計量經(jīng)濟學（原書第4版）國內(nèi)外近200高校必讀教材！
定 價：109 元
- 作者：（美）詹姆斯·H.斯托克 (James H.Stock)，（美）馬克·W.沃森 (Mark W.Watson )
- 出版時間：2022/7/1
- ISBN：9787111707608
- 出 版 社：機械工業(yè)出版社
- 中圖法分類：F224.0
- 頁碼：552
- 紙張：
- 版次：
- 開本：16
本書是經(jīng)典的計量經(jīng)濟學入門教材，書中全面系統(tǒng)地介紹了計量經(jīng)濟學的基本知識。全書共分5篇，內(nèi)容包括導(dǎo)論與知識回顧、回歸分析基礎(chǔ)、回歸分析的高級專題、經(jīng)濟時間序列數(shù)據(jù)的回歸分析和回歸分析的計量經(jīng)濟學理論。與其他同類教材相比，本書具有以下三個顯著特點：第壹，將現(xiàn)實世界的問題和數(shù)據(jù)與理論的發(fā)展聯(lián)系起來，并且認真對待實證分析中大量的重要發(fā)現(xiàn)；第二，所選取的內(nèi)容反映了現(xiàn)代理論和實踐的發(fā)展；第三，給出的理論和假設(shè)都與應(yīng)用相符。
前言
第1篇 導(dǎo)論與知識回顧
第1章 經(jīng)濟問題和數(shù)據(jù) /2
1.1 我們研究的經(jīng)濟問題 /2
1.2 因果效應(yīng)和理想化隨機對照實驗 /5
1.3 數(shù)據(jù)：來源和類型 /6
本章小結(jié) /9
重要術(shù)語 /10
內(nèi)容復(fù)習 /10
第2章 概率論知識回顧 /11
2.1 隨機變量和概率分布 /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年美國的收入分布情況 /24
2.4 正態(tài)分布、χ2分布、學生t分布及F分布 /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布 /30
專欄2-3 投資分散化和資產(chǎn)組合 /33
2.6 抽樣分布的大樣本近似 /33
本章小結(jié) /38
重要術(shù)語 /38
內(nèi)容復(fù)習 /39
習題 /39
實證練習 /43
附錄2A 重要概念2-3中結(jié)果的推導(dǎo) /44
附錄2B 條件均值是實現(xiàn)最小均方誤差的預(yù)測值 /45
第3章 統(tǒng)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(guān)于總體均值的假設(shè)檢驗 /50
3.3 總體均值的置信區(qū)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(yè)生收入的性別差異 /59
3.5 基于實驗數(shù)據(jù)估計因果效應(yīng) /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(tǒng)計量 /61
3.7 散點圖、樣本協(xié)方差和樣本相關(guān)系數(shù) /63
本章小結(jié) /66
重要術(shù)語 /66
內(nèi)容復(fù)習 /67
習題 /67
實證練習 /71
附錄3A 美國當前人口調(diào)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(chǔ)
第4章 一元線性回歸 /76
4.1 線性回歸模型 /77
4.2 線性回歸模型的系數(shù)估計 /79
專欄4-1 股票的“貝塔”值 /82
4.3 擬合優(yōu)度與預(yù)測精度 /83
4.4 因果推斷的最小二乘假設(shè) /85
4.5 OLS估計量的抽樣分布 /89
4.6 結(jié)論 /91
本章小結(jié) /91
重要術(shù)語 /92
內(nèi)容復(fù)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(shù)據(jù)集 /96
附錄4B OLS估計量的推導(dǎo) /96
附錄4C OLS估計量的抽樣分布 /96
附錄4D 預(yù)測的最小二乘假設(shè) /98
第5章 一元線性回歸：假設(shè)檢驗和置信區(qū)間 /100
5.1 關(guān)于某個回歸系數(shù)的假設(shè)檢驗 /100
5.2 回歸系數(shù)的置信區(qū)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(jīng)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(chǔ) /111
*5.6 樣本容量較小時的t統(tǒng)計量應(yīng)用 /112
5.7 結(jié)論 /113
本章小結(jié) /114
重要術(shù)語 /115
內(nèi)容復(fù)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(yīng)：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(yōu)度 /130
6.5 多元回歸中因果推斷的最小二乘假設(shè) /132
6.6 多元回歸模型中OLS估計量的分布 /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(jié)論 /138
本章小結(jié) /139
重要術(shù)語 /139
內(nèi)容復(fù)習 /140
習題 /140
