本書第3版得到國家社會科學基金重大專案“新常態下我國宏觀經濟監測和預測研究”（15ZDA011）、國家自然科學基金專案“中國經濟週期波動的轉捩點識別、階段轉換及預警研究”（71573105）的資助。

近年來隨著大資料的發展，在經濟領域湧現出各類資料庫，包含了國內外大量的宏觀資料、各層次的面板資料、定期的微觀調查資料（企業或個人）、越來越廣泛和細分的產業資料等資料資訊，這些豐富的資料資訊極大地推動了計量經濟學的快速發展，拓展了計量經濟學的研究範圍，增加了計量經濟學研究的實用性，給計量經濟學研究提供了更大的空間、更新的視角，注入了新的動力。目前，計量經濟學和微觀經濟學與宏觀經濟學一起構成了中國經濟類、管理類本科生和研究生必修的三門經濟學核心課程，同時計量經濟模型在經濟理論研究和經濟問題分析中已經被廣泛應用，並取得了豐碩的成果。

第Ⅰ部分資料分析基礎
第1章概率與統計基礎
1．1隨機變數
1．1．1概率分佈
1．1．2隨機變數的數位特徵
1．1．3隨機變數的聯合分佈
1．2從總體到樣本
1．2．1基本統計量
1．2．2估計量性質
1．3一些重要的概率分佈
1．3．1正態分佈
1．3．2χ2分佈
1．3．3t分佈
1．3．4F分佈
1．4統計推斷
1．4．1參數估計
1．4．2假設檢驗
1．5EViews軟體的相關操作
1．5．1單序列的統計量、核對總和分佈
1．5．2多序列的顯示和統計量
第2章經濟時間序列的處理、季節調整與分解
2．1經濟時間序列的處理和頻率轉換方法
2．1．1經濟指標幾種資料類型的概念
2．1．2頻率轉換
2．2季節調整
2．2．1移動平均公式
2．2．2Census X13ARIMASEATS季節調整方法
2．2．3TRAMO/SEATS方法
2．3趨勢分解
2．3．1HodrickPrescott濾波方法
2．3．2頻譜濾波(BP濾波)方法
2．4EViews軟體的相關操作
2．4．1頻率轉換
2．4．2X13ARIMASEATS季節調整
2．4．3TRAMO/SEATS季節調整
2．4．4HodrickPrescott濾波
2．4．5BP濾波
 
