0.MLR1~6每一项的意义 1.虚拟变量系数的意义与估计 2.交互项系数的意义与检验(检验两个组别的回归方程相同) 3.HSK的影响、检验与处理 4.WLS,GLS,FGLS等的步骤 5.遗漏变量偏误 6.内生变量的区分与检验 7.工具变量的条件(以及不满足条件的后果) 8.2SLS步骤 9.Beta系数的意义 n Construct confidence interval for q Mean of the dependent variable q A particular unit 为以下各项构建置信区间 因变量的均值 某一特殊值 n Predicting y when log(y) is the dependent variable 当log(y)为解释变量时预测y n The interpretation of the coefficient for a dummy variable, esp. when the dependent variable is log(y). q Be able to show that the coefficients for the binary regression with only one dummy measures the group differences. q Be able to interpret the intercept and coefficients for each group. q The interpretation of the coefficients when there are multiple categories. n Estimation and testing involves slope differences q How to write out models that allow both intercept and slope differences across groups q How to interpret the corresponding coefficients n The Chow Test q How to construct the Chow test when the null hypothesis allows no difference between two groups q How to construct the Chow test when some of the coefficients are allowed to be different n The interpretation of linear probability model q What is a linear probability model q Why the error is HSK for linear probability model q How to interpret the coeffients in linear probability models q What are the limitations of the linear probability model 1. What is instrument exogeneity and instrument relevance 2. show that the IV estimator is consistent using z as a instrument that satisfies the conditions in 1, for a binary regression. 3. Understand why the IV estimator can be represented as the division of the coefficients for z in the two reduced-form regressions. 4.The difference between structural equation and the reduced-form equation. 5. How 2SLS is performed. 6. How to test for endogeneity 7. How to test whether the IV is weak 8. What is the consequence if one uses IVs that are weak?
1.动机:简单回归模型中的遗漏变量 1-内生性产生的三点原因 2-工具变量的外生性 3-工具变量的关联性 4-二元回归中工具变量参数的估计 5-工具变量的条件以及不满足的后果 6-工具变量的渐近方差 7-工具变量法使用时特别要求大样本 8-工具变量法中的R-sq 2.多元回归模型中的IV估计 1-结构方程 2-简约式 3-工具变量相关性的检验 3.两阶段最小二乘法 1-IV一定是大样本的方法,如果是有限样本,则计算结果是因工具变量的不同选择而异的 2-多工具变量的检验应该是F检验;工具变量的线性组合可以作为一个新的工具使用;从而利用每一个工具的信息 3-2SLS的步骤 4.变量误差问题中的IV解决方法 5.内生性检验与检验过度识别约束 6.异方差条件下的2SLS 1. What is instrument exogeneity and instrument relevance 2. show that the IV estimator is consistent using z as a instrument that satisfies the conditions in 1, for a binary regression. 3. Understand why the IV estimator can be represented as the division of the coefficients for z in the two reduced-form regressions. 4.The difference between structural equation and the reduced-form equation. 5. How 2SLS is performed. 6. How to test for endogeneity 7. How to test whether the IV is weak 8. What is the consequence if one uses IVs that are weak?
