Century 21 South-Western Accounting pdf epub mobi txt 电子书 下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Thomson Learning

作者:Gilbertson, Claudia Bienias/ Lehman, Mark W./ Ross, Kenton E.

出品人:

页数:480

译者:

出版时间:

价格:0.00 元

装帧:Pap

isbn号码:9780538972604

丛书系列:

图书标签:

• 会计
• 财务会计
• 簿记
• 世纪21
• South-Western
• 教材
• 教育
• 商业
• 会计学原理
• 入门

《经济计量学导论：理论、方法与应用》 引言 在当今数据驱动的世界中，理解经济现象背后的定量关系至关重要。经济计量学，这门融合了经济学理论、数学统计和计算方法的学科，为我们提供了分析经济数据、检验经济假设、预测经济走向以及评估政策影响的强大工具。本书《经济计量学导论：理论、方法与应用》旨在为读者构建一个坚实而全面的经济计量学基础，使其能够理解经济计量模型的基本原理，掌握常用的估计和推断方法，并能够将这些工具应用于实际的经济问题分析。 本书的编写理念是“理论为基石，方法为桥梁，应用为彼岸”。我们深信，只有深刻理解经济计量学的理论精髓，才能熟练运用各种分析方法；而掌握了方法，方能有效地解决现实世界中的经济挑战。因此，本书在介绍统计学和概率论的基础概念后，将着重讲解核心的经济计量模型，包括线性回归模型、时间序列模型以及面板数据模型等。同时，我们也将穿插介绍各种实证研究中常用的数据处理、模型检验和结果解释的技术。 本书的特色在于其理论与实践的紧密结合。在阐述每一个经济计量模型时，我们都会先从经济学理论出发，说明该模型在经济学中扮演的角色，以及其背后蕴含的经济直觉。随后，我们将详细介绍模型的统计特性，推导关键的估计量和检验统计量，并讲解其渐近性质。更重要的是，本书提供了大量的实际案例，涵盖宏观经济分析、微观经济行为、金融市场定价、劳动经济学、发展经济学等多个领域。这些案例不仅展示了经济计量方法在解决实际问题中的强大威力，也为读者提供了模仿和实践的范本。 本书的受众广泛，适用于经济学、金融学、管理学、统计学以及其他相关专业的本科生和研究生。对于初学者而言，本书提供了循序渐进的学习路径，从基础概念到复杂模型，由浅入深，易于理解。对于已有一定经济计量学基础的读者，本书可以作为一本参考手册，帮助其巩固知识，拓展视野，掌握更高级的分析技术。此外，本书也可为从事经济研究、数据分析和政策制定的专业人士提供有益的指导。 第一部分：经济计量学基础 在深入经济计量模型的具体内容之前，理解其赖以生存的理论基础至关重要。本部分将从统计学和概率论的基本概念出发，为后续的经济计量分析奠定坚实的基础。 第一章：统计学与概率论回顾 本章将快速回顾读者可能已经熟悉的统计学和概率论核心概念，以确保所有读者对后续内容的理解无碍。我们将涵盖： 随机变量与概率分布： 离散型和连续型随机变量的概念，常见的概率分布（如正态分布、t分布、卡方分布、F分布）及其性质。理解概率分布是进行统计推断的基础。 期望、方差与协方差： 这些统计量衡量了随机变量的中心趋势、离散程度以及两个随机变量之间的线性关系。我们将解释它们在经济计量中的意义，例如，期望值代表了经济变量的平均水平，方差反映了经济波动的程度，协方差则揭示了不同经济变量之间的关联性。 抽样分布： 了解样本统计量（如样本均值、样本方差）的抽样分布对于进行统计推断至关重要。我们将重点介绍中心极限定理，它说明了当样本量足够大时，样本均值的抽样分布近似于正态分布，为统计推断提供了理论依据。 参数估计： 点估计和区间估计的概念。我们将介绍一些常用的点估计方法，如矩估计法和最大似然估计法（尽管最大似然估计法将在后续章节中更详细地讨论）。