《计量经济学方法》是2002年4月1日中国经济出版社出版的图书，作者是（美）约翰斯顿。

《计量经济学方法》初版于1963年，其后大约每隔10年再版一次，以跟上计量经济学的发展。数十年来，本书已成为各国名牌大学广泛采用的教材。 本版本的主要写作目标有两个：其一是提供一份综合易懂可用的计量经济方法手册；二是通过应用一些真实数据集来说明这些方法。这些数据由本书的配套数据磁盘给出，因而，读者可以重复操作一追课文中的应用案例，实验一下章末所提出的一些问题，再对自己选择的方法进行进一步的分析。因此，本书几乎是全部重写井增加了对一些新专题的介绍，包括：渐进理论，时间序列，模型评价，广义矩法，密集计算法，微观计量经济学。

J.约翰斯顿，是加利福尼亚大学的计量经济学名誉教授。在转入俄尔文之前，他担任曼彻斯特大学的斯坦利·杰文斯计量经济学教授。J.约翰斯顿教授也曾任教于纽约市立大学、埃莫立大学，哈佛大学，安大略皇后大学，威尔士大学，威斯康辛-麦迪逊厌这。他还是计量经济学会的资深会员。其作品有《统计成本分析》及《计量经济学方法》的前三版。

J.迪纳尔多，是加利福尼亚大学的经济学副教授，并为国民经济研究所的研究员。在转入俄尔文之前，他曾担任兰德的研究助理。作为一名劳动经济学家和应用计量经济学家，他曾执教于麻省理工大学和普林顿大学。他最近的作品刊登在《计量经济学》杂志、《政治经济学》杂志、以及《经济学杂志》季刊上。本书是他所著的第一本书。

致我们的中文读者

To Our Chinese Readers

译者的话

前言

第一章 两个变量之间的关系

1.1 双变量关系示例

1.1.1 双变量频数分布

1.2 相关系数

1.2.1 双变量频数分布的相关系数

1.2.2 r的范围

1.2.3 无谓相关及其他问题

1.2.4 一个案例研究

1.3 双变量概率模型

1.3.1 离散的双变量概率分布

1.3.2 双变量正态分布

1.4 双变量线性回归模型

1.4.1 一个条件模型

1.4.2 估计值和估计量

1.4.3 最小二乘估计量

1.4.4 平方和的分解

1.4.5 一个数值例子

1.5 两变量最小二乘模型中的推断

1.5.1 LS估计量的性质

1.5.2 高斯—马尔科夫定理

1.5.3 推断程序

1.5.4 数值例子(续1.4.5节中的例子)

1.6 两变量回归模型的方差分析

1.7 双变量回归模型中的预测

1.8 汽油消费：一个初步分析

附录

附录1.1 证明Var(b)=a2/Σ x2

附录1.2 推导∂的抽样分布的均值和方差

附录1.3 推导cov(a，b)

附录1.4 高斯—马尔科夫定理

附录1.5 推导var(e0)

习题

第二章 双变量关系的其他方面

2.1 时间作为回归元

2.1.1 恒定增长曲线

2.1.2 数值例子

2.2 变量变换

2.2.1 双对数变换

2.2.2 半对数变换

2.2.3 倒数变换

2.3 非线性关系的一个实例：美国的通货膨胀和失业

2.4 滞后因变量作为回归元

2.4.1 渐近理论简介

2.4.2 依概率收敛

2.4.3 依分布收敛

2.4.4 自回归方程

2.5 平稳和非平稳序列

2.5.1 单位根

2.5.2 数值例证

2.6 自回归方程的最大似然估计

2.6.1 最大似然估计量

2.6.2 最大似然估计量的性质

附录

附录2.1 密度函数中的变量变换

附录2.2 AR(1)模型的最大似然估计量

习题

第三章 k元线性方程

3.1 k—变量模型的矩阵表达式

3.1.1 最小二乘法的代数表达式

3.1.2 平方和分解

3.1.3 方程的离差形式

3.2 偏相关系数

3.2.1 解释平方和的序贯形成

3.2.2 偏相关系数和复回归系数

3.2.3 偏相关系数和复回归系数的一般处理

3.3 最小二乘法的几何意义

3.4 k元方程的推断

3.4.1 假定条件

3.4.2 b的均值和方差

3.4.3 σ2的估计

3.4.4 高斯—马尔可夫定理

3.4.5 检验关于卢的线性假设

3.4.6 受约束和无约束的回归

3.4.7 拟合受约束回归方程

3.5 预测

附录

附录3.1 证明r12.3=(r12--r13r)/√▔▔▔▔√▔▔▔▔

1—r213 1—r223

附录3.2 在多元回归中，求解单一个回归系数

附录3.3 证明当约束X'a=c时，最小化a'a

将得到a=X(X'X)-1c

附录3.4 受约束估计量b。的推导

习题

第四章 k元线性方程设定错误的若干检验

4.1 设定错误

4.1.1 关于u的可能问题

4.1.2 关于X的可能问题

4.1.3 关于β的可能问题

4.2 模型评估与诊断检验

4.3 参数不变性的检验

4.3.1 邹(至庄)预测检验

4.3.2 汉森检验

4.3.3 递归估计检验

4.3.4 向前一步预测误差

4.3.5 累积和与平方累积和检验

4.3.6 设定错误的一个更一般的检验：拉姆齐检验

4.4 数值例证

4.5 结构变化的检验

4.5.1 一个结构变化的检验

4.5.2 对斜率系数的检验

4.5.3 对截距项的检验

4.5.4 小结

4.5.5 数值例子

4.5.6 推广

4.6 虚拟变量

4.6.1 简介

4.6.2 季节虚拟变量

4.6.3 定性变量

4.6.4 多于两组的虚拟变量

4.6.5 数值例子

附录

附录 4.1 证明：var(d)=[1：+X2(X1X1)”X¨]

