《經(jīng)濟(jì)計(jì)量學(xué)精要（第4版）（2010年最新版）》旨在向讀者介紹經(jīng)濟(jì)計(jì)量理論和技術(shù)，力求通過(guò)大量實(shí)例、翔實(shí)解釋和豐富習(xí)題幫助學(xué)生理解經(jīng)濟(jì)計(jì)量技術(shù)。根據(jù)學(xué)生和教師的建議，第4版的框架進(jìn)行了重新調(diào)整，增加了許多新例子，并恰如其分地給出了各種軟件的計(jì)算機(jī)輸出結(jié)果。
　　《經(jīng)濟(jì)計(jì)量學(xué)精要（第4版）（2010年最新版）》重點(diǎn)面向經(jīng)濟(jì)學(xué)和管理類專業(yè)本科生以及MBA學(xué)員，也適用于涉及經(jīng)濟(jì)計(jì)量分析，尤其是回歸分析的其他社會(huì)科學(xué)和行為科學(xué)專業(yè)的學(xué)生。

　　與前幾版一樣，《經(jīng)濟(jì)計(jì)量學(xué)精要》第4版最主要的目的是向讀者通俗易懂地介紹經(jīng)濟(jì)計(jì)量學(xué)的理論和技術(shù)。本書主要面向經(jīng)濟(jì)學(xué)和工商管理專業(yè)的本科生以及MBA學(xué)員，也適用于涉及經(jīng)濟(jì)計(jì)量分析，尤其是回歸分析的其他社會(huì)科學(xué)和行為科學(xué)專業(yè)的學(xué)生。本書力求通過(guò)大量的實(shí)例、翔實(shí)的解釋和豐富的習(xí)題幫助學(xué)生理解經(jīng)濟(jì)計(jì)量技術(shù)。
　　雖然我已年過(guò)80，但是對(duì)于經(jīng)濟(jì)計(jì)量學(xué)的熱愛(ài)絲毫未減，并努力跟蹤這個(gè)領(lǐng)域的最新進(jìn)展。我的助手，南加州大學(xué)洛杉磯分校馬歇爾商學(xué)院統(tǒng)計(jì)學(xué)助理教授道恩博士（也是本書的作者之一）給了我極大的支持與幫助。本書第4版凝結(jié)了我們的堅(jiān)持與付出。本版特點(diǎn)
　　在介紹本書內(nèi)容變更之前，首先提醒讀者關(guān)注本版的一些特點(diǎn)：
　�。�1）為了直接進(jìn)入線性回歸這個(gè)核心內(nèi)容，本版把統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)放在了附錄部分，這樣可以隨時(shí)翻閱附錄回顧統(tǒng)計(jì)學(xué)知識(shí)。
　　（2）本版案例中的數(shù)據(jù)都進(jìn)行了更新。
　　（3）本版增加了一些新例子。
　�。�4）在某些章節(jié)還對(duì)原版的例子進(jìn)行了擴(kuò)展。
　�。�5）本版還給出了一些例子的計(jì)算機(jī)輸出結(jié)果。大多數(shù)例子都是基于EViews6、STATA和MINITAB實(shí)現(xiàn)的。（6）本版還提供了一些新圖形。（7）本版引入了新的數(shù)據(jù)集。
　�。�8）為了簡(jiǎn)約版面，本版僅羅列出一些小樣本數(shù)據(jù)，大樣本數(shù)據(jù)在網(wǎng)上教材中給出。當(dāng)然，網(wǎng)上教材提供了書中使用到的所有數(shù)據(jù)。