区间估计则提供了对未知参数取值范围的估计，并包含了对估计精度的衡量。 假设检验： 引入假设检验的基本框架，包括原假设、备择假设、显著性水平、p值以及第一类错误和第二类错误的定义。我们将简要介绍Z检验和t检验的基本思想。 第二章：古典线性回归模型（CLRM） 古典线性回归模型是经济计量学中最基本、最重要的模型。本章将系统地介绍该模型的核心内容，并对其关键假设进行详尽的阐释。 模型设定： 我们将引入简单线性回归模型（只有一个解释变量）和多元线性回归模型（包含多个解释变量）的数学形式。我们将明确区分被解释变量（因变量）和解释变量（自变量），并引入误差项，它代表了模型未能捕捉到的所有其他影响因素。 最小二乘法（OLS）： 这是估计回归模型参数的最常用方法。我们将详细推导OLS估计量，并解释其基本原理：最小化实际观测值与模型预测值之间的残差平方和。 OLS估计量的性质： 在满足一系列经典假设的前提下，我们将证明OLS估计量具有“最优线性无偏估计量”（BLUE）的性质，即在所有线性无偏估计量中，OLS估计量具有最小的方差。这表明OLS是一种非常有效的估计方法。 CLRM的经典假设： 这是模型有效性的基石。我们将逐一列出并详细解释这些假设，包括： 1. 线性假设： 模型在参数上是线性的。 2. 随机抽样： 样本是从总体中随机抽取的。 3. 非完全共线性： 解释变量之间不存在完全线性关系。 4. 零条件均值： 误差项的条件期望为零，即E(uᵢ|Xᵢ) = 0。 5. 同方差性： 误差项的方差在所有观测值上是恒定的，即Var(uᵢ|Xᵢ) = σ²。 6. 误差项的非自相关性： 不同观测值对应的误差项之间不存在线性相关关系。 7. （可选）误差项的正态性： 误差项服从正态分布。虽然此假设不是OLS估计量有效性的必要条件，但对于小样本推断是必需的。 拟合优度： R²（决定系数）的概念及其解释，它衡量了模型解释了被解释变量多少比例的变异。 统计推断： 在满足CLRM假设后，我们将介绍如何对回归系数进行t检验和F检验，以检验其统计显著性。我们将解释p值的含义，并介绍置信区间的构建。 第三章：多重线性回归模型 本章将把分析范围扩展到包含多个解释变量的模型，这是经济学研究中更为常见的情况。 模型设定： 介绍多元回归模型的数学形式，并解释引入多个解释变量的必要性，例如控制其他因素的影响，以更准确地识别特定变量的效应。 OLS估计与性质： 介绍多元回归模型中OLS估计的矩阵形式（对于更深入的读者），并重申OLS估计量在满足CLRM假设下的BLUE性质。 多重共线性： 详细讨论解释变量之间的高度相关性（多重共线性）对OLS估计量的影响：估计量方差增大，统计推断变得不可靠。我们将介绍检测和处理多重共线性的一些方法，如检查方差膨胀因子（VIF）。 调整R²： 引入调整R²的概念，它在R²的基础上考虑了模型中解释变量的数量，能够更客观地衡量模型拟合优度，尤其是在比较包含不同数量解释变量的模型时。 变量的经济显著性与统计显著性： 区分一个变量在经济理论上是否重要，以及它在统计上是否显著。 交互项： 解释交互项（两个或多个解释变量的乘积）的引入及其在模型中的意义，例如，一个变量的影响可能取决于另一个变量的水平。 函数形式的设定： 讨论对数变换、平方项等在回归模型中的应用，以捕捉非线性关系，例如，收入对消费的影响可能是递减的。 模型选择： 介绍一些模型选择的标准，如信息准则（AIC、BIC），以及如何通过逐步回归等方法来选择最优模型。 第二部分：模型拓展与高级主题 在掌握了基础的线性回归模型后，本部分将介绍经济计量学中更为复杂和常用的模型，以应对更广泛的经济问题。 第四章：异方差性 本章将探讨误差项方差不恒定的情况，即异方差性，以及它对OLS估计的影响和处理方法。 异方差性的概念与表现： 详细解释异方差性，以及它在经济学中常见的表现形式，例如，收入越高的人，其消费支出波动的幅度可能越大。 