前言<br/>篇 导论与知识回顾<br/>章 经济问题和数据 /2<br/>1.1 我们研究的经济问题 /2<br/>1.2 因果效应和理想化随机对照实验 /5<br/>1.3 数据：来源和类型 /6<br/>本章小结 /9<br/>重要术语 /10<br/>内容复习 /10<br/>第2章 概率论知识回顾 /11<br/>2.1 随机变量和概率分布 /12<br/>2.2 期望值、均值和方差 /15<br/>. 二维随机变量 /19<br/>专栏2-1 2015年美国的收入分布情况 /24<br/>2.4 正态分布、χ2分布、学生t分布及F分布 /26<br/>专栏2-2 糟糕的 /28<br/>2.5 随机抽样与样本均值的抽样分布 /30<br/>专栏- 分散化和资产组合 /33<br/>2.6 抽样分布的大样本近似 /33<br/>本章小结 /38<br/>重要术语 /38<br/>内容复习 /39<br/>习题 /39<br/>实练习 /43<br/>附录2A 重要概念-中结果的推导 /44<br/>附录2B 条件均值是实现均方误差的预测值 /45<br/>第3章 统计学知识回顾 /46<br/>3.1 总体均值的估计 /47<br/>专栏3-1 兰顿获胜 /50<br/>3.2 关于总体均值的设检验 /50<br/>3.3 总体均值的置信区间 /56<br/>3.4 不同总体间的均值比较 /57<br/>专栏3-2 美国大学生收入的差异 /59<br/>3.5 基于实验数据估计因果效应 /60<br/>专栏3-3 刺激退休储蓄的新方法 /60<br/>3.6 样本容量较小时的t统计量 /61<br/>3.7 散点图、样本协方差和样本相关系数 /63<br/>本章小结 /66<br/>重要术语 /66<br/>内容复习 /67<br/>习题 /67<br/>实练习 /71<br/>附录3A 美国当前人口调查 /73<br/>附录3B Y是μY的二乘估计量的两种明方法 /73<br/>附录3C 样本方差一致的明 /74<br/>第2篇 回归分析基础<br/>第4章 一元线回归 /76<br/>4.1 线回归模型 /77<br/>4.2 线回归模型的系数估计 /79<br/>专栏4-1 的“贝塔”值 /82<br/>4.3 拟合优度与预测精度 /83<br/>4.4 因果推断的二乘设 /85<br/>4.5 OLS估计量的抽样分布 /89<br/>4.6 结论 /91<br/>本章小结 /91<br/>重要术语 /92<br/>内容复习 /92<br/>习题 /92<br/>实练习 /94<br/>附录4A 加利福尼亚州的测试数据集 /96<br/>附录4B OLS估计量的推导 /96<br/>附录4C OLS估计量的抽样分布 /96<br/>附录4D 预测的二乘设 /98<br/>第5章 一元线回归：设检验和置信区间 /100<br/>5.1 关于某个回归系数的设检验 /100<br/>5.2 回归系数的置信区间 /104<br/>5.3 X为二元变量时的回归 /105<br/>5.4 异方差和同方差 /107<br/>专栏5-1 一年教育的经济价值：是同方差还是异方差 /110<br/>*5.5 普通二乘的理基础 /111<br/>*5.6 样本容量较小时的t统计量应用 /112<br/>5.7 结论 /113<br/>本章小结 /114<br/>重要术语 /115<br/>内容复习 /115<br/>习题 /115<br/>实练习 /118<br/>附录5A OLS标准误公式 /119<br/>附录5B 高斯-马尔科夫条件和高斯-马尔科夫定<br/>理的明 /120<br/>第6章 多元线回归 /122<br/>6.1 遗漏变量偏差 /122<br/>专栏6-1 莫扎应：遗漏变量偏差 /125<br/>6.2 多元回归模型 /126<br/>6.3 多元回归的OLS估计量 /128<br/>6.4 多元回归的拟合优度 /130<br/>6.5 多元回归中因果推断的二乘设 /132<br/>6.6 多元回归模型中OLS估计量的分布 /134<br/>6.7 多重共线 /134<br/>6.8 控制变量和条件均值独立 /137<br/>6.9 结论 /138<br/>本章小结 /139<br/>重要术语 /139<br/>内容复习 /140<br/>习题 /140<br/>实练习 /143<br/>附录6A 式（6-1）的推导 /144<br/>附录6B 包含两个解释变量且误差项为同方差时的OLS估计量的分布 /144<br/>附录6C Frisch-Waugh定理 /144<br/>附录6D 多元回归预测的二乘设 /145<br/>附录6E 包含控制变量的多元回归的OLS估计量的分布 /146<br/>第7章 