　　達(dá)莫達(dá)爾 N.古扎拉蒂（Damodar N.Gujarati），達(dá)莫達(dá)爾N.古扎拉蒂曾執(zhí)教于紐約城市大學(xué)（25年多）和西點(diǎn)軍事學(xué)院社會(huì)科學(xué)系（17年）。古扎拉蒂博士于1960年獲孟買大學(xué)商學(xué)碩士學(xué)位，1963年獲芝加哥大學(xué)MBA碩士學(xué)位，1965年獲芝加哥大學(xué)博士學(xué)位。古扎拉蒂曾在Review of Economics and Statistics.Economic Journal，Journal of Financial and Quantitative Analysis，Journal of Business等國(guó)際著名雜志上發(fā)表多篇論文。古扎拉蒂博士曾任Journal of Quantitative Economics和官方刊物Indian Econometric Society的編委會(huì)成員。古扎拉蒂博士代表著作有《退休金與紐約市的財(cái)政危機(jī)》（Pensions and New York City Fiscal Crisis American Enterprise Institute，1978），《政府和企業(yè)》（Government and Business McGraw-Hill，1984）和《經(jīng)濟(jì)計(jì)量學(xué)》（Basic Econometrics。5th ed.McGraw-Hill，2009）。古扎拉蒂博士在經(jīng)濟(jì)計(jì)量學(xué)領(lǐng)域的著作已被譯成多種文字出版。
　　古扎拉蒂博士曾是英國(guó)謝菲爾德大學(xué)的訪問(wèn)教授（1970～1971年），富布萊特項(xiàng)目訪問(wèn)教授（印度，1981-1982年），新加坡國(guó)立大學(xué)訪問(wèn)教授（1985-1986年），澳大利亞新南威爾士大學(xué)經(jīng)濟(jì)計(jì)量學(xué)訪問(wèn)教授（1988年夏）。古扎拉蒂博士曾先后在澳大利亞、中國(guó)、孟加拉國(guó)、德國(guó)、印度、以色列、毛里求斯、韓國(guó)等講授宏觀和微觀經(jīng)濟(jì)學(xué)專題。
　　道恩.C.波特（Dawn C.Porter），于2006年秋季開始擔(dān)任南加州大學(xué)馬歇爾商學(xué)院信息和運(yùn)營(yíng)管理系助理教授，為本科生、MBA和研究生講授統(tǒng)計(jì)學(xué)課程。此前，道恩曾任喬治敦大學(xué)麥克多諾商學(xué)院助理教授，紐約大學(xué)藝術(shù)和科學(xué)研究生院心理學(xué)系客座教授，紐約大學(xué)斯特恩商學(xué)院講師。道恩在紐約大學(xué)斯特恩商學(xué)院獲得統(tǒng)計(jì)學(xué)博士學(xué)位，在康奈爾大學(xué)獲數(shù)學(xué)學(xué)士學(xué)位。
　　道恩博士的研究領(lǐng)域涉及范疇分析、契約度量、多變量建模以及這些方法在心理學(xué) 方面的應(yīng)用，現(xiàn)在重點(diǎn)關(guān)注的是從統(tǒng)計(jì)學(xué)角度研究在線拍賣模型。道恩博士曾在Joint Statistical Meetings、Decision Sciences Institute：Meetings、International Conference on Information Systems會(huì)議上發(fā)表學(xué)術(shù)演講，并參加了倫敦經(jīng)濟(jì)學(xué)院、紐約大學(xué)等高校，以 及各種電子商務(wù)和統(tǒng)計(jì)研討會(huì)。道恩博士還合著出版了《商業(yè)統(tǒng)計(jì)精要》（第2版） （Essentials of Business Statistics）以及《經(jīng)濟(jì)計(jì)量學(xué)》（第5版）（Basic Econometrics）。
　　此外，道恩博士還擔(dān)任畢馬威公司、美國(guó)政府國(guó)民抵押貸款協(xié)會(huì)、反斗城玩具公司、 IBM公司、Cosmaire公司、紐約大學(xué)媒體中心等多家公司的統(tǒng)計(jì)咨詢顧問(wèn)。

前言
作者簡(jiǎn)介
教學(xué)建議
第1章 經(jīng)濟(jì)計(jì)量學(xué)的特征及研究范圍
1.1 什么是經(jīng)濟(jì)計(jì)量學(xué)
1.2 為什么要學(xué)習(xí)經(jīng)濟(jì)計(jì)量學(xué)
1.3 經(jīng)濟(jì)計(jì)量學(xué)方法論
1.4 全書結(jié)構(gòu)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題
附錄1A 互聯(lián)網(wǎng)上的經(jīng)濟(jì)數(shù)據(jù)

第一部分 線性回歸模型
第2章 線性回歸的基本思想雙變量模型
2.1 回歸的含義
2.2 總體回歸函數(shù)（PRF）:假想一例
2.3 總體回歸函數(shù)的統(tǒng)計(jì)或隨機(jī)設(shè)定
2.4 隨機(jī)誤差項(xiàng)的性質(zhì)
2.5 樣本回歸函數(shù)
2.6 “線性”回歸的特殊含義
2.7 從雙變量回歸到多元線性回歸
2.8 參數(shù)估計(jì)：普通最小二乘法
2.9 綜合
2.10 一些例子
2.11 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題 選作題
附錄2A 最小二乘估計(jì)值的推導(dǎo)

