具体描述
《计量经济学导论：现代观点（第五版）/经济科学译丛；“十一五”国家重点图书出版规划项目》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。与传统的教材不同，本书在陈述和解释假定时，作者完全放弃了非随机的或在重复样本中加以固定的回归元假定。这种方法更便于读者对计量经济学的理解和应用，是对传统计量经济学教学和研究的一个突破。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。要求学生能根据所学知识仔细地推理。
（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。
（5）本书英文原版书配有内容丰富的网络教学资源，包括教学手册、多媒体教学课件、试题库等。
《计量经济学导论：现代观点（第五版）/经济科学译丛；“十一五”国家重点图书出版规划项目》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。
作者简介
杰弗里·M·伍德里奇，是密歇根州立大学经济学特聘教授，1991年以来一直在该校任教。1986—1991年，伍德里奇博士曾是麻省理工学院的经济学助教。他予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。伍德里奇博士曾在国际知名期刊上发表了30多篇学术论文，参与过多部著作中的篇章写作。他还是《横截面与面板数据的计量经济分析》(Econometric Analysis of Cross Section and Panel Data)一书的作者。他所获的奖项包括：斯隆(Alfred P．Sloan)研究奖，《计量经济理论》(Econometric Theory)的Plura Scripsit奖，《应用计量经济学杂志》(Journal of Applied Econometrics)的斯通(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。他还是计量经济学会(Econometric Society)和《计量经济学杂志》 (Journal of Econometric)的资深会员。
目录信息
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
本章小结
关键术语
习题
计算机练习
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 OLS的操作技巧
2．4 度量单位和函数形式
2．5 OLS估计量的期望值和方差
2．6 过原点回归及对常数回归
本章小结
关键术语
习题
计算机练习
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 OLS估计量的期望值
3．4 OLS估计量的方差
3．5 OLS的有效性：高斯马尔科夫定理
3．6 对多元回归分析语言的一些说明
本章小结
关键术语
习题
计算机练习
第4章 多元回归分析：推断
4．1 OLS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
本章小结
关键术语
习题
计算机练习
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 OLS的渐近有效性
本章小结
关键术语
习题
计算机练习
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
本章小结
关键术语
习题
计算机练习
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
本章小结
关键术语
习题
计算机练习
第8章 异方差性
8．1 异方差性对OLS所造成的影响
8．2 OLS估计后的异方差—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
本章小结
关键术语
习题
计算机练习
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
本章小结
关键术语
习题
计算机练习
第二篇 时间序列数据的回归分析
第10章 时间序列数据的基本回归分析
10．1 时间序列数据的性质
10．2 时间序列回归模型的例子
10．3 经典假设下OLS的有限样本性质
10．4 函数形式、虚拟变量和指数
10．5 趋势和季节性
本章小结
关键术语
习题
计算机练习
第11章 OLS用于时间序列数据的其他问题
11．1 平稳和弱相关时间序列
11．2 OLS的渐近性质
11．3 回归分析中使用高度持续性时间序列
11．4 动态完备模型和序列相关
11．5 时间序列模型的同方差假定
本章小结
关键术语
习题
计算机练习
第12章 时间序列回归中的序列相关和异方差性
12．1 含序列相关误差时OLS的性质
12．2 序列相关的检验
12．3 回归元严格外生时序列相关的修正
12．4 差分和序列相关
12．5 在OLS后的序列相关—稳健推断
12．6 时间序列回归中的异方差性
本章小结
关键术语
习题
计算机练习
第三篇 高级专题讨论
第13章 跨时横截面的混合：简单面板数据方法
13．1 跨时独立横截面的混合
132利用混合横截面做政策分析
