【当当网 正版包邮】计量经济学导论：现代观点（第六版）（经济科学译丛）正版 mobi 下载 网盘 caj lrf pdf txt 阿里云

本书是一本经典的初级计量经济学教材，语言通俗易懂，且辅以恰到好处的案例指导学生学习和运用计量方法。与大多数其他同类教材显著的区别是，它的篇章结构是根据分析数据的类型进行划分的：第一篇是横截面数据的回归分析；第二篇是时间序列数据的回归分析；第三篇则介绍了一些更深入的专题。

本书的主要特点是：

（1）不需要具备高深的数学知识，读者只要掌握大学所学的线性代数和概率统计基础知识即可。

（2）强调计量经济学在实际问题中的应用。

（3）含有大量例题和练习题。章末习题和计算机习题多着重于经验研究而非复杂的推导。

（4）课程安排比较灵活。教师可以根据教学需要合理挑选章节进行讲授，而不会影响教学的连续性。

本书适合各高等院校经济管理类专业本科生作为计量经济学教材，还可供经济管理类教师及科研人员作为参考书使用。

第1章 计量经济学的性质与经济数据

1．1 什么是计量经济学

1．2 经验经济分析的步骤

1．3 经济数据的结构

1．4 计量经济分析中的因果关系和其他条件不变的概念

第一篇 横截面数据的回归分析

第2章 简单回归模型

2．1 简单回归模型的定义

2．2 普通最小二乘法的推导

2．3 0LS对任一样本数据的性质

2．4 度量单位和函数形式

2．5 0LS估计量的期望值和方差

2．6 过原点回归及对常数回归

第3章 多元回归分析：估计

3．1 使用多元回归的动因

3．2 普通最小二乘法的操作和解释

3．3 0LS估计量的期望值

3．4 0LS估计量的方差

3．5 0LS的有效性：高斯一马尔科夫定理

3．6 对多元回归分析语言的一些说明

第4章 多元回归分析：推断

4．1 0LS估计量的抽样分布

4．2 检验对单个总体参数的假设：t检验

4．3 置信区间

4．4 检验关于参数的一个线性组合假设

4．5 对多个线性约束的检验：F检验

4．6 报告回归结果

第5章 多元回归分析：OLS的渐近性

5．1 一致性

5．2 渐近正态和大样本推断

5．3 0LS的渐近有效性

第6章 多元回归分析：深入专题

6．1 数据的测度单位对OLS统计量的影响

6．2 对函数形式的进一步讨论

6．3 拟合优度和回归元选择的进一步探讨

6．4 预测和残差分析

第7章 含有定性信息的多元回归分析：二值（或虚拟）变量

7．1 对定性信息的描述

7．2 只有一个虚拟自变量

7．3 使用多类别虚拟变量

7．4 涉及虚拟变量的交互作用

7．5 二值因变量：线性概率模型

7．6 对政策分析和项目评价的进一步讨论

7．7 离散因变量的回归结果解释

第8章 异方差性

8．1 异方差性对OLS所造成的影响

8．2 0LS估计后的异方差一稳健推断

8．3 对异方差性的检验

8．4 加权最小二乘估计

8．5 再议线性概率模型

第9章 模型设定和数据问题的深入探讨

9．1 函数形式误设

9．2 对无法观测解释变量使用代理变量

9．3 随机斜率模型

9．4 有测量误差时OLS的性质

9．5 数据缺失、非随机样本和异常观测

9．6 最小绝对离差估计

……

第二篇 时间序列数据的回归分析

第三篇 高级专题

第四篇 附录

参考文献

术语表

译后记

杰弗里·M.伍德里奇（Jeffrey M. Wooldridge），密歇根州立大学经济学特聘教授。于1982年在加州大学伯克利分校获得计算机科学与经济学学士学位，并于1986年在加州大学圣迭戈分校获经济学博士学位。曾在国际知名期刊上发表了30多篇学术论文。他还是《Econometric Analysis of Cross Section and Panel Data》一书的作者。

他所获的奖项包括：Alfred P. Sloan 研究奖，Econometric Theory 的 PluraScripsit 奖，Journal of Applied Econometrics 的 Richard Stone 爵士奖，以及在MIT三次获得研究生教学年度优秀教师奖。他还是Econometric Society 和 Journal of Econometric 的资深会员。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：【当当网 正版包邮】计量经济学导论：现代观点（第六版）（经济科学译丛）正版在线阅读

