語　/92
內容複習　/92
習題　/92
實證練習　/94
附錄4A　加利福尼亞州的測試成績數據集　/96
附錄4B　OLS估計量的推導　/96
附錄4C　OLS估計量的抽樣分佈　/96
附錄4D　預測的最小二乘假設　/98
第5章　一元線性回歸：假設檢驗和置信區間　/100
5.1　關於某個回歸係數的假設檢驗　/100
5.2　回歸係數的置信區間　/104
5.3　X為二元變量時的回歸　/105
5.4　異方差和同方差　/107
專欄5-1　一年教育的經濟價值：是同方差還是異方差　/110
*5.5　普通最小二乘法的理論基礎　/111
*5.6　樣本容量較小時的t統計量應用　/112
5.7　結論　/113
本章小結　/114
重要術語　/115
內容複習　/115
習題　/115
實證練習　/118
附錄5A　OLS標準誤公式　/119
附錄5B　高斯-馬爾科夫條件和高斯-馬爾科夫定
理的證明　/120
第6章　多元線性回歸　/122
6.1　遺漏變量偏差　/122
專欄6-1　莫扎特效應：遺漏變量偏差　/125
6.2　多元回歸模型　/126
6.3　多元回歸的OLS估計量　/128
6.4　多元回歸的擬合優度　/130
6.5　多元回歸中因果推斷的最小二乘假設　/132
6.6　多元回歸模型中OLS估計量的分佈　/134
6.7　多重共線性　/134
6.8　控制變量和條件均值獨立　/137
6.9　結論　/138
本章小結　/139
重要術語　/139
內容複習　/140
習題　/140
實證練習　/143
附錄6A　式（6-1）的推導　/144
附錄6B　包含兩個解釋變量且誤差項為同方差時的OLS估計量的分佈　/144
附錄6C　Frisch-Waugh定理　/144
附錄6D　多元回歸預測的最小二乘假設　/145
附錄6E　包含控制變量的多元回歸的OLS估計量的分佈　/146
第7章　多元回歸中的假設檢驗和置信區間　/147
7.1　單個係數的假設檢驗和置信區間　/147
7.2　聯合假設的檢驗　/150
7.3　涉及多個係數的單約束檢驗　/154
7.4　多個係數的置信集　/155
7.5　多元回歸的模型設定　/156
7.6　對測試成績數據集的分析　/158
7.7　結論　/161
本章小結　/161
重要術語　/162
內容複習　/162
習題　/162
實證練習　/164
附錄7A　聯合假設的Bonferroni檢驗　/165
第8章　非線性回歸函數　/167
8.1　非線性回歸函數的一般建模方法　/168
8.2　一元非線性函數　/173
8.3　解釋變量的交互項　/180
專欄8-1　教育回報與性別差距　/185
專欄8-2　經濟學期刊的需求　/187
8.4　學生-教師比對測試成績的非線性效應　/189
8.5　結論　/193
本章小結　/194
重要術語　/194
內容複習　/194
習題　/195
實證練習　/198
附錄8A　參數非線性的回歸函數　/200
附錄8B　非線性回歸函數的斜率和彈性　/202
第9章　多元回歸分析有效性的評估　/204
9.1　內部有效性和外部有效性　/204
9.2　多元回歸分析的內部有效性威脅　/206
專欄9-1　股票共同基金跑贏市場了嗎　/211
9.3　利用回歸模型進行預測時的內部有效性和外部有效性　/214
9.4　實例：測試成績和班級規模　/215
9.5　結論　/221
本章小結　/222
重要術語　/222
內容複習　/222
習題　/222
實證練習　/224
附錄9A　馬薩諸塞州的小學測試數據　/225
第3篇　回歸分析的高級專題
第10章　面板數據回歸　/228
10.1　面板數據　/229
10.2　兩期的面板數據：“前後”比較　/231
10.3　固定效應回歸　/233
10.4　時間固定效應回歸　/236
10.5　固定效應回歸假設和固定效應回歸的標準誤　/238
10.6　關於酒駕的法律規定和交通事故死亡人數　/240
10.7　結論　/243
本章小結　/243
重要術語　/244
內容複習　/244
習題　/244
實證練習　/245
附錄10A　州交通死亡事故數據集　/246
附錄10B　固定效應回歸的標準誤　/246
第11章　二元被解釋變量回歸　/250
11.1　二元被解釋變量與線性概率模型　/251
11.2　probit回歸和logit回歸　/254
11.3　logit模型和probit模型的估計與推斷　/258
11.4　在波士頓HMDA數據中的應用　/261
11.5　結論　/265
專欄11-1　諾貝爾經濟學獎得主詹姆斯·赫克曼和丹尼爾·麥克法登　/266
本章小結　/267
重要術語　/267
內容複習　/267
習題　/267
實證練習　/269
附錄11A　波士頓HMDA數據　/271
附錄11B　最大似然估計　/271
附錄11C　其他受限被解釋變量模型　/272
第12章　工具變量回歸　/275
12.1　單個自變量和單個工具變量的IV估計量　/275
專欄12-1　誰發明了工具變量回歸　/279
12.2　一般IV回歸模型　/282
12.3　檢驗工具變量有效性　/287
專欄12-2　第一次IV回歸　/289
12.4　在香煙需求例子中的應用　/291
專欄12-3　吸煙的外部性　/292
12.5　如何尋找有效的工具變量　/294
12.6　結論　/297
本章小結　/297
重要術語　/298
內容複習　/298
習題　/298
實證練習　/300
附錄12A　香煙消費面板數據集　/302
附錄12B　式（12-4）中TSLS估計量公式的推導　/302
附錄12C　TSLS估計量的大樣本分佈　/302