13．3 两时期面板数据分析
13．4 用两期面板数据做政策分析
13．5 多于两期的差分法
本章小结
关键术语
习题
计算机练习
第14章 高级的面板数据方法
14．1 固定效应估计法
14．2 随机效应模型
14．3 相关随机效应方法
14．4 把面板数据方法用于其他的数据结构
本章小结
关键术语
习题
计算机练习
第15章 工具变量估计与两阶段最小二乘法
15．1 动机：简单回归模型中的遗漏变量
15．2 多元回归模型的IV估计
15．3 两阶段最小二乘
15．4 变量误差问题的IV解决方法
15．5 内生性检验与过度识别约束检验
15．6．异方差条件下的2SLS
15．7 2SLS应用于时间序列方程
15．8 2SLS应用于混合横截面和面板数据
本章小结
关键术语
习题
计算机练习
第16章 联立方程模型
16．1 联立方程模型的性质
16．2 OLS中的联立性偏误
16．3 结构方程的识别和估计
16．4 多于两个方程的系统
16．5 利用时间序列的联立方程模型
16．6 利用面板数据的联立方程模型
本章小结
关键术语
习题
计算机练习
第17章 限值因变量模型和样本选择纠正
17．1 二值响应的对数单位和概率单位模型
17．2 用于角点解响应的托宾模型
17．3 泊松回归模型
17．4 删截和断尾回归模型
17．5 样本选择纠正
本章小结
关键术语
习题
计算机练习
第18章 时间序列高级专题
18．1 限分布滞后模型
18．2 单位根检验
18．3 伪回归
18．4 协整和误差修正模型
18．5 预测
本章小结
关键术语
习题
计算机练习
第19章 一个经验项目的实施
19．1 问题的提出
19．2 文献回顾
19．3 数据的收集
19．4 计量经济分析
19．5 实证论文的写作
本章小结
关键术语
样本经验项目
期刊列表
数据资源
附录
附录2A 第2章附录
最小化残差平方和
附录3A 第3章附录
3A．1 对方程(3．13）中一阶条件的推导
3A．2 对方程(3．22）的推导
3A．3 对定理3．1的证明
3A．4 一般情形中的遗漏变量偏误
3A．5 对定理3．2的证明
3A．6 对定理3．4的证明
附录5A 第5章附录
附录6A 第6章附录
自助法简介
附录13A 第13章附录
13A．1 用一阶差分做混合OLS的假定
13A．2 计算未知形式异方差和序列相关的稳健标准误
附录14A 第14章附录
14A．1 关于固定效应和随机效应的假定
14A．2 固定效应和随机效应的对异方差与序列相关的
稳健标准误
附录15A 第15章附录
15A．两阶段最小二乘的假定
15A．2 假定2SLS．1(参数的线性）
15A．3 假定2SLS．2(随机抽样）
15A．4 假定2SLS．3(秩条件）
15A．5 假定2SLS．4(外生工具变量）
15A．6 定理15A．1
15A．7 假定2SLS．5(同方差性）
15A．8 定理15A．2
15A．9 定理15A．3
15A．10 假定2SLS．6(序列相关）
附录17A 第17章附录
17A．1 含解释变量的极大似然估计
附录17B 第17章附录
17B．1 限值因变量模型中的渐近标准误
附录A 基本数学工具
A．1 求和算子与描述统计量
A．2 线性函数的性质
A．3 比例与百分数
A．4 若干特殊函数及其性质
A．5 微分学
本章小结
关键术语
习题
附录B 概率论基础
B．1 随机变量及其概率分布
B．2 联合分布、条件分布与独立性
B．3 概率分布的特征
B．4 联合与条件分布的特征
B．5 正态及其有关分布
本章小结
关键术语
习题
附录C 数理统计基础
C．1 总体、参数与随机抽样
C．2 估计量的有限样本性质
C．3 估计量的渐近或大样本性质
C．4 参数估计的一般方法
C．5 区间估计与置信区间
C．6 假设检验
C．7 关于符号的备注
本章小结
关键术语
习题
附录D 矩阵代数概述
D．1 基本定义
D．2 矩阵运算
D．3 线性独立与矩阵的秩
D．4 二次型与正定矩阵
D．5 幂等矩阵
D．6 线性形式和二次型的微分
D．7 随机向量的矩和分布
本章小结
关键术语
习题
附录E 矩阵形式的线性回归模型
E．1 模型与普通最小二乘估计
E．2 OLS的有限样本性质
E．3 统计推断
E．4 某些渐近分析
本章小结
关键术语
习题
附录F 各章思考题答案
附录G 统计用表
参考文献
术语表
译后记
· · · · · · (收起)
读后感
题记 IV，也就是工具变量模型，是研究如何利用工具变量来解决模型中出现的随机解释变量问题，其是西方计量经济学最近一个较为热门的研究领域。这是我在英国读研时在学习IV时的随笔，用来聊以自慰。该随笔的灵感很大一部分来自于伍德里奇的《计量经济学导论》。由于写得非常浅薄...
评分 评分人大版翻译的国外经典教材真难读，糟糕的翻译，似乎译者不是中国人，如此这般的书面表达真让人佩服，还存在很多错误，对人大的这套丛书失望透了。 再也不敢买人大翻译得书了。译者太不负责任了，不要因为翻译国外书不作为学术研究而急功近利，只为拿点翻译费。跟高鸿业花3年翻...
评分其实主要内容就是Multiple Regression Analysis。内容经典，听说是国内许多经济系的课本。 理论性偏强，不够实用化。不过从另一方面来讲，范例讲的都比较明白。 强烈推荐附录里关于“如何做实证研究”的指南文章。完全是DIY研究的完整的to do list啊！以后做研究就照着这上面...
