《计量经济分析方法与建模:EViews应用及实例(第4版)中高级》

高铁梅、陈飞、康书隆、王金明、张同斌、刘玉红、王亚芬、孔宪丽 (编者)

基本信息

• 出版社: 清华大学出版社; 第4版 (2020年10月1日)
• 丛书名: 数量经济学系列丛书
• 平装: 397页
• 语种： 简体中文
• 开本: 16
• ISBN: 9787302557241
• 条形码: 9787302557241
• 品牌: 清华大学出版社

概况

20世纪80年代，我国部分高等学校的经济管理类专业虽已陆续开设计量经济学课程，但只有少数专业将其作为必修课程，而其他专业多数是选修课程。1998年，经教育部高等学校经济学学科教学指导委员会讨论决定，把计量经济学确定为经济学类所有专业必修的核心课程。此后全国各高校不仅经济学类各专业普遍开设了计量经济学，而且一些管理类专业也开设了这门课程。随后陆续出版了一批国外著名计量经济学教材和我国学者自己编写的适应中国高等院校经济类学科的计量经济学教材，促进了计量经济学课程的建设。

近年来，随着大数据的发展，在经济领域涌现出各类数据库，包含了大量的宏观时间序列数据、不同类型的面板数据、定期的微观调查横截面数据（企业、家户或个人）、越来越广泛和细分的产业等数据信息，这些丰富的数据信息极大地推动了计量经济学的快速发展，拓展了计量经济学的研究范围，增加了计量经济学研究的实用性，给计量经济学研究提供了更大的空间、更新的视角，注入了新的动力。目前，计量经济学、微观经济学与宏观经济学一起构成了中国经济类、管理类本科生和研究生必修的三门经济学核心课程，同时计量经济模型在经济理论研究和经济问题分析中已经被广泛应用，并取得了丰硕的成果。这些都有力地推动了计量经济学的发展。现在，计量经济学已经成为我国经济类各专业最受关注和欢迎的课程之一。

数量经济学是一门实践性很强的学科，要求学生具有将经济学知识、统计学与计量经济学方法和统计软件应用相结合的综合素质。目前的计量经济学课程注重理论方法的介绍，但是对如何应用模型分析实际的经济问题讨论较少。在计量经济学教学中，软件的使用仍然是薄弱的环节。学生学习了不少估计和检验的方法，却不知道怎样应用，对计算的结果也不能作出合理的解释，缺乏运用计量模型进行分析的实际能力。因此需要培养学生将所学习到的计量经济方法与实际经济问题相结合，利用统计和计量软件进行建模、模拟和分析的能力。

随着计量经济学理论和方法的不断发展，内容越来越丰富，需要分层次进行教学，以便本科生、硕士研究生和博士研究生可以循序渐进地实现从初级计量经济学基础向中高级计量经济学理论与方法过渡。2005年，编者在6年来教学实践的基础上，组织了科研课题组的几位年轻教师，当时也是数量经济学专业的博士研究生，为研究生教学编写了这本教材的第1版。15年过去了，这本教材几经修改和再版，这些年轻教师也在教学和科研中不断成长，有半数以上作者已成为博士生导师，并且都具有了高级职称。本书出版后受到广大读者，尤其是研究生的广泛欢迎。在使用过程中，许多教师与学生通过各种方式对本书提出了许多宝贵的意见和建议，这些意见和建议我们都及时进行了相应的修改，并在第4版中加以吸收。本书第4版分为初级版和中高级版两册，初级版是适合本科生的教材，其中也有一些略难的计量经济学方法的内容，可供读者有选择地学习； 中高级版是适合研究生的教材，包含了前沿的计量经济学理论和方法。

本书的主要特色是融理论方法与应用为一体，即理论、方法与建模应用相结合。本书全面、系统地介绍了计量经济学的基本理论和方法，尤其是21世纪以来的许多重要和最新的发展，并将它们纳入一个完整、清晰的体系之中。本书中的实际案例大多数是国内外的经典实例和作者在实践中运用的实例，并基于EViews软件介绍实际应用，具有很强的可操作性。