第Ⅱ部分基本的單方程分析
第3章基本回歸模型
3．1古典線性回歸模型
3．1．1一元線性回歸模型
3．1．2最小二乘法
3．1．3多元線性回歸模型
3．1．4係數估計量的性質
3．1．5線性回歸模型的檢驗
3．1．6AIC準則和Schwarz準則
3．2回歸方程的函數形式
3．2．1雙對數線性模型
3．2．2半對數模型
3．2．3雙曲函數模型
3．2．4多項式回歸模型
3．2．5BoxCox轉換
3．3包含虛擬變數的回歸模型
3．3．1回歸中的虛擬變數
3．3．2季節調整的虛擬變數方法
3．4模型設定和假設檢驗
3．4．1係數檢驗
3．4．2殘差檢驗
3．4．3模型穩定性檢驗
3．5方程模擬與預測
3．5．1預測誤差與方差
3．5．2預測評價
3．6EViews軟體的相關操作
3．6．1設定回歸方程形式和估計方程
3．6．2方程輸出結果
3．6．3與回歸方程有關的操作
3．6．4模型設定和假設檢驗
3．6．5預測
第4章其他回歸方法
4．1異方差
4．1．1異方差檢驗
4．1．2加權最小二乘估計
4．1．3存在異方差時參數估計量的一致協方差
4．2二階段最小二乘法
4．3非線性最小二乘法
4．4廣義矩方法
4．4．1矩法估計量
4．4．2廣義矩估計
4．5多項式分佈滯後模型
4．6逐步最小二乘回歸
4．7分位數回歸
4．7．1分位數回歸的基本思想和係數估計
4．7．2係數協方差的估計
4．7．3模型評價和檢驗
4．8非參數回歸模型
4．8．1密度函數的非參數估計
4．8．2一元非參數計量經濟模型
4．9穩健最小二乘法(robust)
4．9．1M估計
4．9．2S估計
4．9．3MM估計
4．9．4係數協方差的計算方法
4．10有限資訊極大似然估計和K類估計
4．10．1有限資訊極大似然估計(LIML)
4．10．2K類估計
4．11EViews軟體的相關操作
4．11．1異方差檢驗
4．11．2加權最小二乘法估計
4．11．3White異方差一致協方差和NeweyWest
異方差自相關一致協方差
4．11．4二階段最小二乘法(TSLS)估計
4．11．5非線性最小二乘估計
4．11．6GMM估計
4．11．7估計包含PDLs的模型
4．11．8逐步回歸估計
4．11．9分位數回歸
4．11．10非參數估計
4．11．11Robust最小二乘估計
4．11．12在EViews中進行LIMI和K類估計
4．12附錄廣義最小二乘估計
第5章時間序列模型
5.1序列相關及其檢驗
5.1.1序列相關及其產生的後果
5.1.2序列相關的檢驗方法
5.1.3擾動項存在序列相關的線性回歸方程的修正與估計
5.2平穩時間序列建模
5.2.1平穩時間序列的概念
5.2.2ARMA模型
5.2.3ARMA模型的平穩性
5.2.4ARMA模型的識別
5.3非平穩時間序列建模
5.3.1非平穩序列和單整
5.3.2非平穩序列的單位根檢驗
5.3.3突變點單位根檢驗(breakpoint unit root test)
5.3.4ARIMA模型
5.3.5ARFIMA模型
5.3.6自回歸分佈滯後模型
5.4協整和誤差修正模型
5.4.1協整關係
5.4.2基於殘差的協整檢驗
5.4.3誤差修正模型(ECM)
5.5EViews軟體的相關操作
5.5.1檢驗序列相關性
5.5.2修正序列相關
5.5.3ARMA(p，q)模型的估計
5.5.4單位根檢驗
5.5.5非平穩時間序列估計
5.5.6基於殘差的EG協整檢驗(EG和PO協整檢驗方法)
第Ⅲ部分擴展的單方程分析
第6章條件異方差模型
6.1自回歸條件異方差模型
6.1.1ARCH模型
6.1.2ARCH的檢驗
6.1.3GARCH模型
6.1.4IGARCH模型
6.1.5約束及回推
6.1.6GARCH模型的殘差分佈假設
6.1.7GARCHM模型
6.2非對稱的ARCH模型
6.2.1TARCH模型
6.2.2EGARCH模型
6.2.3PARCH模型
6.2.4非對稱的資訊衝擊曲線
6.3成分ARCH模型
6.4EViews軟體的相關操作
6.4.1ARCH檢驗
6.4.2ARCH模型的建立
6.4.3ARCH模型的視圖和過程
6.4.4ARCH模型的輸出
6.4.5繪製估計的資訊衝擊曲線
第7章離散因變數和受限因變數模型
7.1二元選擇模型
7.1.1線性概率模型及二元選擇模型的形式
7.1.2二元選擇模型的估計問題
7.1.3二元選擇模型的變數假設檢驗問題
7.2排序選擇模型
7.3受限因變數模型
7.3.1審查、選擇性樣本和截斷資料
7.3.2受限因變數資料為什麼不能用普通最小二乘估計
7.3.3審查回歸模型
7.3.4截斷回歸模型
7.4Heckman樣本選擇模型
7.5計數模型
7.5.1泊松模型的形式與參數估計
7.5.2負二項式模型的形式與參數估計
7.5.3准—極大似然估計
7.6廣義線性模型
7.6.1廣義線性模型的形式
7.6.2廣義線性模型的參數估計
7.7EViews軟體的相關操作
7.7.1二元選擇模型
7.7.2排序選擇模型
7.7.3審查回歸模型
7.7.4截斷回歸模型
7.7.5Heckman選擇模型
7.7.6計數模型
7.7.7廣義線性模型
第8章對數極大似然估計
8.1對數極大似然估計的基本原理
8.1.1極大似然估計的基本原理
8.1.2極大似然估計量的計算方法
8.1.3優化演算法
8.2對數極大似然的估計實例
8.2.1一元線性回歸模型的極大似然函數
8.2.2AR(1)模型的極大似然函數
8.2.3GARCH(q，p)模型的極大似然函數
8.2.4具有異方差的一元線性回歸模型的極大似然函數
8.3EViews軟體的相關操作
8.3.1似然物件的建立
8.3.2似然物件的估計、視圖和過程
8.3.3問題解答
第9章具有結構變化特徵的回歸模型
9.1間斷點回歸模型
9.1.1多個間斷點的檢驗
9.1.2包含多個間斷點時的方程估計
9.2門限回歸模型
9.2.1門限回歸(TR)模型
9.2.2自激勵門限自回歸(SETAR)模型
9.3轉換回歸模型
9.3.1轉換回歸的基本模型
9.3.2瑪律可夫區制轉換模型
9.3.3動態轉換模型
9.4EViews軟體的相關操作
9.4.1間斷點核對總和間斷點模型估計
9.4.2門限模型的估計
9.4.3轉換方程物件的建立與估計
 