在线听书地址：【当当网 正版包邮】计量经济学导论：现代观点（第六版）（经济科学译丛）正版在线收听

在线购买地址：【当当网 正版包邮】计量经济学导论：现代观点（第六版）（经济科学译丛）正版在线购买

*-chp11_二值选择模型

/* * 二值模型的stata命令为

probit y x1 x2 x3, r //probit模型

logit y x1 x2 x3, or vce(cluster culstvar) //logit模型

// r表示稳健标准误，or 表示显示几率比，选择项vce(cluster culstvar) 表示使用clustvar 为聚类变量的聚类稳健标准误

* 估计后，可以用以下命令进行预测，并计算准确预测的百分比

predict yhat //计算发生概率的预测值yhat

estat clas //计算预测准确的百分比，clas表示classification

* 在stata 12中，计算边际效应的命令为，

margins, dydx(*) //计算所有解释变量的平均边际效应

margins, dydx(*) atmeans //计算所有解释变量在样本均值处的边际效应

margins, dydx(*) at (x1=0) //计算所有解释变量在x1=0处的边际效应

margins, dydx(x1) //计算解释变量x1的平均边际效应

margins, eyex(*) //计算平均弹性，其中两个“e”均指elasticity

margins, eydx(*) //计算平均半弹性，x变化1单位引起y变化百分之几

margins, dyex(*) //计算平均半弹性，x变化1%引起y变化几个单位

// 其中，“*”代表所有解释变量 */

*- e.g.

cd "…/data"

use womenwk.dta, clear

reg work age married children education, r

* 其次，用logit估计

logit work age married chi...

*-chp14 受限被解释变量

*- 14.1 断尾回归

* 断尾回归的stata命令：

* truncreg y x1 x2 x3, ll(#)ul(#)

* 选择项“ll(#)”表示lower limit，即左边断尾；

* 选择性“ul(#)”表示upper limit，即右边断尾；

* 如果同时使用两个选择项，则表示双边断尾。

cd "…data"

use laborsub.dta, clear

tab lfp

* 先进性ols回归

reg whrs kl6 k618 wa we if whrs > 0

* 然后进行断尾回归，假设在“whrs=0”处存在左边断尾

truncreg whrs kl6 k618 wa we, ll(0) nolog

*- 14.2 零断尾泊松回归与负二项回归

* ztp y x1 x2 x3, r //（零断尾泊松回归）

* ztnb y x1 x2 x3, r //（零断尾负二项回归，默认为NB1模型）

* ztnb x1 x2 x3, r dispersion(c***tant) //（零断尾负二项回归，NB1模型）

// 其中选择项 “r” 表示使用稳健标准误

* e.g.

use CRIME1.dta, clear

drop if narr86 == 0

* 首先进行零断尾泊松回归

ztp narr86 pcnv avgsen tottime ptime86 qemp86 inc86 black hispan born60, r nolog

* 如果直接用所有解释变量进行零断尾负二项回归，无论 NB1 还是 NB2 ，都不会收敛，为演示目的，在解释变量中去掉断尾回归中最不显著的两个变量 ptime86 与 born60，再进行 NB2 回归。

*- 14.3 随机前沿模型（选读）

* 随机前沿模型的stata命...

clear all

cd ……

global Out ……

use $Out/nerlove.dta, clear

reg lntc lnq lnpl lnpk lnpf

* 画残差图

rvfplot

rvpplot lnq

* white检验

estat imtest, white

* BP检验

estat hettest, iid

estat hettest, rhs iid

estat hettest lnq, iid

* WLS

cap drop e1 e2 lne2

reg lntc lnq lnpl lnpk lnpf //回归

predict e1, res //计算残差

g e2 = e1^2 //生成残差的平方

g lne2 = log(e2) //先取对数

reg lne2 lnq, noc //做辅助回归， 从结果可知残差平方与lnq高度相关（0.75）

predict lne2f //计算辅助回归的拟合值

g e2f = exp(lne2f) //去掉对数

reg lntc lnq lnpl lnpk lnpf [aw = 1/e2f]

*-chp9 模型设定与数据问题

* 9.4 解释变量个数的选择

clear all

cd "……"

* reg y x1 x2 x3

* estat ic

use icecream.dta, clear

qui reg c***umption temp price income

estat ic

qui reg c***umption temp L.temp price income

estat ic

qui reg c***umption temp L.temp L2.temp price income

estat ic

* 9.5 对函数形式的检验

* reg y x1 x2 x3

* estat ovtest //使用y拟合值的高次项作为非线性项

* estat ovtest, rhs //使用解释变量的幂作为非线性项

* reg y x1 x2 x3

* linktest

use nerlove.dta, clear

qui reg lntc lnq lnpl lnpk lnpf

linktest //_hatsq显著，所以存在设定误差

estat ovtest //拒绝的“无遗漏变量”假设

estat ovtest, rhs //拒绝的“无遗漏变量”假设

g lnq2 = lnq^2

reg lntc lnq lnq2 lnpl lnpk lnpf

linktest

estat ovtest

* 9.6 多重共线性

use nerlove.dta, clear

qui reg lntc lnq lnpl lnpk lnpf

estat vif

* 9.7 极端数据

reg y x1 x2 x3

predict lev, leverage //列出所有解释变量的lev值

gsort -lev //将所有观测数据按lev的...