實證練習 /143
附錄6A 式（6-1）的推導(dǎo) /144
附錄6B 包含兩個解釋變量且誤差項為同方差時的OLS估計量的分布 /144
附錄6C Frisch-Waugh定理 /144
附錄6D 多元回歸預(yù)測的最小二乘假設(shè) /145
附錄6E 包含控制變量的多元回歸的OLS估計量的分布 /146
第7章 多元回歸中的假設(shè)檢驗和置信區(qū)間 /147
7.1 單個系數(shù)的假設(shè)檢驗和置信區(qū)間 /147
7.2 聯(lián)合假設(shè)的檢驗 /150
7.3 涉及多個系數(shù)的單約束檢驗 /154
7.4 多個系數(shù)的置信集 /155
7.5 多元回歸的模型設(shè)定 /156
7.6 對測試成績數(shù)據(jù)集的分析 /158
7.7 結(jié)論 /161
本章小結(jié) /161
重要術(shù)語 /162
內(nèi)容復(fù)習 /162
習題 /162
實證練習 /164
附錄7A 聯(lián)合假設(shè)的Bonferroni檢驗 /165
第8章 非線性回歸函數(shù) /167
8.1 非線性回歸函數(shù)的一般建模方法 /168
8.2 一元非線性函數(shù) /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(jīng)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(yīng) /189
8.5 結(jié)論 /193
本章小結(jié) /194
重要術(shù)語 /194
內(nèi)容復(fù)習 /194
習題 /195
實證練習 /198
附錄8A 參數(shù)非線性的回歸函數(shù) /200
附錄8B 非線性回歸函數(shù)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(nèi)部有效性和外部有效性 /204
9.2 多元回歸分析的內(nèi)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(yù)測時的內(nèi)部有效性和外部有效性 /214
9.4 實例：測試成績和班級規(guī)模 /215
9.5 結(jié)論 /221
本章小結(jié) /222
重要術(shù)語 /222
內(nèi)容復(fù)習 /222
習題 /222
實證練習 /224
附錄9A 馬薩諸塞州的小學測試數(shù)據(jù) /225
第3篇 回歸分析的高級專題
第10章 面板數(shù)據(jù)回歸 /228
10.1 面板數(shù)據(jù) /229
10.2 兩期的面板數(shù)據(jù)：“前后”比較 /231
10.3 固定效應(yīng)回歸 /233
10.4 時間固定效應(yīng)回歸 /236
10.5 固定效應(yīng)回歸假設(shè)和固定效應(yīng)回歸的標準誤 /238
10.6 關(guān)于酒駕的法律規(guī)定和交通事故死亡人數(shù) /240
10.7 結(jié)論 /243
本章小結(jié) /243
重要術(shù)語 /244
內(nèi)容復(fù)習 /244
習題 /244
實證練習 /245
附錄10A 州交通死亡事故數(shù)據(jù)集 /246
附錄10B 固定效應(yīng)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(shù)據(jù)中的應(yīng)用 /261
11.5 結(jié)論 /265
專欄11-1 諾貝爾經(jīng)濟學獎得主詹姆斯·赫克曼和丹尼爾·麥克法登 /266
本章小結(jié) /267
重要術(shù)語 /267
內(nèi)容復(fù)習 /267
習題 /267
實證練習 /269
附錄11A 波士頓HMDA數(shù)據(jù) /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(fā)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(yīng)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(jié)論 /297
本章小結(jié) /297
重要術(shù)語 /298
內(nèi)容復(fù)習 /298
習題 /298
實證練習 /300
附錄12A 香煙消費面板數(shù)據(jù)集 /302
附錄12B 式（12-4）中TSLS估計量公式的推導(dǎo) /302
附錄12C TSLS估計量的大樣本分布 /302
附錄12D 工具變量非有效時TSLS估計量的大樣本分布 /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(jié)果、因果效應(yīng)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(yīng) /311
13.3 減小班級規(guī)模效應(yīng)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(zhì)性總體下的實驗和準實驗估計 /324
13.7 結(jié)論 /328
本章小結(jié) /328
重要術(shù)語 /329
內(nèi)容復(fù)習 /329
習題 /330
實證練習 /332
附錄13A STAR項目數(shù)據(jù)集 /333
附錄13B 異質(zhì)性因果效應(yīng)的IV估計 /333