本书的中高级版分为11章：

第1章，经济时间序列的处理、季节调整与分解。经济指标的月度或季度时间序列包含4种变动要素： 长期趋势要素T、循环要素C、季节变动要素S和不规则要素I。在经济分析中，季节变动要素和不规则要素往往掩盖了经济发展中的客观变化，给研究和分析经济发展趋势与判断目前经济所处的状态带来困难。因此，需要在经济分析之前对经济时间序列进行季节调整，剔除其中的季节变动要素和不规则要素。而利用趋势分解方法可以把趋势和循环要素分离开来，从而研究经济的长期趋势变动和景气循环变动。主要介绍经济时间序列的处理和分解方法。时间序列处理方法包括数据类型的检验和频率转换，时间序列分解方法包括季节调整和趋势分解。

第2章，非平稳时间序列建模。由于传统的时间序列模型只能描述平稳时间序列的变化规律，而大多数经济时间序列都是非平稳的，因此，由20世纪80年代初Granger提出的协整概念，引发了非平稳时间序列建模从理论到实践的飞速发展。介绍了非平稳序列和单整的概念、非平稳时间序列的单位根检验方法、ARIMA模型（差分整合移动平均自回归模型）的建模方法、协整理论的基本思想及误差修正模型。

第3章，扩展的回归方法。介绍了各种扩展的回归方法：
分位数回归、非线性最小二乘法、非参数回归模型、混频数据抽样回归模型、稳健最小二乘法、有限信息极大似然估计和K类估计。

第4章，具有结构变化特征的回归模型。标准的线性回归模型假定模型参数在样本区间中不出现结构变化，但是，在时间序列分析领域，经常会出现样本区间中参数发生结构变化的情况。因此，检验和估计这种模型引起了众多学者的关注并涌现出大量的成果，如在门限回归模型的基础上，源于“区间转换”理论发展和兴起的平滑转换回归模型，由于其具有平滑转换和非线性的特点，因此相对于门限回归模型具有了更多的实际动态特征。主要介绍几类存在结构变化的回归模型的估计方法： 间断点回归模型、门限回归模型、平滑转换回归模型和区制转换回归模型。

第5章，条件异方差模型。通常认为自相关的问题是时间序列数据所特有，而异方差性是横截面数据的特点。但在时间序列数据中，会不会出现异方差呢？是怎样出现的？如何修正？介绍了恩格尔（Engle R, 1982）提出的自回归条件异方差模型（ARCH模型），以及广义自回归条件异方差模型（GARCH模型）、非对称的ARCH模型（TARCH模型和EGARCH模型）等条件异方差模型。

第6章，受限因变量模型。关注的问题是因变量受到某种限制的情况，这时需要建立的经济计量模型称为受限因变量模型。在这种情况下，由于数据收集规则或者经济人自选择行为的结果，人们所获得的样本数据来自总体的一个子集，不能完全反映总体。如果使用传统的经济计量方法来分析这样的样本而不考虑所抽取样本的选择性，那么对经济关系进行的统计评估结果将会发生偏差，这就是所谓的“样本选择偏差”，赫克曼（Heckman）以微观经济理论解释个体的样本选择问题并提出了Heckman样本选择模型。介绍了受限因变量模型的概念、审查回归模型、截断回归模型、Heckman样本选择模型、计数模型和广义线性模型。

第7章，极大似然估计。虽然极大似然估计法的应用没有最小二乘法普遍，但在计量经济学理论上占据很重要的地位，因为极大似然原理比最小二乘原理更本质地揭示了通过样本估计总体参数的内在机理。计量经济学理论的发展更多的是以极大似然估计原理为基础的，对于一些特殊的计量经济学模型，只有极大似然方法才是成功的估计方法。介绍了极大似然估计的基本原理和优化算法，以及如何建立极大似然函数形式并进行估计的实例。