异方差性对OLS的影响： 尽管OLS估计量在异方差性下仍然是无偏的，但它不再是有效的（方差不是最小的），且标准的t检验和F检验不再有效。 检测异方差性： 介绍一些常用的异方差性检验方法，如怀特检验（White test）和布罗伊什-帕根检验（Breusch-Pagan test）。 处理异方差性： 加权最小二乘法（WLS）： 当异方差的形式已知时，WLS可以提供更有效的估计量。 稳健标准误（Robust Standard Errors）： 即使存在异方差性，使用异方差稳健的标准误（Huber-White标准误）也能使t检验和F检验的推断变得有效。这是在实际应用中非常常用的方法。 第五章：自相关性 本章将关注误差项之间存在相关性的情况，即自相关性，这在时间序列数据中尤为常见。 自相关性的概念与表现： 解释一阶自相关（AR(1)）等常见的自相关形式，以及它在经济学中的表现，例如，本期经济增长率可能受到上一期经济增长率的影响。 自相关性对OLS的影响： 与异方差性类似，自相关性也会使得OLS估计量不再有效，并且统计推断失效。 检测自相关性： 介绍常用的自相关性检验方法，如杜宾-沃森检验（Durbin-Watson test）和布罗伊什-戈德弗雷检验（Breusch-Godfrey test）。 处理自相关性： 广义最小二乘法（GLS）： 当自相关结构已知时，GLS可以提供有效的估计。 Praisk-Winsten估计法和Cochrane-Orcutt估计法： 这两种方法是处理一阶自相关的GLS的近似方法。 使用异方差稳健（自相关稳健）的标准误： 类似于异方差性，可以使用能够同时处理异方差性和自相关性的稳健标准误。 第六章：内生性问题 本章将深入探讨经济计量模型中最具挑战性的问题之一：内生性，并介绍其产生的原因、影响以及处理方法。 内生性的定义与来源： 解释内生性是指解释变量与误差项之间存在相关性。内生性的常见来源包括： 遗漏重要变量： 未包含在模型中的相关变量与已包含的解释变量相关。 测量误差： 解释变量的测量存在误差，该误差与误差项相关。 同期相关： 被解释变量和解释变量在同一时期相互影响。 反向因果关系： 解释变量是因，被解释变量也是因。 内生性对OLS的影响： 内生性会导致OLS估计量产生有偏且不一致的估计。这意味着即使样本量无限大，OLS估计量也不会收敛到真实参数。 检测内生性： 介绍豪斯曼检验（Hausman test）等方法来检测内生性。 处理内生性的方法： 工具变量法（Instrumental Variables, IV）： 这是处理内生性最常用的方法。介绍IV的基本思想：找到一个与内生解释变量相关但与误差项不相关的工具变量，利用工具变量来“隔离”内生解释变量中的外生部分。 两阶段最小二乘法（Two-Stage Least Squares, 2SLS）： 这是IV法在实际应用中最常用的具体实现，它包括两个回归阶段。 结构方程模型（Structural Equation Models, SEM）： 简要介绍SEM作为一种更灵活的模型设定，可以同时处理多个方程和内生性问题。 第七章：定性解释变量的处理 本章将介绍如何将非数值型的定性信息（如性别、行业、地区等）纳入回归模型中。 虚拟变量（Dummy Variables）： 详细介绍虚拟变量的构造方式，以及如何在回归模型中使用它们来捕捉定性因素的影响。 基准类别： 解释在设定虚拟变量时需要注意的“基准类别”问题，以避免多重共线性。 交互虚拟变量： 介绍如何使用交互虚拟变量来检验不同定性群体之间效应的差异。 第八章：时间序列模型 本章将转向分析随时间变化的经济数据，引入一系列专门用于处理时间序列数据的模型。 时间序列数据的特征： 讨论时间序列数据固有的特征，如趋势、季节性、周期性和平稳性。 平稳性： 解释严平稳和弱平稳的概念，以及为什么平稳性是许多时间序列模型的基础。 自回归模型（AR模型）： 介绍AR(p)模型的设定，并解释其含义：当前观测值是过去若干期观测值和随机扰动的线性组合。 