1.对定性信息的描述 1-定性分析、二值变量、虚拟变量 2-虚拟变量-分类与回归 2.只有一个虚拟自变量 1-男性女性工资差异问题—截距迁移 2-虚拟变量陷阱—完全多重共线性问题 3-基准组的选择—n个分类,n-1个虚拟变量 4-因变量为log(y)时对虚拟解释变量系数的解释 5-对数小时工资方程-精确的百分数差异 6-回归系数的最小二乘估计 3.使用多类别虚拟变量 1-对数小时工资方程-基准组的选择-工资的婚姻溢价 2-相貌吸引力对工资的影响 3-法学院排名对起薪的影响 4.设计虚拟变量的交互作用 1-婚姻状况与性别对工资的影响—交互作用 2-交互作用—允许出现不同的斜率—男性女性工资差异 3-种族对棒球运动员薪水的影响—种族与城市中种族比例的交互项 4-检验不同组之间回归函数上的差异 5-Chow-statistic与F检验 5.二值因变量—线性概率模型 1-线性概率模型的条件方差 2-系数的解释 6.对政策分析和项目评价的进一步讨论 n Estimation and testing involves slope differences q How to write out models that allow both intercept and slope differences across groups q How to interpret the corresponding coefficients n The Chow Test q How to construct the Chow test when the null hypothesis allows no difference between two groups q How to construct the Chow test when some of the coefficients are allowed to be different n The interpretation of linear probability model q What is a linear probability model q Why the error is HSK for linear probability model q How to interpret the coeffients in linear probability models q What are the limitations of the linear probability model
1.Simultaneous equation bias(PQ); 2.Omitting variable bias; 3.Measurement error bias; Valid IV:instrument exogeneity and relevance; E(u|x)=0 E(u|x)不等于0 OLS BLUE BIASED AND INCONSISTENCY IV INEFFICIENT(sd) CONSISTENCY IV——BIASED WHEN SMALL SAMPLE. 有工具变量时估计量具有一致性的证明;有工具变量时方差变大的证明。
计量经济学现代观点: 1. 计量经济学的性质与经济数据 (1). 什么是计量经济学 A. 劳动经济学:工人的小时工资; B. 检验经济理论:美国短期国债不同投资战略的回报; C. 宏观经济变量的预测:利率、通货膨胀率、 GDP 等; D. 计量经济学主要考虑非实验数据(观测数据、回顾数据); (2). 经验经济分析的步骤 A. 经验分析:利用数据来检验某个理论或估计某种关系; B. 经济模型:描述经济关系的数理方程,如预算约束下的最优决策、效用最大化; C. Becker 犯罪的经济模型; D. 工作培训与工人生产力; E. 计量经济模型:参数决定方向与强度、误差项与干扰项; F. 计量经济模型的应用:理论检验、研究政策; (3). 经济数据的结构 A. 横截面数据:给定时点所采集样本的特性; B. 随机抽样:从总体中抽样得到,财富样本不是所有家庭构成总体的一个随机样本; C. 另一种偏离随机抽样的情况:总体不够大,不能合理假定观测值是独立抽取的; D. 二值变量的概念; E. 例:工资和其它个人特征的横截面数据集、经济增长率和国家特征方面的数据集 - 政策对长期经济增长的影响; F. 时间序列数据:对一个或几个变量不同时间的观测值;如股票价格、货币供给、 CPI 、 GDP 等; G. 多数经济和其它时间序列都与近期历史高度相关; H. 时间序列的相互依赖性、时间趋势;数据频率; I. 时间序列的趋势性和高度持续性; J. 例:最低工资、失业和相关数据; K. 混合横截面数据:两年的住房价格; L. 混合横截面分析可看出一个基本关系如何随时间面变化; M. 面板数据有别于混合横截面数据的关键特征:同一横截面数据的数据单位都被跟踪了一段特定的时期; N. 面板数据例子:城市犯罪统计量的一个两年面板数据集; (4). 计量经济分析中的因果关系和其它条件不变的概念 A. 因果效应与相关关系; B. 计量经济方法:模拟其它条件不变的实验; C. 施肥对作物收成的影响、测度教育的回报、执法对城市犯罪活动的影响、最低工资条例对失业的影响; D. 金融经济学的预期假说:经济理论不能很自然地用因果关系进行描述; 2. 简单回归模型 (1). 简单回归模型的定义 A. 因变量与自变量、回归子与回归元、响应变量与控制变量、被预测变量与预测变量; B. 