第Ⅳ部分多方程分析
第10章向量自回歸和向量誤差修正模型
10.1向量自回歸理論
10.1.1VAR模型的一般表示
10.1.2結構VAR模型(SVAR)
10.2結構VAR(SVAR)模型的識別條件
10.2.1SVAR模型的識別條件
10.2.2SVAR模型的約束形式
10.3VAR模型的檢驗
10.3.1Granger因果檢驗
10.3.2滯後階數p的確定
10.4脈衝回應函數
10.4.1脈衝回應函數的基本思想
10.4.2VAR模型的脈衝回應函數
10.4.3廣義脈衝回應函數
10.4.4SVAR模型的脈衝回應函數
10.5方差分解
10.6Johansen協整檢驗
10.6.1特徵根跡檢驗(trace檢驗)
10.6.2最大特徵值檢驗
10.6.3協整方程的形式
10.7向量誤差修正模型
10.8貝葉斯VAR模型
10.8.1貝葉斯VAR模型的基本思想
10.8.2先驗分佈
10.9EViews軟體的相關操作
10.9.1VAR模型的建立和估計
10.9.2VAR模型的視圖
10.9.3VAR模型的過程
10.9.4脈衝回應函數的計算
10.9.5方差分解的實現
10.9.6協整檢驗
10.9.7VEC模型的建立和估計
10.9.8BVAR模型的估計
第11章基本的Panel Data模型
11.1Panel Data模型的基本原理
11.1.1Panel Data模型概述
11.1.2Panel Data模型分類
11.2模型形式設定檢驗
11.3變截距模型
11.3.1固定影響變截距模型
11.3.2隨機影響變截距模型
11.3.3Hausman檢驗
11.4變係數模型
11.4.1固定影響變係數模型
11.4.2隨機影響變係數模型
11.5Panel Data模型係數協方差的估計方法
11.6EViews軟體的相關操作
11.6.1含有Pool物件的工作檔
11.6.2Pool物件中資料處理
11.6.3Pool物件的模型估計
第12章擴展的Panel Data模型
12.1面板資料的單位根檢驗
12.1.1相同根情形下的單位根檢驗
12.1.2不同根情形下的單位根檢驗
12.2面板資料的協整檢驗
12.2.1Pedroni檢驗
12.2.2Kao檢驗
12.2.3Fisher面板協整檢驗
12.3面板資料廣義矩（GMM）方法
12.3.1面板資料GMM方法的基本原理
12.3.2面板資料GMM的估計方法
12.4動態面板資料回歸模型
12.4.1動態面板資料回歸模型簡介
12.4.2動態面板資料模型的估計
12.5EViews軟體的相關操作
12.5.1構建面板工作文件
12.5.2面板資料的基本分析
12.5.3面板資料模型的建立與估計
第13章狀態空間模型和卡爾曼濾波
13.1狀態空間模型的定義
13.2卡爾曼濾波
13.2.1Kalman濾波的一般形式
13.2.2Kalman濾波的解釋和性質
13.2.3修正的Kalman濾波遞推公式
13.2.4非時變模型及Kalman濾波的收斂性
13.2.5Kalman濾波的初始條件
13.3狀態空間模型超參數的估計
13.3.1似然函數形式的預測誤差分解
13.3.2超參數的估計方法
13.4狀態空間模型的應用
13.4.1可變參數模型的狀態空間表示
13.4.2季節調整的狀態空間形式
13.4.3ARMAX模型的狀態空間形式
13.5EViews軟體的相關操作
13.5.1定義狀態空間模型
13.5.2估計狀態空間模型
13.5.3狀態空間模型的視窗和過程
第14章聯立方程模型的估計與類比
14.1聯立方程系統概述
14.1.1聯立方程系統的基本概念
14.1.2聯立方程系統的識別
14.1.3一個小型中國宏觀經濟聯立方程模型
14.2聯立方程系統的估計方法
14.2.1單方程估計方法
14.2.2系統估計方法
14.2.3多變數ARCH方法
14.3聯立方程模型的類比
14.3.1聯立方程模型概述
14.3.2模型類比的分類
14.3.3模型的評估
14.3.4情景分析
14.4EViews軟體的相關操作
14.4.1聯立方程系統的基本操作
14.4.2聯立方程模型的類比與預測
14.4.3聯立方程模型的求解
14.4.4聯立方程模型的資料操作
第15章主成分分析和因數分析
15.1主成分分析
15.1.1主成分分析的基本思想
15.1.2總體主成分求解及其性質
15.1.3樣本的主成分
15.2因數分析
15.2.1基本的因數分析模型
15.2.2正交因數模型的性質
15.2.3因數載荷的估計方法
15.2.4因數數目的確定方法及檢驗
 15.2.5因數旋轉
15.2.6因數得分
15.3EViews軟體的相關操作
15.3.1主成分分析的實現
15.3.2因數分析的實現
15.3.3因數旋轉的操作
15.3.4計算因數得分
15.3.5因數視圖
15.3.6因數過程
 