多元回归中的设检验和置信区间 /147<br/>7.1 单个系数的设检验和置信区间 /147<br/>7.2 联合设的检验 /150<br/>7.3 涉及多个系数的单约束检验 /154<br/>7.4 多个系数的置信集 /155<br/>7.5 多元回归的模型设定 /156<br/>7.6 对测试数据集的分析 /158<br/>7.7 结论 /161<br/>本章小结 /161<br/>重要术语 /162<br/>内容复习 /162<br/>习题 /162<br/>实练习 /164<br/>附录7A 联合设的Bonferroni检验 /165<br/>第8章 非线回归函数 /167<br/>8.1 非线回归函数的一般建模方法 /168<br/>8.2 一元非线函数 /173<br/>8.3 解释变量的交互项 /180<br/>专栏8-1 教育回报与差距 /185<br/>专栏8-2 经济学期刊的需求 /187<br/>8.4 学生-教师比对测试的非线效应 /189<br/>8.5 结论 /193<br/>本章小结 /194<br/>重要术语 /194<br/>内容复习 /194<br/>习题 /195<br/>实练习 /198<br/>附录8A 参数非线的回归函数 /200<br/>附录8B 非线回归函数的斜率和弹 /202<br/>第9章 多元回归分析有效的评估 /204<br/>9.1 内部有效和外部有效 /204<br/>9.2 多元回归分析的内部有效威胁 /206<br/>专栏9-1 共同跑赢市场了吗 /211<br/>9.3 利用回归模型进行预测时的内部有效和外部有效 /214<br/>9.4 实例：测试和班级规模 /215<br/>9.5 结论 /221<br/>本章小结 /222<br/>重要术语 /222<br/>内容复习 /222<br/>习题 /222<br/>实练习 /224<br/>附录9A 马萨诸塞州的小学测试数据 /225<br/>第3篇 回归分析的高级专题<br/>0章 面板数据回归 /228<br/>10.1 面板数据 /229<br/>10.2 两期的面板数据：“前后”比较 /1<br/>10.3 固定效应回归 /<br/>10.4 时间固定效应回归 /<br/>10.5 固定效应回归设和固定效应回归的标准误 /<br/>10.6 关于酒驾的法律规定和交通事故死亡人数 /240<br/>10.7 结论 /243<br/>本章小结 /243<br/>重要术语 /244<br/>内容复习 /244<br/>习题 /244<br/>实练习 /245<br/>附录10A 州交通死亡事故数据集 /246<br/>附录10B 固定效应回归的标准误 /246<br/>1章 二元被解释变量回归 /250<br/>11.1 二元被解释变量与线概率模型 /251<br/>11.2 probit回归和logit回归 /254<br/>11.3 logit模型和probit模型的估计与推断 /258<br/>11.4 在波士顿HMDA数据中的应用 /261<br/>11.5 结论 /265<br/>专栏11-1 诺贝尔经济学奖得主詹姆斯·赫克曼和丹尼尔·麦克法登 /266<br/>本章小结 /267<br/>重要术语 /267<br/>内容复习 /267<br/>习题 /267<br/>实练习 /269<br/>附录11A 波士顿HMDA数据 /271<br/>附录11B 似然估计 /271<br/>附录11C 受限被解释变量模型 /272<br/>2章 工具变量回归 /275<br/>12.1 单个自变量和单个工具变量的IV估计量 /275<br/>专栏12-1 谁发明了工具变量回归 /279<br/>12.2 一般IV回归模型 /282<br/>1. 检验工具变量有效 /287<br/>专栏12-2 次IV回归 /289<br/>12.4 在需求例子中的应用 /291<br/>专栏1- 吸烟的外部 /292<br/>12.5 如何寻找有效的工具变量 /294<br/>12.6 结论 /297<br/>本章小结 /297<br/>重要术语 /298<br/>内容复习 /298<br/>习题 /298<br/>实练习 /300<br/>附录12A 消费面板数据集 /302<br/>附录12B 式（12-4）中TSLS估计量公式的推导 /302<br/>附录12C TSLS估计量的大样本分布 /302<br/>附录12D 工具变量非有效时TSLS估计量的大样本分布 /303<br/>附录12E 存在潜在弱工具变量时的工具变量分析方法 /304<br/>附录12F 含有控制变量的TSLS /305<br/>3章 实验和准实验 /307<br/>13.1 潜在结果、因果效应和理想化实验 /308<br/>13.2 实验的有效威胁 /310<br/>专栏13-1 霍桑效应 /311<br/>13.3 减小班级规模效应的实验估计 /313<br/>13.4 准实验 /319<br/>13.5 准实验的潜在问题 /3<br/>13.6 异质总体下的实验和准实验估计 /324<br/>13.7 结论 /328<br/>本章小结 /328<br/>重要术语 /329<br/>内容复习 /329<br/>习题 /330<br/>实练习 /332<br/>附录13A STAR项目数据集 /333<br/>附录13B 异质因果效应的IV估计 /333<br/>附录13C 分析实验数据的潜在结果框架 /333<br/>4章 多元回归和大数据预测 /335<br/>14.1 什么是“大数据” /336<br/>14.2 多元预测问题与OLS /337<br/>14.3 岭回归 /342<br/>14.4 Lasso回归 /345<br/>14.5 主成分 /348<br/>14.6 使用多个预测因子预测学校测试 /352<br/>14.7 结论 /356<br/>专栏14-1 文本数据 /356<br/>本章小结 /357<br/>重要术语 /357<br/>内容复习 /358<br/>习题 /358<br/>实练习 /361<br/>附录14A 加州学校数据集 /362<br/>附录14B k=1时式（14-4）的推导 /362<br/>附录14C k=1时的岭回归估计量 /362<br/>附录14D k=1时的Lasso估计量 /362<br/>附录14E 在标准化回归模型中计算样本外预测 /363<br/>第4篇 经济时间序列数据的回归分析<br/>5章 时间序列回归和预测导论 /366<br/>15.1 时间序列数据和序列相关介绍 /367<br/>15.2 平稳和均方预测误差 /371<br/>专栏15-1 你能战胜市场吗 /373<br/>15.3 自回归 /374<br/>15.4 包含预测变量的时间序列模型和自回归分布滞后模型 /377<br/>15.5 MSFE的估计和预测区间 /380<br/>专栏15-2 血河 /383<br/>15.6 运用信息准则选择滞后阶数 /383<br/>15.7 非平稳Ⅰ：趋势 /386<br/>15.8 非平稳Ⅱ：突变 /391<br/>15.9 结论 /396<br/>本章小结 /396<br/>重要术语 /397<br/>内容复习 /397<br/>习题 /397<br/>实练习 /400<br/>附录15A 5章使用的时间序列数据 /402<br/>附录15B AR（1）模型的平稳 /402<br/>附录15C 滞后算子符号 /403<br/>附录15D ARMA模型 /403<br/>附录15E BIC滞后阶数估计量的一致 /404<br/>6章 动态因果效应估计 /405<br/>16.1 橙汁数据的初步分析 /406<br/>16.2 动态因果效应 /408<br/>16.3 使用外生解释变量估计动态因果效应 /411<br/>16.4 异方差和自相关一致标准误 /413<br/>16.5 严格外生解释变量的动态因果效应估计 /416<br/>16.6 橙汁价格和霜冻天气 /420<br/>专栏16-1 迁徙中的橙子树 /424<br/>专栏16-2 新闻速递：商品交易员通过迪士尼乐园<br/>传递寒流 /425<br/>16.7 外生合理吗 /425<br/>16.8 结论 /427<br/>本章小结 /427<br/>重要术语 /427<br/>内容复习 /428<br/>习题 /428<br/>实练习 /431<br/>附录16A 橙汁数据集 /432<br/>附录16B 使用滞后算子表示的ADL模型及广义二乘法 /432<br/>7章 时间序列回归的专题 /435<br/>17.1 向量自回归 /436<br/>17.2 多期预测 /438<br/>17.3 单整阶数和单位根检验统计量的非正态 /442<br/>17.4 协整 /445<br/>17.5 波动集群和自回归条件异方差 /447<br/>17.6 使用动态因子模型和主成分进行包含多个预测变量的预测 /451<br/>专栏17-1 时间序列计量经济学的诺贝尔奖获得者 /457<br/>17.7 结论 /458<br/>本章小结 /458<br/>重要术语 /458<br/>内容复习 /459<br/>习题 /459<br/>实练习 /461<br/>附录17A 美国季度宏观数据集 /461<br/>第5篇 回归分析的计量经济学理论<br/>8章 一元线回归理论 /464<br/>18.1 扩展的二乘设和OLS估计量 /465<br/>18.2 渐近分布理论基础 /466<br/>18.3 OLS估计量和t统计量的渐近分布 /470<br/>18.4 