附錄12D　工具變量非有效時TSLS估計量的大樣本分佈　/303
附錄12E　存在潛在弱工具變量時的工具變量分析方法　/304
附錄12F　含有控制變量的TSLS　/305
第13章　實驗和準實驗　/307
13.1　潛在結果、因果效應和理想化實驗　/308
13.2　實驗的有效性威脅　/310
專欄13-1　霍桑效應　/311
13.3　減小班級規模效應的實驗估計　/313
13.4　準實驗　/319
13.5　準實驗的潛在問題　/323
13.6　異質性總體下的實驗和準實驗估計　/324
13.7　結論　/328
本章小結　/328
重要術語　/329
內容複習　/329
習題　/330
實證練習　/332
附錄13A　STAR項目數據集　/333
附錄13B　異質性因果效應的IV估計　/333
附錄13C　分析實驗數據的潛在結果框架　/333
第14章　多元回歸和大數據預測　/335
14.1　什麼是“大數據”　/336
14.2　多元預測問題與OLS　/337
14.3　嶺回歸　/342
14.4　Lasso回歸　/345
14.5　主成分　/348
14.6　使用多個預測因子預測學校測試成績　/352
14.7　結論　/356
專欄14-1　文本數據　/356
本章小結　/357
重要術語　/357
內容複習　/358
習題　/358
實證練習　/361
附錄14A　加州學校考試成績數據集　/362
附錄14B　k=1時式（14-4）的推導　/362
附錄14C　k=1時的嶺回歸估計量　/362
附錄14D　k=1時的Lasso估計量　/362
附錄14E　在標準化回歸模型中計算樣本外預測　/363
第4篇　經濟時間序列數據的回歸分析
第15章　時間序列回歸和預測導論　/366
15.1　時間序列數據和序列相關介紹　/367
15.2　平穩性和均方預測誤差　/371
專欄15-1　你能戰勝市場嗎　/373
15.3　自回歸　/374
15.4　包含其他預測變量的時間序列模型和自回歸分佈滯後模型　/377
15.5　MSFE的估計和預測區間　/380
專欄15-2　血河　/383
15.6　運用信息準則選擇滯後階數　/383
15.7　非平穩性Ⅰ：趨勢　/386
15.8　非平穩性Ⅱ：突變　/391
15.9　結論　/396
本章小結　/396
重要術語　/397
內容複習　/397
習題　/397
實證練習　/400
附錄15A　第15章使用的時間序列數據　/402
附錄15B　AR（1）模型的平穩性　/402
附錄15C　滯後算子符號　/403
附錄15D　ARMA模型　/403
附錄15E　BIC滯後階數估計量的一致性　/404
第16章　動態因果效應估計　/405
16.1　橙汁數據的初步分析　/406
16.2　動態因果效應　/408
16.3　使用外生解釋變量估計動態因果效應　/411
16.4　異方差和自相關一致標準誤　/413
16.5　嚴格外生解釋變量的動態因果效應估計　/416
16.6　橙汁價格和霜凍天氣　/420
專欄16-1　遷徙中的橙子樹　/424
專欄16-2　新聞速遞：商品交易員通過迪士尼樂園
傳遞寒流　/425
16.7　外生性合理嗎　/425
16.8　結論　/427
本章小結　/427
重要術語　/427
內容複習　/428
習題　/428
實證練習　/431
附錄16A　橙汁數據集　/432
附錄16B　使用滯後算子表示的ADL模型及廣義最小二乘法　/432
第17章　時間序列回歸的其他專題　/435
17.1　向量自回歸　/436
17.2　多期預測　/438
17.3　單整階數和單位根檢驗統計量的非正態性　/442
17.4　協整　/445
17.5　波動集群性和自回歸條件異方差　/447
17.6　使用動態因子模型和主成分進行包含多個預測變量的預測　/451
專欄17-1　時間序列計量經濟學的諾貝爾獎獲得者　/457
17.7　結論　/458
本章小結　/458
重要術語　/458
內容複習　/459
習題　/459
實證練習　/461
附錄17A　美國季度宏觀數據集　/461
第5篇　回歸分析的計量經濟學理論
第18章　一元線性回歸理論　/464
18.1　擴展的最小二乘假設和OLS估計量　/465
18.2　漸近分佈理論基礎　/466
18.3　OLS估計量和t統計量的漸近分佈　/470
18.4　誤差項服從正態分佈時的精確抽樣分佈　/472
18.5　加權最小二乘法　/474
本章小結　/477
重要術語　/477
內容複習　/478
習題　/478
附錄18A　正態分佈及其相關分佈和連續型隨機變量的矩　/480
附錄18B　兩個不等式　/482
第19章　多元線性回歸理論　/483
19.1　多元回歸模型和OLS估計量的矩陣形式　/484
19.2　OLS估計量和t統計量的漸近分佈　/486
19.3　聯合假設檢驗　/489
19.4　正態誤差項假設下回歸統計量的分佈　/490
19.5　誤差項為同方差時OLS估計量的有效性　/492
19.6　廣義最小二乘法　/494
19.7　工具變量和廣義矩估計　/497
本章小結　/503
重要術語　/503
內容複習　/504
習題　/504
附錄19A　矩陣代數概要　/508
附錄19B　多元分佈　/510
附錄19C　推導β^的漸近分佈　/511
附錄19D　推導正態誤差項下OLS檢驗統計量的精確分佈　/511
附錄19E　多元回歸模型的高斯-馬爾科夫定理的證明過程　/512
附錄19F　IV和GMM估計中部分結論的證明　/513
附錄19G　包含多個預測因子的回歸：MPSE、嶺回歸和主成分分析　/515
附錄　/519
參考文獻　/527