习题

第五章 最大似然估计，广义最小二乘法及工具变量估计

5.1 最大似然估计量

5.1.1 最大似然估计量的性质

5.2 线性模型的ML估计

5.3 似然比、沃尔德与拉格朗日乘数检验

5.3.1 似然比检验

5.3.2 沃尔德检验

5.3.3 拉格朗日乘数检验

5.4 有非球形干扰项的线性模型的ML估计

5.4.1 广义最小二乘法

5.5 工具变量估计量

5.5.1 特例

5.5.2 两阶段最小二乘法(2SLS)

5.5.3 工具的选择

5.5.4 线性约束条件的检验

附录

附录5.1 密度函数中的变量代换

附录5.2 中心和非中心的R2

附录5.3 证明e΄*X(X΄X)—1X΄e*=e´e*－e'e

习题

第六章 异方差性和自相关

6.1 OLS估计量的性质

6.2 对异方差性的检验

6.2.1 怀特检验

6.2.2 布罗施—帕甘伐弗雷检验

6.2.3 戈德菲尔德—匡特检验

6.2.4 戈德菲尔德—匡特检验的扩展

6.3 异方差性下的估计

6.3.1 对分组数据的估计

6.3.2 对异方差关系式的估计

6.4 自相关干扰

6.4.1 自相关的形式：自回归和移动平均模式

6.4.2 自相关干扰的原因

6.5 OLS和自相关干扰

6.6 自相关干扰的检验

6.6.1 德宾—沃森检验

6.6.2 沃利斯四阶自回归检验

6.6.3 回归含有因变量滞后值的德宾检验

6.6.4 布罗施—戈弗雷检验

6.6.5 博克斯—皮尔斯—杨统计量

6.7 对具有自相关干扰的关系式的估计

6.8 出现自相关干扰时的预测

6.9 自回归条件异方差性

附录

附录6.1 乘积性异方差性的LM检验

附录6.2 对群块同方差性的LR检验

附录6.3 ARCH(1)过程的性质

习题

第七章 单变量时间序列建模

7.1 进行单变量分析的根本原因

7.1.1 滞后算子

7.1.2 ARMA建模

7.2 AR、MA和ARMA过程的性质

7.2.I AR(1)过程

7.2.2 AR(2)过程

7.2.3 MA过程

7.2.4 ARMA过程

7.3 平稳性检验

7.3.1 图视法

7.3.2 单积(或单整)序列

7.3.3 趋势平稳(TS)和差分子稳(DS)序列

7.3.4 单位根检验

7.3.5 数值例子

7.4 ARIMA模型的识别、估计和检验

7.4.1 识别

7.4.2 估计

7.4.3 诊断检验

7.5 预测

7.5.1 MA(1)过程

7.5.2 ARMA(1，1)过程

7.5.3 ARMA(1，1，0)过程

7.6 季节性

7.7 一个数值例子：每月新住房动工

习题

第八章 自回归分布滞后关系

8.1 自回归分布滞后关系

8.1.1 恒定弹性关系

8.1.2 参数重组

8.1.3 动态均衡

8.1.4 单位弹性

8.1.5 推广

8.2 设定与检验

8.2.1 一般到简单与简单到一般

8.2.2 估计与检验

8.2.3 外生性

8.2.4 外生性检验

8.2.5 武—豪斯曼检验

8.3 非平稳回归元

8.4 一个数值例子

8.4.1 平稳性

8.4.2 协积

8.4.3 重新设定关系式

8.4.4 一个一般的ADL关系

8.4.5 参数重组

8.5 非嵌套模型

附录

附录8.1 对方程中的变量作非奇异线性变换

附录8.2 证明(8.37)式与(8.41)式的检验统计量相等

习题

第九章 多方程模型

9.1 向量自回归

9.1.1 一个简单的VAR

9.1.2 三变量VAR

9.1.3 高阶系统

9.2 VAR的估计

9.2.1 检验VAR的阶数

9.2.2 葛兰杰因果检验

9.2.3 预测、脉冲反应函数和方差分解

9.2.4 脉冲响应函数

9.2.5 正交新生值

9.2.6 方差分解

9.3 向量误差纠正模型

9.3.1 检验协积秩

9.3.2 协积向量估计

9.3.3 向量误差纠正模型的估计

9.4 联立结构方程模型

9.5 识别条件

9.6 结构方程的估计

9.6.1 非平稳变量

9.6.2 估计的系统方法

附录

附录9.1 似无关回归

附录9.2 高阶VAR

习题

第十章 广义矩法(GMM)

10.1 矩法

10.2 OLS作为一个矩问题

10.3 工具变量作为一个矩问题

10.4 GMM和正交性条件

10.5 GMM估计量的分布

10.6 应用

10.6.1 两阶段最小二乘法和过度识别约束条件的检验

10.6.2 重温武—豪斯曼检验

10.6.3 最大似然法

10.6.4 欧拉方程

10.7 关于参考书

习题

第十一章 密集计算法选讲

第十二章 纵列数据

第十三章 离散和限值固变量模型

附录A 矩阵代数

附录B 统计学

附录C 数据盘

统计学用表

索 引