第3章 雙變量模型：假設(shè)檢驗(yàn)
3.1 古典線性回歸模型
3.2 普通最小二乘估計(jì)量的方差與標(biāo)準(zhǔn)誤
3.3 為什么使用OLS？OLS估計(jì)量的性質(zhì)
3.4 OLS估計(jì)量的抽樣分布或概率分布
3.5 假設(shè)檢驗(yàn)
3.6 擬合回歸直線的優(yōu)度：判定系數(shù)
3.7 回歸分析結(jié)果的報(bào)告
3.8 數(shù)學(xué)S.A.T一例的計(jì)算機(jī)輸出結(jié)果
3.9 正態(tài)性檢驗(yàn)
3.10 綜合實(shí)例：美國(guó)商業(yè)部門工資和生產(chǎn)率的關(guān)系（1959-2006年）
3.11 預(yù)測(cè)
3.12 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題

第4章 多元回歸：估計(jì)與假設(shè)檢驗(yàn)
4.1 三變量線性回歸模型
4.2 多元線性回歸模型的若干假定
4.3 多元回歸參數(shù)的估計(jì)
4.4 估計(jì)多元回歸的擬合優(yōu)度多元判定系數(shù)R2
4.5 古董鐘拍賣價(jià)格一例
4.6 多元回歸的假設(shè)檢驗(yàn)
4.7 對(duì)偏回歸系數(shù)進(jìn)行假設(shè)檢驗(yàn)
4.8 檢驗(yàn)聯(lián)合假設(shè)：B2=B3=或R2=0
4.9 從多元回歸模型到雙變量模型：設(shè)定誤差
4.10 比較兩個(gè)R2值：校正的判定系數(shù)
4.11 什么時(shí)候增加新的解釋變量
4.12 受限最小二乘
4.13 若干實(shí)例
4.14 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題
附錄4A.1 式（4-20）至（4-22）中OLS估計(jì)量的推導(dǎo)
附錄4A.2 式（4-31）的推導(dǎo)
附錄4A.3 式（4-50）的推導(dǎo)
附錄4A.4 古董鐘拍賣價(jià)格一例的EViews輸出結(jié)果

第5章 回歸模型的函數(shù)形式
5.1 如何度量彈性：雙對(duì)數(shù)模型
5.2 比較線性和雙對(duì)數(shù)回歸模型
5.3 多元對(duì)數(shù)線性回歸模型
5.4 如何預(yù)測(cè)增長(zhǎng)率：半對(duì)數(shù)模型
5.5 線性一對(duì)數(shù)模型：解釋變量是對(duì)數(shù)形式
5.6 倒數(shù)模型
5.7 多項(xiàng)式回歸模型
5.8 過(guò)原點(diǎn)的回歸
5.9 關(guān)于度量比例和單位的說(shuō)明
5.10 標(biāo)準(zhǔn)化變量的回歸
5.11 函數(shù)形式小結(jié)
5.12 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題
附錄5A 對(duì)數(shù)

第6章 虛擬變量回歸模型
6.1 虛擬變量的性質(zhì)
6.2 ANCOVA模型：包含一個(gè)定量變量、一個(gè)兩分定性變量的回歸
6.3 包含一個(gè)定量變量、一個(gè)多分定性變量的回歸
6.4 包含一個(gè)定量變量和多個(gè)定性變量的回歸
6.5 比較兩個(gè)回歸
6.6 虛擬變量在季節(jié)分析中的應(yīng)用
6.7 應(yīng)變量也是虛擬變量的情形：線性概率模型（LPM）
6.8 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題

第二部分 實(shí)踐中的回歸分析
第7章 模型選擇：標(biāo)準(zhǔn)與檢驗(yàn)
7.1 “好的”模型具有的性質(zhì)
7.2 設(shè)定誤差的類型
7.3 遺漏相關(guān)變量：“過(guò)低擬合模型”
7.4 包括不相關(guān)變量：“過(guò)度擬合模型”
7.5 不正確的函數(shù)形式
7.6 度量誤差
7.7 診斷設(shè)定誤差：設(shè)定誤差的檢驗(yàn)
7.8 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題