附錄13C 分析實驗數(shù)據(jù)的潛在結(jié)果框架 /333
第14章 多元回歸和大數(shù)據(jù)預(yù)測 /335
14.1 什么是“大數(shù)據(jù)” /336
14.2 多元預(yù)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(yù)測因子預(yù)測學校測試成績 /352
14.7 結(jié)論 /356
專欄14-1 文本數(shù)據(jù) /356
本章小結(jié) /357
重要術(shù)語 /357
內(nèi)容復(fù)習 /358
習題 /358
實證練習 /361
附錄14A 加州學校考試成績數(shù)據(jù)集 /362
附錄14B k=1時式（14-4）的推導(dǎo) /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(yù)測 /363
第4篇 經(jīng)濟時間序列數(shù)據(jù)的回歸分析
第15章 時間序列回歸和預(yù)測導(dǎo)論 /366
15.1 時間序列數(shù)據(jù)和序列相關(guān)介紹 /367
15.2 平穩(wěn)性和均方預(yù)測誤差 /371
專欄15-1 你能戰(zhàn)勝市場嗎 /373
15.3 自回歸 /374
15.4 包含其他預(yù)測變量的時間序列模型和自回歸分布滯后模型 /377
15.5 MSFE的估計和預(yù)測區(qū)間 /380
專欄15-2 血河 /383
15.6 運用信息準則選擇滯后階數(shù) /383
15.7 非平穩(wěn)性Ⅰ：趨勢 /386
15.8 非平穩(wěn)性Ⅱ：突變 /391
15.9 結(jié)論 /396
本章小結(jié) /396
重要術(shù)語 /397
內(nèi)容復(fù)習 /397
習題 /397
實證練習 /400
附錄15A 第15章使用的時間序列數(shù)據(jù) /402
附錄15B AR（1）模型的平穩(wěn)性 /402
附錄15C 滯后算子符號 /403
附錄15D ARMA模型 /403
附錄15E BIC滯后階數(shù)估計量的一致性 /404
第16章 動態(tài)因果效應(yīng)估計 /405
16.1 橙汁數(shù)據(jù)的初步分析 /406
16.2 動態(tài)因果效應(yīng) /408
16.3 使用外生解釋變量估計動態(tài)因果效應(yīng) /411
16.4 異方差和自相關(guān)一致標準誤 /413
16.5 嚴格外生解釋變量的動態(tài)因果效應(yīng)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(jié)論 /427
本章小結(jié) /427
重要術(shù)語 /427
內(nèi)容復(fù)習 /428
習題 /428
實證練習 /431
附錄16A 橙汁數(shù)據(jù)集 /432
附錄16B 使用滯后算子表示的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(yù)測 /438
17.3 單整階數(shù)和單位根檢驗統(tǒng)計量的非正態(tài)性 /442
17.4 協(xié)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(tài)因子模型和主成分進行包含多個預(yù)測變量的預(yù)測 /451
專欄17-1 時間序列計量經(jīng)濟學的諾貝爾獎獲得者 /457
17.7 結(jié)論 /458
本章小結(jié) /458
重要術(shù)語 /458
內(nèi)容復(fù)習 /459
習題 /459
實證練習 /461
附錄17A 美國季度宏觀數(shù)據(jù)集 /461
第5篇 回歸分析的計量經(jīng)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(shè)和OLS估計量 /465
18.2 漸近分布理論基礎(chǔ) /466
18.3 OLS估計量和t統(tǒng)計量的漸近分布 /470
18.4 誤差項服從正態(tài)分布時的精確抽樣分布 /472
18.5 加權(quán)最小二乘法 /474
本章小結(jié) /477
重要術(shù)語 /477
內(nèi)容復(fù)習 /478
習題 /478
附錄18A 正態(tài)分布及其相關(guān)分布和連續(xù)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(tǒng)計量的漸近分布 /486
19.3 聯(lián)合假設(shè)檢驗 /489
19.4 正態(tài)誤差項假設(shè)下回歸統(tǒng)計量的分布 /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(jié) /503
重要術(shù)語 /503
內(nèi)容復(fù)習 /504
習題 /504
附錄19A 矩陣代數(shù)概要 /508
附錄19B 多元分布 /510
附錄19C 推導(dǎo)β^的漸近分布 /511
附錄19D 推導(dǎo)正態(tài)誤差項下OLS檢驗統(tǒng)計量的精確分布 /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(jié)論的證明 /513
附錄19G 包含多個預(yù)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
書單推薦
