关注微信

推荐商品

    加载中... 正在为您读取数据...
分享到:
  • 经济学与管理学实验教学系列教材:截面、面板数据分析与STATA应用[平装]
  • 共1个商家     27.90元~27.90
  • 作者:兰草(作者)
  • 出版社:武汉大学出版社;第1版(2012年6月1日)
  • 出版时间:
  • 版次 :
  • 印刷时间:
  • 包装:
  • ISBN:9787307097278

  • 商家报价
  • 简介
  • 评价
  • 加载中... 正在为您读取数据...
  • 商品描述

    编辑推荐

    《经济学与管理学实验教学系列教材:截面、面板数据分析与STATA应用》主要面向以具有一定计量经济学理论基础的大中院校学生,有助于提升他们的实际操作与应用能力。

    目录

    第一章Stata简介
    1.1Stata界面
    1.2Stata命令语句
    1.3do文件
    1.4日志(log)文件
    1.5共用宏和局部宏(Global and Local Macros)
    1.6Stata资源
    1.7小结
    第二章数据管理与概要统计分析
    2.1数据形式
    2.2数据录入
    2.3数据管理
    2.4数据集操作
    2.5概要统计分析
    2.6小结
    第三章作图与概要统计分析
    3.1二维标绘图(twoway graph)
    3.2条形图和点图
    3.3饼图
    3.4直方图
    3.5箱线图与散点矩阵图
    3.6图形管理与合并图形
    3.7小结
    第四章经典单方程线性模型
    4.1经典线性回归模型
    4.2线性回归模型的参数估计
    4.3线性回归模型统计检验
    4.4基本回归分析实例:Stata下的参数估计
    4.5预测
    4.6使用Stata菜单进行线性回归
    4.7小结
    第五章随机模拟
    5.1大样本(渐近)理论[Large—ample Theory(Asymptoties)]
    5.2伪随机数(Pseudorandom—number)的生成
    5.3随机模拟
    5.4小结
    第六章随机误差项假设诊断和广义最小二乘法
    6.1异方差性
    6.2序列相关性
    6.3广义最小二乘估计量(Generalized Least Square Estimator)
    6.4回归诊断和GLS在Stata中的实现:案例分析
    6.5调查数据:加权、聚类和分层
    6.6使用Stata菜单进行检验
    6.7小结
    第七章内生解释变量
    7.1内生解释变量的来源及后果
    7.2工具变量法
    7.3两阶段最小二乘法(Two Stage Least Square Method)
    7.4内生性的豪斯曼检验
    7.5Stata下的工具变量估计量
    7.6小结
    第八章广义矩方法
    8.1弱工具变量(Weak Instruments)
    8.2弱工具变量的检验:实例分析
    8.3广义矩方法(Generalized Method of Moments,GMM)
    8.4Stata下的GMM估计量
    8.5小结
    第九章多重共线性
    9.1多重共线性的分类与后果
    9.2多重共线性的检验
    9.3多重共线性的修正
    9.4Stata下的多重共线性
    9.5小结
    第十章线性面板数据模型
    10.1面板数据模型形式
    10.2面板数据模型参数估计方法
    10.3固定效应与随机效应
    10.4线性面板数据模型分析在Stata中的实现
    10.5小结
    第十一章动态面板数据模型
    11.1动态面板数据模型
    11.2动态面板数据模型估计法
    11.3带有序列相关性的动态面板数据模型
    11.4Stata下的动态面板数据分析
    11.5案例:香烟的动态需求
    11.6小结
    第十二章二元离散选择模型
    12.1二元选择模型
    12.2二元选择模型回归方法
    12.3Stata下的Probit与Logit模型估计
    12.4拟合优度和预测
    12.5Stata下的二元选择模型检验
    12.6边际效应(Marginal Effects)
    12.7小结
    参考文献

    文摘

    版权页:



    插图:



    第四章
    经典单方程线性模型
    单方程计量经济学模型以单一经济现象为研究对象,模型中只有一个方程,是目前应用最为普遍的计量经济学模型。经典单方程线性模型的理论和方法,更是计量经济分析的基础,在实证经济学中仍旧被广泛应用。尽管现代计量经济学实证分析中包含更为复杂的计量经济学模型和估计方法,然而这些模型和估计方法均是从经典线性模型以及与之对应的普通最小二乘法(OLS)发展深化而来的。因此,掌握经典单方程模型的基本理论、方法以及实际操作,对于深入学习计量经济学意义重大。在这一章中,我们将对单方程线性计量经济模型、估计方法以及检验等理论进行概述。由于本书的主要目的是指导读者在Stata下完成实际分析操作,因此不对理论做深入阐释和推导,对理论分析、结果推导和证明等有兴趣的读者可以参阅相关计量经济学书籍。
    4.1经典线性回归模型
    4.1.1线性回归模型
    在计量经济学中,单方程计量经济学模型分为线性模型和非线性模型两大类:在线性模型中,变量间呈线性关系,这主要是指回归系数是线性的,即回归系数只以它的一次方的形式出现;在非线性模型中,变量之间的关系呈现出非线性关系,但是,某些非线性模型可以通过函数变换等转变为线性模型,但是当参数是非线性时,便不再存在这一可能性。在本书中,我们将对线性模型进行分析。
    4.1.2基本回归理论
    计量经济学模型设定的目的主要是用于回归分析,所谓回归分析,就是研究一个变量关于另一个变量的依赖关系的计算方法和理论,其目的在于通过后者的已知或设定值,去估计、预测前者的总体均值。前一个变量便是因变量,后一个为自变量。因此,计量经济分析便是通过收集相关的变量数据,得到待估参数的估计量,从而研究变量之间的相关关系及其程度。
    在式(4.2)中,β代表着待估参数,我们以β表示β的样本估计量。由于在现实中,总体信息往往难以全部获得,因此,通过抽样得到总体样本并以样本信息估计总体回归函数。