第8章，向量自回归和向量误差修正模型。传统的经济计量方法（如联立方程模型等结构性方法）是以经济理论为基础来描述变量关系的模型。但是经济理论通常并不足以对变量之间的动态联系提供一个严密的说明，而且内生变量既可以出现在方程的左端又可以出现在方程的右端，使得估计和推断变得更加复杂。为了解决这些问题而出现了一种用非结构性方法来建立各个变量之间关系的模型，介绍的向量自回归(VAR)模型就是一种非结构化的多方程模型。第8章还包括结构VAR(SVAR)模型、Granger因果检验、脉冲响应函数和方差分解、Johansen协整检验、向量误差修正（VEC）模型，以及贝叶斯VAR模型。

第9章，扩展的面板数据模型。21世纪以来，对面板数据模型的研究，一方面集中在利用时间序列方法考虑面板数据的非平稳性、虚假回归和协整，研究如何对面板数据进行单位根检验和协整检验； 另一方面利用宏观面板数据具有较长时间序列的优势，研究经济关系的动态调整过程，即关注动态面板数据计量模型的估计及检验问题。主要介绍面板数据的单位根检验与协整检验、面板数据广义矩方法（GMM）和动态面板数据回归模型。

第10章，状态空间模型和卡尔曼滤波。状态空间模型被用来估计不可观测的时间变量：
理性预期、测量误差、长期收入和不可观测因素（趋势和循环要素）。许多时间序列模型，包括典型的线性回归模型和ARIMA模型都能作为特例写成状态空间形式(SSF)，并估计参数值。状态空间模型是利用强有力的迭代算法——卡尔曼滤波（Kalman filter）来估计的。介绍了状态空间模型的定义、卡尔曼滤波算法和超参数的估计，并给出状态空间模型的应用实例。

第11章，主成分分析和因子分析。在建立多元回归模型时，为了更准确地反映事物的特征，人们经常会在模型中包含较多相关解释变量，这不仅使问题分析变得复杂，而且变量之间可能存在多重共线性，使得数据提供的信息发生重叠，甚至会掩盖事物的真实特征。为了解决这些问题，需要采用降维的思想，将所有指标的信息通过少数几个指标来反映，在低维空间将信息分解为互不相关的部分以获得更有意义的解释。本章介绍的主成分分析和因子分析可用于解决这类问题。

本书的中高级版是针对高年级本科生、硕士研究生和博士研究生的教材，介绍了近年来一些前沿的计量经济学理论和方法，力求将计量经济学的理论和实际经济问题相结合，全面、系统地介绍中高级计量经济学的主要理论和方法； 并在此基础上，提供了大量的基于经济问题的模型实例，协助教师提高教学效率，增强学生的学习兴趣和实际建模能力。和初级一样，每一章的最后一节给出了EViews软件的相关操作。各章相关实例的原始数据（Excel表）、EViews工作文件的电子版可以扫如下二维码下载。为帮助高级研究人员深入研究，教学课件中介绍了EViews软件的程序设计。

美国IHS公司2017年推出EViews 10.0版本软件，我们购买了该版本软件。本书的EViews软件操作部分都采用EViews 10.0版本软件。
本书由下列人员完成本书第1版和第2版的主要作者梁云芳教授因病于2013年10月去世，她所承担章节［本书中高级的第2章2.2节、第8章、第11章（与王亚芬合作）］的修改、增补等工作由其他作者来完成，不再标出。
初级版： 第1、2、3章，王金明； 第4章，康书隆； 第5章，王亚芬； 第6章，孔宪丽； 第7章，刘玉红。
中高级版： 第1、8章，陈飞； 第2章，康书隆； 第3章，王金明； 第4章，张同斌； 第5、7章，刘玉红； 第6、11章，王亚芬； 第9章，孔宪丽； 第10章，高铁梅。