附錄AEViews中的常用函數
A1. 公式中的運算子號及其含義
A2. 時間序列函數及其含義
A3. 序列描述性統計量的@函數及其含義
A4. 三角函數
A5. 統計函數
A6. 回歸統計量的@函數及其含義
參考文獻

第3版前言

本書第3版得到國家社會科學基金重大專案“新常態下宏觀經濟監測和預測研究”（15ZDA011）、國家自然科學基金專案“中國經濟週期波動的轉捩點識別、階段轉換及預警研究”（71573105）的資助。

近年來隨著大資料的發展，在經濟領域湧現出各類資料庫，包含了國內外大量的宏觀資料、各層次的面板資料、定期的微觀調查資料（企業或個人）、越來越廣泛和細分的產業資料等資料資訊，這些豐富的資料資訊極大地推動了計量經濟學的快速發展，拓展了計量經濟學的研究範圍，增加了計量經濟學研究的實用性，給計量經濟學研究提供了更大的空間、更新的視角，注入了新的動力。目前，計量經濟學和微觀經濟學與宏觀經濟學一起構成了中國經濟類、管理類本科生和研究生必修的三門經濟學核心課程，同時計量經濟模型在經濟理論研究和經濟問題分析中已經被廣泛應用，並取得了豐碩的成果。

為了追蹤和反映大資料背景下計量經濟學的新發展，本書的第3版增加了一些計量經濟學的新理論、方法與應用實例，對本書第2版做了較大的修改。第3版增加和修改的主要內容如下。

(1) 第2章增加了兩個內容： ①介紹了幾種經濟資料類型的概念和處理方法，以及多種資料頻率的轉換方法，在做經濟計量分析時，對於收集到的原始經濟資料往往經過處理才能使用，因此建模前需對所獲得指標進行處理，並且還要對不同資料頻率（如年度、季度或月度）進行資料頻率轉換，使其具有可信性、合理性和一致性； ②X13ARIMASEATS季節調整方法和TRAMO/SEATS季節調整方法的基本原理和功能，這節是對第2版中季節調整方法的修改。