用户评价
对于一个非纯数学背景的读者来说，这本书在数学难度处理上的平衡艺术令人拍案叫绝。许多计量经济学书籍往往因为过分追求数学的完备性，使得大量读者望而却步。然而，本书巧妙地处理了理论与应用之间的张力。对于那些核心的统计推导，作者通常会将其放在专门的“附录”或“技术性注释”模块中，确保主干叙述保持流畅易懂，让初学者能够先建立起直观理解。而对于有志于深入研究的读者，这些附录又提供了足够的数学深度进行挖掘。这种分层级的呈现方式，极大地拓宽了目标读者的范围。例如，在解释OLS估计量的最优性时，它首先用直观的几何或统计语言描绘出最小二乘的直观含义，随后才引导读者去理解高斯-马尔可夫定理的严格证明，这种“先知其意，后求其理”的教学路径，无疑是极其高效且人性化的。
评分学习经济学类书籍最怕的就是枯燥乏味，而这本书的“实战指导”部分极大地缓解了这种焦虑。它不仅仅是理论的堆砌，更像是一位经验丰富的导师在手把手地教导你如何使用工具。书中穿插了大量关于软件操作的提示和代码示例，虽然没有过度依赖某一特定软件，但其对数据处理流程的描述非常细致，比如如何清洗原始数据、如何进行变量转换、如何诊断模型的残差结构等等，这些都是在实际研究中避不开的环节。最实用的莫过于那些“常见陷阱与对策”的总结，例如，当残差自相关或异方差出现时，具体的修正步骤和理由分析，都给出了明确的建议，而不是空泛的理论陈述。这种理论指导实践的无缝衔接，使得学习过程不再是纸上谈兵，而是真正意义上掌握了一套解决实际经济问题的分析工具箱，为后续的独立研究打下了坚实的基础。
评分我必须说，这本书的内容深度和广度都远超我的预期。一开始我还担心它会像很多入门教材一样，停留在最基础的描述性统计和简单回归的层面，但深入阅读后发现，作者对高级主题的阐述也毫不含糊。比如，在处理时间序列数据时，对单位根检验和协整关系的讲解就非常透彻，不仅给出了严谨的数学推导，还细致地说明了在不同经济背景下应该如何选择和应用相应的模型，这一点对于希望进行实证研究的读者来说，简直是宝藏。更让我印象深刻的是，书中对于模型设定偏差（specification error）的讨论，它没有简单地停留在罗列可能的错误，而是深入剖析了这些偏差对参数估计效率和一致性的影响，并提供了基于理论的诊断工具。这种深入浅出的讲解方式，让读者在掌握“怎么做”的同时，也理解了“为什么这么做”，极大地提升了批判性思维和实证分析的严谨性。
评分这本书的排版和装帧确实让人眼前一亮。拿到手时，首先注意到的是封面设计，那种沉稳又不失现代感的蓝灰色调，给人一种专业但又不会过于枯燥的印象。内页纸张的质感也相当不错，印刷清晰，字体大小适中，长时间阅读下来眼睛也不会感到疲劳。作者在结构布局上的用心是显而易见的，章节之间的过渡非常自然流畅，每个关键概念的引入都伴随着清晰的逻辑铺垫，仿佛是在引导读者一步步攀登知识的高峰，而不是突然将你扔进一片复杂的公式丛林。特别值得称赞的是，书中引入的那些案例分析，并非那种生硬地套用公式的僵硬例子，而是贴近现实经济生活中的具体场景，这极大地增强了学习的趣味性和代入感，让原本抽象的理论变得触手可及，初学者也能很快抓住重点，体会到计量工具的实际效用。这种对细节的关注，从封面到内页排布，都体现了出版方对学术普及工作的一份尊重与热情。
评分这本书在方法论的更新速度上给我留下了深刻的印象。很多经典教材的内容往往滞后于学科前沿，但这本书似乎紧跟最新的实证研究趋势。我注意到它不仅涵盖了传统的面板数据模型（如固定效应和随机效应），还专门辟出章节讨论了如何处理内生性问题——尤其是关于工具变量（IV）和广义矩估计（GMM）的现代应用，这在很多同类教材中往往是一带而过。更让人惊喜的是，对于因果推断日益重要的地位，书中也给予了充分的关注，例如，对断点回归（RDD）和倾向得分匹配（PSM）等准实验方法的介绍，虽然篇幅可能不如核心回归模型那样详尽，但其清晰的介绍和应用条件说明，足以让读者建立起初步的概念框架，并知道在何处进一步查找更专业的文献。这表明编著者具有很强的学术敏感度，确保了教材内容的“保鲜度”。
评分条理清晰，例子很多适合自学。配上陈强的高级计量经济学做实操，简直完美。
评分摇了我吧????
评分不学数学，智商是会下降的。
评分研究生入门教材。有些学校本科生也用这本书。还是需要一些统计基础
评分条理清晰，例子很多适合自学。配上陈强的高级计量经济学做实操，简直完美。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.quotespace.org All Rights Reserved. 小美书屋 版权所有