* chp13 计数与排序模型

* 13.1 排序模型

* 排序模型的stata命令为：

* oprobit y x1 x2 x3 //ordered probit 模型

* ologit y x1 x2 x3 //ordered logit 模型

cd "…data"

use panel84extract.dta, clear

oprobit rating83c ia83 dia, nolog

// cut1, cut2, cut3为切点的估计值

* 可以预测每个公司的评价概率

predict p2 p3 p4 p5

list p2 p3 p4 p5 in 1/1

* 进行ordered logit 估计，然后预测每个公司的评级概率，并列出第一个观测值的预测结果

ologit rating83c ia83 dia, nolog

* 13.2 泊松回归

* poisson y x1 x2 x3, r irr

* poisson y x1 x2 x3, r exposure(x1)

* poisson y x1 x2 x3, r offset(x1)

*- 13.3 负二项回归

* nbreg y x1 x2 x3, r exposure(x1)

* nbreg y x1 x2 x3, r dispersion(c***tant) offset(x1)

// r表示使用稳健标准误

// 选择项 dispersion(c***tant)表示使用NB1模型（默认使用NB2模型）

// 选择项 exposure(x1)表示吧lnx1作为解释变量，并令其系数为1

// 选择项 offset(x1)表示把x1作为解释变量，并令其系数为1

* 广义负二项模型

* gnbreg y x1 x2 x3, r lnalpha(z1 z2)

// 选择项 lnalpha(z1 z2)...

*-chp28 处理效应

*-28.1 处理效应与选择难题

*-28.2 通过随机分组解决选择难题

*-28.3 依可测变量选择

*-28.4 匹配估计量的思想

*-28.5 倾向得分匹配

*-28.6 倾向得分匹配的stata实例

* psmatch2 D X1 X2 X3, outcome(y) logit ties ate common odds pscore(varname) quietly

* D 处理变量

* x1 x2 x3 协变量

* outcome(y) 指定结果变量

* logit 使用logit估计倾向得分

* ties 包括所有ps相同的并列个体，默认按照数据排序选择其中一位个体

* ate 同时汇报ate, atu 与 att,默认只汇报 att

* common 仅对共同取值范围内个体进行匹配，默认对所有个体匹配

* odds 使用几率比匹配，more使用倾向得分匹配

* pscore(varname) 指定某变量作为倾向得分，默认通过 x1 x2 x3 估计倾向得分

* quietly 不汇报估计过程

* 1) psmatch2 D x1 x2 x3, outcome(y) neighbor(k) noreplacement

* neighbor(k) 表示进行k 近邻匹配；默认 k = 1，即 1 对 1匹配

* noreplacement 表示无放回匹配，默认为又放回

* 该选项只能用于 1 对 1 匹配

* 2) psmatch2 D x1 x2 x3, outcome(y) radius caliper(real)

* radius 表示进行半径匹配

* caliper(real) 指定卡尺ε

* 3) psmatch2 D x1 x2 x3, outcome(y) neighbor(k) caliper(real)

* neig...

书籍介绍

本书是一本经典的初级计量经济学教材，语言通俗易懂，且辅以恰到好处的案例指导学生学习和运用计量方法。与大多数其他同类教材显著的区别是，它的篇章结构是根据分析数据的类型进行划分的：第一篇是横截面数据的回归分析；第二篇是时间序列数据的回归分析；第三篇则介绍了一些更深入的专题。

本书的主要特点是：

（1）不需要具备高深的数学知识，读者只要掌握大学所学的线性代数和概率统计基础知识即可。

（2）强调计量经济学在实际问题中的应用。

（3）含有大量例题和练习题。章末习题和计算机习题多着重于经验研究而非复杂的推导。

（4）课程安排比较灵活。教师可以根据教学需要合理挑选章节进行讲授，而不会影响教学的连续性。

本书适合各高等院校经济管理类专业本科生作为计量经济学教材，还可供经济管理类教师及科研人员作为参考书使用。