(2) 第4章增加了兩個內容： ①穩健最小二乘法（robust least squares），當估計回歸模型時，普通最小二乘估計量對異常值（奇異值）的存在是敏感的。這些異常觀測值的敏感性可能會破壞變數之間的潛在統計關係，而穩健最小二乘法是針對異常值而設計的，書中包括3種穩健最小二乘估計： M估計、S估計和MM估計； ②有限資訊極大似然估計（LIML）和K類估計方法，它們優於傳統的二階段最小二乘估計。

(3) 第5章增加了4個內容： ①突變點單位根檢驗（breakpoint unit root test），介紹了具有突變點的時間序列的基本概念、突變點單位根檢驗的基本原理以及幾種常用的檢驗方法； ②ARFIMA模型，又稱自回歸分整動平均模型，在自回歸和動平均模型的基礎上，允許非整數階的序列差分； ③自回歸分佈滯後模型（ARDL），可以通過建立包含多期因變數和引數滯後的ARDL進行建模； ④介紹了基於殘差的協整檢驗的兩種方法： EngleGranger核對總和PhillipsOuliaris檢驗方法的基本原理和檢驗步驟。

(4) 第7章改動較大，增加了兩個內容、8個實例： ①赫克曼（Heckman）以微觀經濟理論來解釋個體資料而提出的Heckman樣本選擇模型； ②廣義線性模型（generalized linear models, GLMs）是常見的普通線性模型的直接推廣，它可適用於因變數為連續型資料和離散型資料兩種情況，在實際應用中離散型因變數的情形更加常見； ③經濟分析中經常會遇到大量的個體和企業的調查資料，這些資料具有很多與時間序列資料不同的特點，常存在離散選擇性問題、資料審查（截斷）、選擇性樣本等問題，一般來說需要採用微觀計量經濟學方法進行定量分析。因此本章增加了8個微觀經濟實例來說明如何運用微觀計量經濟學方法進行建模分析。

(5) 本書新增了第9章： 具有結構變化特徵的回歸模型。這章包含3個內容： ①間斷點回歸模型（breakpoints regression）； ②門限回歸模型（threshold regression，TR），以嚴格的統計推斷方法對門限值進行參數估計與假設檢驗； ③區制轉換模型，包含瑪律可夫區制轉換模型（Markov Regime Switching Model, MS）。標準的線性回歸模型假定模型參數在樣本區間中是不變的，但是，在時間序列分析領域，樣本區間中參數出現變化（結構變化，structural change）的經驗分析是非常重要的。從間斷點回歸模型，到門限回歸模型，再到區制轉換回歸模型，是依次遞進的。實際上，間斷點回歸模型是結構變化回歸模型的*初形式，其將時間作為一種“門限”，找出間斷點後進行分段回歸； 門限回歸以被解釋變數的滯後項、解釋變數或者其他變數作為門限，不僅對於區制的劃分更為科學，而且對於不同區制內被解釋變數差異化影響因素的解釋更為合理，最重要的是打破了間斷點回歸模型中僅以時間作為門限變數的限制； 在門限回歸模型的基礎上，區制轉換回歸模型研究了不同區制之間的轉換概率等特徵，這對於預測而言是一種重要的參考。

(6) 第10章增加了貝葉斯VAR（Bayesian Vector Autoregression，BVAR）模型。VAR模型的主要缺點在於需要估計的參數過多，這將導致模型的過度擬合問題： 儘管模型的樣本內擬合效果良好，但所估計的係數大多不顯著，而且隨著預測期間的延長，樣本外預測效果會迅速惡化。解決過度擬合問題的一種方法是SVAR模型，通過對參數空間施加短期約束和長期約束來減少待估參數； 另一種施加參數約束的方法是基於貝葉斯方法估計VAR模型，本章介紹了BVAR模型的基本思想、方法和應用。