误差项或干扰项:观测不到的因素; C. 假定:误差项 u 的数学期望值为 0 ; D. 假定: u 的均值独立、零条件均值假定; E. E ( abil|16 ) =E ( abil|8 ); F. 总体回归函数 PRF ; (2). 普通最小二乘法的推导 A. 矩方法: E ( u ) =0 、 Cov ( x , u ) =E ( xu ) =0 ; B. 真值β 1 等于总体的协方差除以 x 的方程—— x 和 y 的相关性; C. 假定:样本中的 xi 不完全相等; D. 拟合值与残差——最小化残差平方和; E. 多元函数极值— OLS 估计值的一阶条件; F. 样本回归曲线 SRF — SRF 是 PRF 的一个样本估计; G. 首席执行官的薪水和股本回报率、工资和受教育程度、投票结果与竞选支出; (3). OLS 的操作技巧 A. OLS 统计量的三点代数性质:残差、样本协方差、均值; B. 总平方和 SST 、解释平方和 SSE 与残差平方和 SSR ; C. 拟合优度 R^2=SSE/SST=1-SSR/SST ; D. R^2 等于 y 的真值与拟合值的样本相关系数的平方; E. R^2 是 y 的样本变异中被 x 解释部分的百分比; (4). 度量单位和函数形式 A. 改变度量单位对 OLS 统计量的影响:自变量、截距; B. 模型的拟合优度 R^2 不依赖变量的度量单位; C. 在简单回归中加入非线性因素:一个对数工资方程; D. 自然对数的应用:常弹性模型; E. 含对数的函数形式:半弹性、弹性; F. 线性回归模型与非线性回归模型; (5). OLS 估计量的期望值和方差 A. OLS 的无偏性:线性于参数、随机抽样、解释变量的样本有变异、零条件均值; B. OLS 无偏性的证明:β 1 、β 0 ; C. OLS 估计量的方差: SLR5- 同方差性; D. Var ( y|x ) =Var ( u|x ); E. 一个工资方程中的异方差性; F. 证明— OLS 估计量的抽样方程:β 1 、β 0 ; G. 较大的样本中, x 的变异增大,β 1 的方差减少; H. 偏误与方差的替换关系; I. 误差方程的估计: SSR/ ( n-2 )、无偏估计; (6). 过原点回归 A. 简单回归的高斯 - 马尔科夫假定: SLR.1-SLR.5 ; 3. 多元回归分析:估计 (1). 使用多元回归的动因 A. 引入多个变量,变量之间可以相关; B. 推广模型形式,边际消费倾向递减; C. 一般多元回归模型的条件期望形式; (2). 普通最小二乘法的操作和解释 A. 普通最小二乘法:最小化残差平方和; B. OLS 一阶条件: k+1 个线性方程——矩条件; C. 估计量的排除效应与其它情况不变效应; D. 多元回归分析使得在非实验环境中进行受控实验; E. OLS 拟合值和残差的性质:样本平均值、样本协方差、均值; F. 对多元回归排除其它变量影响的解释: ri1- 将 xi 对 x1 进行回归得到的 OLS 残差——β 1 估计量的表达式; G. 简单回归和多元回归估计量的比较:上偏与下偏; H. 简单回归估计量等于多元回归估计量的情形: x2 与 x1 不相关、 x2 对 y 的效应为零; I. 拟合优度 R^2 : y 的实际值与拟合值相关系数的平方; J. 多元回归模型中增加任何一个变量都不会使 R^2 减小; K. 过原点的回归: R^2=1-SSE/SST : R^2 实际上可能为负?? L. 估计带截距项方程的代价: OLS 斜率估计量的方程会更大; (3). OLS 估计量的期望值 A. MLR 模型假定:线性于参数、随机抽样、不存在完全共线性、条件均值为零; B. 一般回归模型中,如果样本容量小于参数个数 k+1 ,不存在完全共线性假定便不成立; C. 外生解释变量:解释变量 x 与误差项 u 不相关; D. 内生解释变量:解释变量 x 与误差项 u 相关; E. 多元回归模型中的 OLS 无偏性; F. 在回归模型中包含了无关变量:在一个多元回归模型中包含一个或多个无关变量,或对模型进行了过度设定,并不会影响到 OLS 估计量的无偏性; G. 包含无关变量对 OLS 估计量的方程具有不利影响; H. 遗漏变量的偏误(简单情形):对模型设定不足时偏误的正负,偏误方向的总结; I. 例:小时工资与教育、能力的方程; J. 遗漏变量的偏误(一般情形); (4). OLS 估计量的方差 A. 假定 MLR.5 :同方差性; B. OLS 斜率估计量的抽样方差 Var ; C. OLS 方差的成分:多重共线性; D. 误设模型中的方差:模型中包括一个无关变量的代价是β 1 的估计值方差较高; E. 偏误的可能性大小与方差的减小之间的权衡; F. 估计: OLS 估计量的标准误: G. 方差的无偏估计量: SSR/ ( n-k-1 ); H. 方差的无偏估计:标准误 se ; (5). OLS 的有效性:高斯 - 马尔科夫定理 A. 在假定 MLR1-MLR4 下, OLS 估计量是无偏的; B. 在假定 MLR1-MLR5 下, OLS 估计量是最优线性无偏估计量( BLUE ):线性的含义:斜率估计量可以表示成因变量数据的一个线性函数、最优的含义:给定两个线性无偏估计量, OLS 估计量是方差最小的; C. 最优 BLUE : OLS 估计量的对应线性组合,在所有线性无偏估计量中也体现了最小方差; D. β 1 估计量表达式的证明; E. 