编者简介

高铁梅，东北财经大学教授、博士生导师、数量经济研究所所长。主要研究方向:宏观经济分析与政策模拟、经济周期波动分析与预测方法。

目录

第1章经济时间序列的处理、季节调整与分解
1．1经济时间序列的处理和频率转换方法
1．2季节调整
1．3趋势分解
1．4EViews软件的相关操作
第2章非平稳时间序列建模
2.1非平稳时间序列和单位根检验
2.1.1非平稳序列和单整
2.1.2单位根检验
2.1.3突变点单位根检验(breakpoint unit root test)
2.2非平稳时间序列建模
2.2.1ARIMA模型
2.2.2ARFIMA模型
2.2.3自回归分布滞后模型
2.3协整和误差修正模型
2.3.1协整关系
2.3.2基于残差的协整检验
2.3.3误差修正模型(ECM)
2.4EViews软件的相关操
2.4.1单位根检验
2.4.2非平稳时间序列建模
2.4.3基于残差的EG协整检验
第3章扩展的回归方法
3.1分位数回归
3.1.1分位数回归的基本思想和系数估计
3.1.2系数协方差的估计
3.1.3模型评价和检验
3.2非线性最小二乘法
3.2.1非线性模型概念
3.2.2非线性模型估计方法
3.3非参数回归模型
3.3.1密度函数的非参数估计
3.3.2一元非参数计量经济模型
3.4混频数据抽样回归模型
3.4.1模型介绍
3.4.2权重函数
3.5稳健(Robust)最小二乘法
3.5.1M估计
3.5.2S估计
3.5.3MM估计
3.5.4系数协方差的计算方法
3.6有限信息极大似然估计和K类估计
3.6.1有限信息极大似然(LIML)估计
3.6.2K类估计
3.7EViews软件的相关操作
3.7.1分位数回归
3.7.2非线性最小二乘估计
3.7.3非参数估计
3.7.4混频回归估计
3.7.5Robust最小二乘估计
3.7.6LIML和K类估计
第4章具有结构变化特征的回归模型
4.1间断点回归模型
4.1.1多个间断点的检验
4.1.2包含多个间断点时的方程估计
4.2门限回归模型
4.2.1门限回归模型
4.2.2自激励门限自回归模型
4.3平滑转换回归模型
4.3.1平滑转换回归模型的基本形式
4.3.2转换函数的类型
4.3.3平滑转换回归模型的设定与估计
4.3.4平滑转换模型估计结果的进一步检验
4.4区制转换回归模型
4.4.1区制转换回归的基本模型
4.4.2马尔可夫区制转换模型
4.4.3动态区制转换模型
4.5EViews软件的相关操作
第5章条件异方差模型
5.1自回归条件异方差模型
5.2非对称的ARCH模型
5.3成分ARCH模型
5.4多变量ARCH方法
5.5EViews软件的相关操作
5.5.1ARCH检验
第6章受限因变量模型
6.1受限因变量的数据特征与模型方法
6.2Heckman样本选择模型
6.3计数模型
6.4广义线性模型
6.5EViews软件的相关操作
第7章极大似然估计
7.1极大似然估计的基本原理和计算方法
7.2极大似然的估计实例
7.3EViews软件的相关操作
第8章向量自回归和向量误差修正模型
8.1向量自回归(VAR)模型
8.2结构VAR(SVAR)模型
8.3Granger因果关系的定义和检验
8.4脉冲响应函数和方差分解
8.5Johansen协整检验
8.6向量误差修正(VEC)模型
8.7贝叶斯VAR模型
8.8EViews软件的相关操作
第9章扩展的面板数据模型
9.1面板数据的单位根检验
9.2面板数据的协整检验
9.3面板数据广义矩方法（GMM）
9.4动态面板数据回归模型
9.5EViews软件的相关操作
第10章状态空间模型和卡尔曼滤波
10.1状态空间模型的定义
10.2卡尔曼滤波
10.3状态空间模型超参数的估计
10.4状态空间模型的应用
10.5EViews软件的相关操作
第11章主成分分析和因子分析
11.1主成分分析
11.1.1主成分分析的基本思想
11.1.2总体主成分求解及其性质
11.1.3样本的主成分
11.2因子分析
11.3EViews软件的相关操作
参考文献
附录