误差项服从正态分布时的抽样分布 /472<br/>18.5 加权二乘法 /474<br/>本章小结 /477<br/>重要术语 /477<br/>内容复习 /478<br/>习题 /478<br/>附录18A 正态分布及其相关分布和连续型随机变量的矩 /480<br/>附录18B 两个不等式 /482<br/>9章 多元线回归理论 /483<br/>19.1 多元回归模型和OLS估计量的矩阵形式 /484<br/>19.2 OLS估计量和t统计量的渐近分布 /486<br/>19.3 联合设检验 /489<br/>19.4 正态误差项设下回归统计量的分布 /490<br/>19.5 误差项为同方差时OLS估计量的有效 /492<br/>19.6 广义二乘法 /494<br/>19.7 工具变量和广义矩估计 /497<br/>本章小结 /503<br/>重要术语 /503<br/>内容复习 /504<br/>习题 /504<br/>附录19A 矩阵代数概要 /508<br/>附录19B 多元分布 /510<br/>附录19C 推导β^的渐近分布 /511<br/>附录19D 推导正态误差项下OLS检验统计量的分布 /511<br/>附录19E 多元回归模型的高斯-马尔科夫定理的明过程 /512<br/>附录19F IV和GMM估计中部分结论的明 /513<br/>附录19G 包含多个预测因子的回归：MPSE、岭回归和主成分分析 /515<br/>附录 /519<br/>参考文献 /527
詹姆斯·H.斯托克（James H.Stock）
哈大学授、副教务长，兼任哈肯尼迪学院教授。他曾担任总统经济顾问委员会成员和哈大学经济系主任。研究领域为经济计量方法、宏观经济预测、货币政策等，目前集中在能源和环境经济学，重点是燃料和美国气候变化政策。他在多家靠前核心期刊上发表90多篇，并著有若干部专著，拥有加州大学伯克利分校统计学硕士和经济学博士。
马克·W.沃森（Mark W.Watson）
普林斯顿大学教授，美国经济研究局副研究员，美国艺术与科学院院士。他目前的研究重点是时间序列计量经济学、实宏观经济学和宏观经济预测。他曾任教西北大学、芝加哥大学、哈大学等高校，也曾担任普林斯顿大学经济系副主任、公共与靠前事务执行院长，并获普林斯顿大学导师奖、Richard E.ndt生教学奖等。此外，他还曾担任Econometrica、Journal of Applied Econometrics等众多知名期刊的主编和副主编。
译者简介About the Translators
王立勇
中央财经大学龙马学者特聘教授、博士生导师，社科重大项目席专，世纪很好人才，现任中央财经大学靠前经济与贸易学院副院长、靠前经济大数据研究中心主任，兼任中国数量经济学会副会长、经济计量与经济统计专业委员会理事长、中国系统工程学会社会经济系统工程专业委员会副理事长、CSSCI期刊《数量经济研究》编委以及多所大学兼职教授。
研究领域为财政政策、开放宏观、靠前经济与贸易、计量经济与政策评估，已在SSCI、SCI和《经济研究》《世界经济》《管理世界》等期刊上发表近150篇；专著5部、译著4部；案例集1部；发表《光明日报（理论版）》等文章10余篇，近20项成果被《人民日报内参》、全国哲社办《成果专报》、《要报》及部门采纳。
主持社科重大项目、自科面上项目（结项为很好）、自科青年项目（结项为很好）、社科项目、北京社科重点项目等30余项， 研究成果获北京市哲学社会科学很好成果二等奖、安徽省哲学社会科学很好成果奖二等奖等。
徐晓莉
经济学博士，北京交通大学经济管理学院讲师，研究方向为数量经济、财政政策等，已在《经济研究》《财政研究》《宏观经济研究》等期刊上发表数篇。
计量经济学是基于经济理论和统计工具分析“经济数据”的一门科学和艺术。它广泛应用于金融学、劳动经济学、宏观经济学、微观经济学、市场营销，以及社会学等社会科学的众多分支中。计量经济学能够帮我们从许多“疯狂”的想法中筛选出合理的选择，并寻求到重要定量问题的定量。在这个复杂的世界，计量经济学可以为我们打开一扇窗，让我们科学理地挖掘出个人、企业以及决策时所依据的内在逻辑。
本书是经典的计量经济学入门教材，两位作者分别来自哈大学和普林斯顿大学，都是靠前上计量经济学领域中的大牛。他们强调理解、掌握和应用计量经济学的基本思想，并使用尽量少的和简单的数学语言介绍计量经济学家们常用的核心方法，同时通过大量实例来分析当今世界宏微观决策中存在的具体定量问题，既实用又有趣。
特别地，在当前大数据时代，学会数据分析是一项越来越受到国内外就业市场欢迎的技能，同时也是进一步升级研究不可或缺的分析工具。因此，相信通过学习本书，你将会真正掌握和熟练应用计量经济学工具。
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