证明:一般情形中的遗漏变量偏误; F. 证明: Var (β 1|X )公式; G. 证明: OLS 估计量是 BLUE 的证明; 4. 多元回归分析:推断 (1). OLS 估计量的抽样分布 A. 正态性假定( MLR6 ):总体中不可观测误差是正态分布的; B. 经典线性模型假设 CLM : MLR1 —— MLR6 ; C. 正态分布的缺点与对数正态分布; D. 正态抽样分布:(β j^- β j ) /sd (β j^ ) ~Normal ( 0 , 1 ); (2). 检验对单个总体参数的假设: t 检验 A. 定理:标准化估计量的 t 分布——(β j^- β j ) /se (β j^ ) ~t ( n-k-1 ); B. 卡方分布; C. 检验零假设: H0 :β j=0 ; D. t 统计量与 t 检验; E. 对单侧对立假设的检验:显著性水平; F. 拒绝法则: tc 部分为拒绝域, c 为临界值; G. 随着显著性水平下降,临界值会提高,拒绝零假设需要越来越大的 t 值; H. 随着 t 分布的自由度逐渐变大, t 分布会接近标准正态分布;只要自由度大于 120 ,就可以使用标准正态的临界值; I. 参数小于零的对立假设: H1 :β 10 ;拒绝法则为 t-c ; J. 双侧对立假设: H1 :β j 不等于 0 ; K. 双侧对立假设拒绝法则: |t|c ;显著性水平 5% 对应 c 使得 t 分布两端的面积各等于 2.5% L. 计算 t 检验的 p 值: p 值是能拒绝零假设的最小显著性水平; M. 小 p 值是拒绝零假设的证据,大 p 值是不能提供拒绝零假设的证据; N. 单侧检验 p 值等于双侧检验 p 值的一半; O. 经济显著性(实际显著性)与β的大小及符号有关; (3). 置信区间 (4). 检验关于参数的一个线性组合假设 (5). 对多个线性约束的检验: F 检验 (6). 报告回归结果 5. 多元回归分析: OLS 的渐近性 (1). 一致性 (2). 渐近正态和大样本推断 (3). OLS 的渐近有效性 6. 多元回归分析:深入专题 (1). 数据的测度单位对 OLS 统计量的影响 (2). 对函数形式的进一步讨论 (3). 拟合优度和回归元选择的进一步探讨 (4). 预测和残差分析
引至: http://www.pinggu.org/bbs/thread-672-1-1.html 很久以前已经看过这个内容了,今天又看到了,转引过来。 介绍的不错。如果能看完就好了啊!! 虽然这几年国内也影印和翻译出版了不少的好书,如Wooldridge的, 但是经典的书还是很经典的。 为什么不能把这些经典的影印出版啊。 Wooldridge的初级的书有影印的(第四版影印的有删节,而第三版是完全版), 但是那本高级的就没有影印出版了,可惜可惜啊!!! (红色字体是我自己加的) 计量经济学入门: Griffiths, W. E., R. C. Hill, and G. G. Judge, 1993, Learning and Practicing Econometrics, John Wiley Sons. Johnston, J. and J. DiNardo, 1997, Econometric Methods, 4th ed., McGraw-Hill. (国内有翻译的中文第四版,感觉不错的一本书,对bootstrip,GMM都有介绍,受限因变量那里也讲的不错,把一些遇到的问题都提出来。) Maddala, G. S., 1992, Introduction to Econometrics, 2nd ed., Prentice-Hall. (最新的版本是第四版了,但是国内很少见到。论坛上有第三版的pdf的。可读性很强,书上有数据,可以练习。) Ramanathan, R., 1998, Introductory Econometrics with Applications, 4th ed., The Dryden Press.(前四本似乎是大学程度计量经济学教科书中最为流行者) (国内有翻译的中文版-机械工业出版社的) Judge, G. G., W. E. Griffiths, R. C. Hill, T.-C. Lee, and H. Lutkepol, 1988, Introduction to the Theory and Practice of Econometrics, 2nd ed., John Wiley Sons. Kennedy, P., 1998, A Guide to Econometrics, 4th. ed. The MIP Press. (本书尝试少用数学而多以文字来解释一些计量经济学的概念) (英文最新第6版了,国内有翻译的中文第五版和第6版,人民大学出版社。难度其实不小,只有对计量经济学有了一定了解,在看这本书才可以,否则,许多地方也看不懂。但书上有几章对做应用计量经济学的一些准则的介绍很不错,防止大家为了做模型而做模型) Goldberger, A. S., 1991, A Course in Econometrics, Harvard University Press. (本书善用简单例子解释一些重要的基本观念,本书缺点在于未能包括一些新课题) Gujarati, D. N., 1995, Basic Econometrics, 3nd. ed., McGraw-Hill. (英文应该最新第五版了;国内有翻译的中文第四版、第五版,将的很详细,也很基础,初学计量的人应该仔细看看) Thomas, R. L., 1996, Modern Econometrics, An Introduction, Addison-Wesley. Lardaro, L., 1993, Applied Econometrics, Harper Collins.