第8章 多重共線性：解釋變量相關(guān)會(huì)有什么后果
8.1 多重共線性的性質(zhì)：完全多重共線性的情形
8.2 近似或者不完全多重共線性的情形
8.3 多重共線性的理論后果
8.4 多重共線性的實(shí)際后果
8.5 多重共線性的診斷
8.6 多重共線性必定不好嗎
8.7 擴(kuò)展一例：1960-1982年期間美國(guó)的雞肉需求
8.8 如何解決多重共線性：補(bǔ)救措施
8.9 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題

第9章 異方差：如果誤差方差不是常數(shù)會(huì)有什么結(jié)果
9.1 異方差的性質(zhì)
9.2 異方差的后果
9.3 異方差的診斷：如何知道存在異方差問(wèn)題
9.4 觀察到異方差該怎么辦：補(bǔ)救措施
9.5 懷特異方差校正后的標(biāo)準(zhǔn)誤和統(tǒng)計(jì)量
9.6 若干異方差實(shí)例
9.7 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題

第10章 自相關(guān)：如果誤差項(xiàng)相關(guān)會(huì)有什么結(jié)果
10.1 自相關(guān)的性質(zhì)
10.2 自相關(guān)的后果
10.3 自相關(guān)的診斷
10.4 補(bǔ)救措施
10.5 如何估計(jì)
10.6 校正OLS標(biāo)準(zhǔn)誤的大樣本
方法：紐維-韋斯特（Newey-West）方法
10.7 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題
附錄10A游程檢驗(yàn)
附錄10B自相關(guān)的一般性檢驗(yàn)：布魯
爾什-戈弗雷（BG）檢驗(yàn)

第三部分 絮滿科群商級(jí)專題
第11章 聯(lián)立方程模型
11.1 聯(lián)立方程模型的性質(zhì)
11.2 聯(lián)立方程的偏誤：OLS估計(jì)量的非一致性
11.3 間接最小二乘法
11.4 間接最小二乘：一則實(shí)例
11.5 模型識(shí)別問(wèn)題
11.6 識(shí)別規(guī)則：識(shí)別的階條件
11.7 過(guò)度識(shí)別方程的估計(jì)：兩階段最小二乘法
11.8 2SLS：一個(gè)數(shù)字例子
11.9 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題
附錄11A OLS估計(jì)量的非一致性

第12章 單方程回歸模型的幾個(gè)專題
12.1 動(dòng)態(tài)經(jīng)濟(jì)模型：自回歸和分布滯后模型
12.2 偽回歸現(xiàn)象：非平衡時(shí)間序列
12.3 平穩(wěn)性檢驗(yàn)
12.4 協(xié)整時(shí)間序列
12.5 隨機(jī)游走模型
12.6 分對(duì)數(shù)模型
12.7 小結(jié)
關(guān)鍵術(shù)語(yǔ)和概念 問(wèn)題習(xí)題

附錄 概率論與統(tǒng)計(jì)學(xué)基礎(chǔ)
附錄A 統(tǒng)計(jì)學(xué)回顧概率與概率分布
附錄B 概率分布的特征
附錄C 一些重要的概率分布
附錄D 統(tǒng)計(jì)推斷：估計(jì)與假設(shè)檢驗(yàn)
附錄E 統(tǒng)計(jì)表
附錄F EViews、MINITAB、Excel和STATA的計(jì)算機(jī)輸出結(jié)果
參考文獻(xiàn)