移动平均模型（MA模型）： 介绍MA(q)模型的设定，并解释其含义：当前观测值是过去若干期随机扰动和当前扰动的线性组合。 自回归移动平均模型（ARMA模型）： 结合AR和MA模型，介绍ARMA(p,q)模型。 单位根检验： 介绍如何检验时间序列的单位根（非平稳性），如ADF检验。 协整（Cointegration）： 当两个或多个非平稳时间序列变量存在长期均衡关系时，它们被称为协整。介绍协整的概念及其重要性。 向量自回归模型（VAR模型）： 介绍VAR模型，它可以同时模拟多个相互影响的时间序列变量，在宏观经济分析和金融建模中应用广泛。 格兰杰因果关系检验： 介绍格兰杰因果关系检验，用于检验一个时间序列是否对另一个时间序列具有预测能力。 第九章：面板数据模型 本章将介绍面板数据（Panel Data）的分析方法，面板数据结合了横截面数据和时间序列数据的特点，能够提供更丰富的信息。 面板数据的优势： 解释面板数据如何能够同时控制未观测的个体异质性和时间异质性，减少遗漏变量偏误，并提高估计效率。 面板数据模型的类型： 混合OLS（Pooled OLS）： 将所有观测值混合在一起进行OLS估计，忽略了面板数据的结构。 固定效应模型（Fixed Effects Model）： 假设个体效应是固定的，并通过引入个体虚拟变量来控制。 随机效应模型（Random Effects Model）： 假设个体效应是随机的，并服从某个分布。 固定效应与随机效应的选择： 介绍豪斯曼检验等方法来判断是选择固定效应模型还是随机效应模型。 动态面板数据模型： 介绍包含被解释变量滞后项的动态面板数据模型，并介绍GMM（广义矩估计）等方法来处理其内生性问题。 第三部分：应用与案例分析 本部分将通过具体的经济学案例，展示如何运用前面学到的经济计量方法来分析实际问题。 第十章：宏观经济分析中的应用 通货膨胀与失业率（菲利普斯曲线）： 使用时间序列模型分析通货膨胀和失业率之间的关系，并讨论其政策含义。 经济增长模型： 利用面板数据模型分析影响经济增长的关键因素，如人力资本、技术进步、制度等。 货币政策传导机制： 使用VAR模型分析货币政策对通货膨胀、产出等宏观经济变量的影响。 第十一章：微观经济学中的应用 消费函数与储蓄函数： 使用OLS或面板数据模型估计家庭的消费倾向和储蓄倾向。 劳动经济学： 分析教育、经验等因素对工资的影响（使用OLS或面板数据模型），以及劳动力供给的弹性。 生产函数与成本函数： 利用OLS估计企业的生产函数，分析要素投入对产出的影响。 第十二章：金融经济学中的应用 资产定价模型（CAPM）： 使用回归分析估计资产的beta值，并检验CAPM的有效性。 股票收益预测： 利用时间序列模型（如ARIMA）来预测股票收益。 风险管理： 分析影响金融资产波动性的因素（如GARCH模型）。 第十三章：政策评估与实证研究 自然实验与准实验： 介绍如何利用“自然实验”或“准实验”数据来评估政策效果，例如，双重差分法（Difference-in-Differences）的应用。 因果推断： 强调在经济计量研究中追求因果关系的重要性，并回顾处理内生性问题的各种方法。 研究报告的撰写： 指导读者如何清晰、准确地呈现经济计量研究的结果，包括模型设定、数据来源、估计结果、检验以及结论。 结论 《经济计量学导论：理论、方法与应用》致力于为读者提供一个系统、深入的学习体验。本书不仅介绍了经济计量学核心的理论模型和统计方法，更通过大量的实际案例，展示了这些工具在解决现实经济问题中的强大应用能力。我们希望通过本书的学习，读者能够培养严谨的定量分析思维，掌握分析经济数据的科学方法，并能够独立地进行经济研究和政策分析。经济计量学是一门充满活力和挑战的学科，掌握了它的精髓，便如同获得了一把开启经济奥秘的钥匙。

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