計(jì)量經(jīng)濟(jì)學(xué)（第三版）（通用經(jīng)濟(jì)系列教材）
- 所屬分類：
經(jīng)濟(jì)管理考..
- 作者：
潘省初
- 出版社：
中國人民大學(xué)出版社
- ISBN：9787300107127
- 出版日期：2009-06-01
-
原價(jià)：
￥23.00元
現(xiàn)價(jià)：￥18.40元
-
本書信息由合作網(wǎng)站提供，請前往以下網(wǎng)站購買： 京東商城
當(dāng)當(dāng)網(wǎng)
圖書簡介
本書第二版的編寫至今已近三年，在此期間，計(jì)量經(jīng)濟(jì)學(xué)的研究、應(yīng)用和教材編寫方面都有很多新的進(jìn)展，有必要將這些進(jìn)展反映到我們的教材中。同時(shí)，經(jīng)過兩年多的教學(xué)實(shí)踐，也發(fā)現(xiàn)了原書的一些不足之處，應(yīng)出版社之邀，再次對原書進(jìn)行修訂。
本書第三版主要在以下幾方面對第二版進(jìn)行了調(diào)整和修改：
1.在保留第二版基本結(jié)構(gòu)的基礎(chǔ)上，做了一些局部的結(jié)構(gòu)調(diào)整，去掉了原第三章第六節(jié)“有關(guān)最小二乘法的進(jìn)一步討論”，將其中部分內(nèi)容并入第五章新增的“隨機(jī)解釋變量”一節(jié)中；將第三章第七節(jié)“極大似然法”移至第四章作為第八節(jié)，并將原第四章第五節(jié)中有關(guān)LR、W和LM檢驗(yàn)法的討論并入該節(jié)；第七章中將誤差修正模型變?yōu)橐还?jié)。這些結(jié)構(gòu)上的調(diào)整旨在使相關(guān)內(nèi)容的銜接更加緊湊，全書結(jié)構(gòu)更加合理。
2.跟蹤計(jì)量經(jīng)濟(jì)學(xué)研究的最新成果和國內(nèi)外優(yōu)秀教科書的最新版本，修訂本書中一些相對陳舊的內(nèi)容和過時(shí)的方法，是本次修訂的主要目標(biāo)。重點(diǎn)修改了LR、W和LM檢驗(yàn)法、異方差性的檢驗(yàn)、解決異方差性和自相關(guān)問題的方法、平穩(wěn)性檢驗(yàn)方法、偽回歸的概念和多項(xiàng)選擇模型等方面的內(nèi)容。
3.對第二版中表達(dá)不夠準(zhǔn)確和不夠清晰之處進(jìn)行了修改。
目錄
第一章 緒論
第一節(jié) 什么是計(jì)量經(jīng)濟(jì)學(xué)
第二節(jié) 計(jì)量經(jīng)濟(jì)學(xué)方法
第三節(jié) 計(jì)量經(jīng)濟(jì)模型及其應(yīng)用
第四節(jié) 統(tǒng)計(jì)和計(jì)量經(jīng)濟(jì)分析軟件
小結(jié)
習(xí)題
第二章 計(jì)量經(jīng)濟(jì)分析的統(tǒng)計(jì)學(xué)基礎(chǔ)
第一節(jié) 概率和概率分布
第二節(jié) 統(tǒng)計(jì)推斷
第三節(jié) 參數(shù)估計(jì)
第四節(jié) 假設(shè)檢驗(yàn)
小結(jié)
習(xí)題
第三章 雙變量線性回歸模型
第一節(jié) 雙變量線性回歸模型的估計(jì)
第二節(jié) 最小二乘估計(jì)量的性質(zhì)
第三節(jié) 擬合優(yōu)度的測度
第四節(jié) 雙變量回歸中的區(qū)間估計(jì)和假設(shè)檢驗(yàn)
第五節(jié) 預(yù)測
小結(jié)
習(xí)題
第四章 多元線性回歸模型
第一節(jié) 多元線性回歸模型的概念
第二節(jié) 多元線性回歸模型的估計(jì)
第三節(jié) 擬合優(yōu)度
第四節(jié) 非線性關(guān)系的處理
第五節(jié) 假設(shè)檢驗(yàn)
第六節(jié) 預(yù)測
第七節(jié) 虛擬變量
第八節(jié) 極大似然估計(jì)
小結(jié)
習(xí)題
附錄：正定矩陣
第五章 模型的建立與估計(jì)中的問題及對策
第一節(jié) 誤設(shè)定
第二節(jié) 多重共線性
第三節(jié) 異方差性
第四節(jié) 自相關(guān)
第五節(jié) 隨機(jī)解釋變量
小結(jié)
習(xí)題
第六章 動(dòng)態(tài)經(jīng)濟(jì)模型：自回歸模型和分布滯后模型
第一節(jié) 引言
……
第七章 時(shí)間序列分析
第八章 聯(lián)立方程模型
第九章 面板數(shù)據(jù)模型
第十章 定性選擇模型
附錄 統(tǒng)計(jì)表
參考文獻(xiàn)