　　（7）檢驗(yàn)源自模型的假設(shè)。
　�。�8）利用模型進(jìn)行預(yù)測(cè)。
　　為了闡明經(jīng)濟(jì)計(jì)量學(xué)方法論，不妨考慮這樣一個(gè)問(wèn)題：經(jīng)濟(jì)形勢(shì)會(huì)影響人們進(jìn)入勞動(dòng)力市場(chǎng)的決策嗎？也就是說(shuō)，經(jīng)濟(jì)形勢(shì)是否對(duì)人們的工作意愿有影響？假設(shè)用失業(yè)率（UNR）度量經(jīng)濟(jì)形勢(shì)，用勞動(dòng)力參與率（LFPR）度量勞動(dòng)力參與，UNR和LFPR的數(shù)據(jù)由政府按時(shí)公布。我們按上述步驟回答這個(gè)問(wèn)題。
　　1.3.1建立一個(gè)理論假說(shuō)
　　首先要了解經(jīng)濟(jì)理論對(duì)這一問(wèn)題是怎樣闡述的。在勞動(dòng)力經(jīng)濟(jì)學(xué)中，關(guān)于經(jīng)濟(jì)形勢(shì)對(duì)人們工作意愿的影響有兩個(gè)互相對(duì)立的假說(shuō)。受挫-工人假說(shuō)（效應(yīng)）認(rèn)為當(dāng)經(jīng)濟(jì)形勢(shì)惡化時(shí)（表現(xiàn)為較高的失業(yè)率），許多失業(yè)工人放棄尋找工作的愿望并退出勞動(dòng)力市場(chǎng)。增加-工人假說(shuō)（效應(yīng)）認(rèn)為當(dāng)經(jīng)濟(jì)形勢(shì)惡化時(shí)，許多尚未進(jìn)入勞動(dòng)力市場(chǎng)的后備工人（比如帶孩子的母親）可能會(huì)由于養(yǎng)家的人失去工作而決定進(jìn)入勞動(dòng)力市場(chǎng)，即使這些工作的報(bào)酬很低，只要可以彌補(bǔ)由于養(yǎng)家的人失去工作而造成的收入損失就行。
　　總而言之，勞動(dòng)力參與率的增加或減少取決于增加-工人效應(yīng)和受挫-工人效應(yīng)的強(qiáng)弱對(duì)比。如果增加-工人效應(yīng)占主導(dǎo)，則LFPR將升高，即使是在失業(yè)率很高的情況下。相反，如果是受挫-工人效應(yīng)占主導(dǎo)，那么LYPR將會(huì)下降。如何得到這一結(jié)果呢？這就成了一個(gè)實(shí)證問(wèn)題。
　　1.3.2收集數(shù)據(jù)
　　因此，在實(shí)證分析中需要這兩個(gè)變量的定量信息。一般來(lái)說(shuō)，有三類數(shù)據(jù)可用于實(shí)證分析：
　�。�1）時(shí)間序列數(shù)據(jù)。
　�。�2）截面數(shù)據(jù)。
　�。�3）合并數(shù)據(jù)（時(shí)間序列數(shù)據(jù)與截面數(shù)據(jù)的組合）。
　　時(shí)間序列數(shù)據(jù)（times series data）是按時(shí)間跨度收集得到的。比如GDP、失業(yè)、就業(yè)、貨幣供給、政府赤字等，這些數(shù)據(jù)是按照規(guī)則的時(shí)間間隔收集得到的——每天（比如股票價(jià)格）、每周（比如貨幣供給）、每月（比如失業(yè)率）、每季度（比如GDP）或每年（比如政府預(yù)算）。這些數(shù)據(jù)可能是定量的（比如價(jià)格、收入、貨幣供給等），也可能是定性的（比如男或女、失業(yè)或就業(yè)、已婚或未婚、白人或黑人等）。你會(huì)發(fā)現(xiàn)，定性變量（又稱為虛擬變量或分類變量）與定量變量同樣重要。
　　截面數(shù)據(jù)（cross-sectional data）是指一個(gè)或多個(gè)變量在某一時(shí)點(diǎn)上的數(shù)據(jù)集合。例如美國(guó)人口調(diào)查局每十年進(jìn)行的人口普查（最近一次是在2000年4月1日進(jìn)行的），密執(zhí)安大學(xué)進(jìn)行的消費(fèi)者支出調(diào)查以及Gallup、Harris和其他投票組織進(jìn)行的民意測(cè)驗(yàn)等。
　　合并數(shù)據(jù)（pooled data）既包括時(shí)間序列數(shù)據(jù)又包括截面數(shù)據(jù)。例如，如果要收集20年間10個(gè)國(guó)家的失業(yè)率數(shù)據(jù)，那么這個(gè)數(shù)據(jù)集就是一個(gè)合并數(shù)據(jù)——每個(gè)國(guó)家20年間的失業(yè)率構(gòu)成時(shí)間序列數(shù)據(jù)，而10個(gè)不同國(guó)家每年的失業(yè)率又組成截面數(shù)據(jù)。在合并數(shù)據(jù)中，共有200個(gè)觀察值——10個(gè)國(guó)家20年間的失業(yè)率數(shù)據(jù)。