Interpreting and Using Regression pdf epub mobi txt 电子书 下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:SAGE Publications, Inc

作者:Christopher H. Achen

出品人:

页数:88

译者:

出版时间:1982-10-1

价格:USD 22.00

装帧:Paperback

isbn号码:9780803919150

丛书系列:

图书标签:

• PM
• MachineLearning
• BUF
• 回归分析
• 统计学
• 数据分析
• 统计建模
• 线性模型
• 统计推断
• 研究方法
• 社会科学
• 计量经济学
• 应用统计

计量经济学导论：构建、估计与推断 本书旨在为读者提供坚实的计量经济学基础，涵盖从理论模型构建到实际数据分析的全过程。我们将深入探讨回归分析的核心概念，并聚焦于如何正确地选择模型、估计参数，以及对结果进行可靠的推断。本书特别强调应用性，通过大量的真实世界案例和实践操作指导，帮助读者掌握计量经济学的核心技能。 第一部分：计量经济学基础与线性回归模型 本部分首先奠定计量经济学分析的理论基石。我们将从经济学理论如何转化为可检验的统计模型入手，详细阐述变量的类型、数据结构（截面数据、时间序列数据与面板数据）的特点及其对模型设定的影响。 第1章：计量经济学概述与数据基础 我们首先界定计量经济学的目标——利用统计方法对经济理论进行经验检验和政策评估。随后，我们将详细分类和描述不同类型的数据，重点讨论数据的质量和预处理对后续分析的重要性。关键内容包括：如何定义因变量和自变量，以及变量的度量尺度问题。 第2章：经典线性回归模型（CLRM） 本章是全书的核心起点。我们将详尽推导简单线性回归模型的最小二乘法（OLS）估计量，并从代数和几何角度阐释其性质。随后，我们将扩展至多元线性回归模型，讨论多重共线性（Multicollinearity）的识别、后果及其缓解策略。 第3章：有限样本性质与假设检验 在经典线性回归框架下，我们必须对误差项做出关键假设（零均值、同方差性、无自相关性等）。本章将基于高斯-马尔可夫定理（Gauss-Markov Theorem），证明在线性无偏估计量（BLUE）的意义下，OLS估计量的优良性。在此基础上，我们将详细介绍各种假设检验的方法，包括t检验、F检验，以及如何构建和解释置信区间。 第4章：模型设定与函数形式的选择 经济理论往往不能直接给出变量间的精确函数形式。本章关注如何根据理论和数据探索的需要，选择恰当的函数形式（如线性、对数-线性、双对数等），并讨论如何通过残差分析来诊断模型设定的错误。我们将引入虚拟变量（Dummy Variables）的使用，以处理定性信息和结构性变化。 第二部分：违反经典假设的挑战与应对 在现实世界中，严格的CLRM假设往往得不到满足。本部分着重于识别这些违背经典假设的情况，并介绍相应的稳健估计方法。 第5章：异方差性（Heteroskedasticity） 异方差性是指误差项的方差不恒定。我们将分析异方差性对OLS估计量（保持无偏性但丧失有效性）和标准误估计的影响。重点在于如何使用怀特（White）检验、BPG检验等进行识别，并掌握使用稳健标准误（Robust Standard Errors）或加权最小二乘法（WLS）来获得有效估计量的方法。 第6章：序列相关性（Autocorrelation） 主要针对时间序列数据，序列相关性即误差项之间存在关联。本章探讨自相关的存在性检验（如Durbin-Watson 检验、Breusch-Godfrey 检验），并讲解如何修正由此引起的标准误低估问题。对于存在自相关的序列，我们将介绍广义最小二乘法（GLS）作为矫正手段。 第7章：异方差性和序列相关性的联合处理 当模型同时存在异方差性和序列相关性时，需要采用更通用的方法，如Newey-West 估计器，该方法在时间和截面维度上都能提供一致且渐近正态的估计。 第三部分：内生性与工具变量法 内生性是计量经济学中最具挑战性的问题之一，它导致OLS估计量有偏且不一致。本部分将深入剖析内生性的来源，并详细介绍工具变量（Instrumental Variables, IV）方法的应用。 第8章：内生性的来源与后果 我们将识别导致内生性的三大主要原因：遗漏变量偏误、测量误差以及（在处理时间序列和面板数据时特有的）反向因果关系（Simultaneity）。本章将明确阐述在存在内生性的情况下，OLS估计量的偏误方向与大小难以确定。 第9章：工具变量法（IV）与两阶段最小二乘法（2SLS） 本章是解决内生性问题的核心工具。我们将详细解释工具变量的两个核心要求：相关性和外生性。通过两阶段最小二乘法（2SLS）的完整推导与操作流程，读者将学会如何构造和使用有效的工具变量。 第10章：工具变量法的检验 使用IV方法时，工具变量的有效性至关重要。我们将介绍检验工具变量不足（Underidentification）和过度识别（Overidentification）的检验方法，例如弱工具变量检验（Weak Instruments Test）和萨尔甘-吴-哈桑检验（Sargan/Hansen Test），确保模型的估计是可靠的。 第四部分：有限样本与渐近理论 为了理解更复杂的估计方法和模型，本部分简要回顾了统计推断的理论基础。 第11章：随机变量与抽样分布 本章回顾了概率论中的关键概念，如大数定律和中心极限定理。重点在于理解随机样本的统计特性，以及如何利用中心极限定理来为OLS估计量和函数构建渐近分布，为更高级的非线性模型分析奠定基础。 第12章：有限样本性质的深入探究 讨论了费雪信息矩阵和克拉美-劳下界（Cramér-Rao Lower Bound），以评估估计量的效率极限。理解了有限样本性质有助于我们更审慎地选择估计策略，特别是在样本量较小的情况下。 第五部分：高级回归模型与非标准数据结构 本部分将计量经济学的视角扩展到处理更复杂的模型和数据结构，为数据分析实践做好准备。 第13章：面板数据模型（Panel Data Models） 面板数据结合了时间序列和截面信息，提供了更丰富的信息量。我们将详细比较普通最小二乘法（Pooled OLS）、固定效应模型（Fixed Effects, FE）和随机效应模型（Random Effects, RE）。重点在于如何通过Hausman检验来确定FE和RE中的最优选择。 第14章：离散因变量模型 当因变量是二元（如是/否）、计数或定序变量时，线性概率模型（LPM）的缺陷显而易见。本章将介绍Logit和Probit模型，详细解释其估计方法（极大似然法，ML）和解释边际效应。 第15章：时间序列分析简介 简要介绍时间序列数据的特性，如平稳性、自回归（AR）过程和移动平均（MA）过程。讨论如何使用ARIMA框架对单变量序列进行建模和预测，并引入单位根检验（Unit Root Test）的概念。 本书的目标是培养读者批判性地看待经验研究的能力，使其不仅能运行回归分析，更能理解其背后的统计逻辑，并能根据实际数据的特性选择最恰当的计量方法。

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