(7) 隨著使用跨國時間序列資料研究購買力平價、經濟增長收斂和國際研發溢出等問題的廣泛開展，面板資料計量經濟學的一個領域開始向宏觀面板資料的研究拓展，同時隨著定期進行微觀調查的各類資料庫的不斷湧現，面板資料計量經濟學的另一個領域也在向微觀面板資料的研究深入開展。由於面板資料模型包含的內容較多，本書將面板資料模型分為兩章，即第11章和第12章。其中，第12章的第3、4節為新增內容。第3節為面板資料的廣義矩方法（PGMM）。面板GMM方法允許隨機誤差項存在異方差和序列相關，所得到的參數估計量比其他參數估計方法更合乎實際。第4節為動態面板模型的估計及檢驗。很多經濟關係本質上都具有動態性，面板資料的優勢之一就在於它可以使研究者更好地理解動態調整過程。刻畫這些動態關係的面板資料回歸模型，即動態面板資料回歸模型具有的共同特徵是回歸變數中含有滯後的被解釋變數。本書第12章第4節介紹了兩種動態面板資料模型估計方法： Difference GMM（差分GMM）和Orthogonal Deviations GMM（正交GMM）。

由於計量經濟學課程的課時有限，教師通常沒有足夠的課時幫助學生將所學的模型方法應用於實際的經濟問題中，並通過電腦軟體進行建模、分析和模擬訓練，進而提高運用計量模型進行分析的實際能力，導致了理論教學和實際應用之間的脫節，因此，需要再開設一門應用計量經濟學或計量經濟方法建模的課程。為此，本書寫作的一個重要特色就是注重計量經濟學的理論和實際經濟問題相結合，通過全面介紹計量經濟學的主要理論和方法，將它們納入一個完整、清晰的體系之中。並在此基礎上，提供了大量的基於經濟問題的模型實例，協助教師提高教學效率，增強學生的學習興趣和實際建模能力。本書的作者們都是多年從事計量經濟學教學和研究的教師，融入了作者們教學和科研的體會，書中大多數實際案例是作者們在實踐中運用的實例和國內外的經典實例。同時基於EViews軟體來介紹實際應用技巧，具有很強的可操作性，可以作為應用計量經濟學課程的教材。對於在經濟、統計、金融等領域從事定量分析的工作人員，本書也是一本很好的參考書。

本書的適用範圍： 對於學過初級計量經濟學課程的本科生可以講授本書的第1章、第2章（2.1節、2.2節）、第3章、第4章（4.1節、4.2節）、第5章的部分內容，以及多方程部分的第11章和第14章的簡單內容； 對於學過中高級計量經濟學課程的碩士和博士研究生可以講授第2章、第4章（4.3節~4.10節）、第5章、擴展的單方程分析的第6~9章、多方程部分的第10章、第12~15章。

美國IHS公司2015年推出EViews 9版本軟體，我們購買了該版本軟體。本書的EViews軟體操作部分都採用EViews 9版本軟體。

本書相關實例的原始資料（Excel表）、EViews工作檔和各章課件由於篇幅的原因，第2版中附錄A（EViews軟體基礎）和附錄B（EViews程式設計）被刪除，網上的課件中將保留相應的內容。可以在清華大學出版社網站下載。

本書由下列人員編寫完成本書第1版和第2版的主要作者梁雲芳教授不幸因病於2013年10月去世，她所承擔章節（第1版前言和第2版前言已列出）的修改、補充、增加等工作由其他作者來完成，不再標出。： 第1、3、4章，王金明； 第2、10章，陳飛； 第5章，康書隆； 第6、8、14章和附錄A，劉玉紅； 第7、15章，王亞芬； 第9章，張同斌； 第11、12章，孔憲麗； 第13章： 高鐵梅。最後由高鐵梅對全書進行了審閱、修改和定稿。

在本書第3版出版之際，特別感謝清華大學出版社的張偉編輯，在她的熱情鼓勵和大力支持下，本書第3版得以順利出版。還有許多同行專家、碩士和博士研究生對本書給予了幫助，在這裡一併表示感謝。我們把這本書奉獻給所有給予我們支持和幫助的人。

由於我們水準有限，錯誤或不當之處在所難免，誠懇地歡迎同行專家和讀者批評指正，並提出寶貴的意見和建議。

高鐵梅
2016年11月5日