(书中包含了一些实例应用) Ghosh, S. K., 1991, Econometrics: Theory and Applications, Prentice-Hall.(书中包含了一些实例应用) Hill, R. C., W. E. Griffiths, and G. G. Judge, 1997, Undergraduate Econometrics, Jogn Wiley Sons. (本书较薄较浅,适合统计学基础较弱的读者) (国内有影印版,同时也翻译的中文版,是东北财经大学出版社。英文最新的是第四版了,名称也改了,而且更加完善了。虽然是初级的书,但是一些方面写的很到位的。) Draper, N. R. and H. Smith, 1998, Applied Regression Analysis, John Wiley Sons. (本书和下一本书均是非计量经济学者学回归分析常用的教科书) Neter, J. and W. Wasserman, 1996, Applied Linear Statistical Models, 4th ed., Irwin. 中级计量经济学: Greene, W. H., 1997, Econometric Analysis, 3rd ed., Prentice-Hall , Inc.(最畅销的研究所计量经济学教科书,包含范围很广,但常有解释不清的地方。本书作者也是一个相当流行的计量经济学软件 Limdep 的作者) (国内有翻译的中文第二版、第五版、第六版和第八版,英文最新第8版) Judge, G. G., W. E. Griffiths, R. C. Hill, and T.-C. Lee, 1985, The Theory and Practice of Econometrics, 2nd ed., John Wiley Sons. (前一本书尚未出来时最畅销的研究所计量经济学教科书) Fomby, T., C. Hill, and S. Johnson, 1984, Advanced Econometric Methods, Springer-Verlag. Amemiya, T., 1985, Advanced Econometrics, Harvard University Press.(内容较前几本书深) (国内有翻译的中文版-上海财经大学出版的,但买不到了) 进阶计量经济学: Maddala, G. S., 1983, Limited-Dependent and Qualitative Variables in Econometrics, Cambridge University Press.(是研究受限应变量模型的必读之作,印度籍作者前些时候刚过世,全书文笔流畅,极易阅读) (很经典的书,搞不清楚为什么国内这些出版社不影印,许多做logit,probit,tobit,heckman模型的人应该看看这本书。) Hsiao, C., 1986, Analysis of Panel Data, Cambridge University Press. (国内有影印的第2版,北京大学出版社;中译本也出版了,人大出版社) Baltagi, B., 1995, Econometric Analysis of Panel Data, John Wiley Sons. (国内有翻译的中文第四版,机械工业出版社2010年出版的) White, H., 1984, Asymptotic Theory for Econometricians, Academic Press.(计量经济学在七零年代以前以矩阵代数作为主要分析工具,作者是将严谨数统分析工具介绍到计量经济学的关键人物,作者在这方面的贡献可由本书看出,作者近年来的贡献则在下一本书) White, H., 1994, Estimation, Inference and Specification Analysis, Cambridge University Press. Davidson, J., 1994, Stochastic Limit Theory, Oxford University Press.(读者可由本书看出,近年来计量经济学所需的数学工具和数学系所研究的概率理论不分轩轾) Spanos, A., 1986, Statistical Foundations of Econometric Modelling, Cambridge University Press.(本书性质接近前书) Davidson, J., and MacKinnon, 1993, Estimation and Inference in Econometrics, Oxford University Press.(许多计量经济模型都可说是非线性模型的特例,因此作者强调以统一的分析方法来研究计量经济学。喜欢以抽象方式研究问题的人将会喜欢这本书,但对大多数学计量经济学只为实证分析的人而言,本书将可能不是很有用) (国内有他们出版的另外的一本书《计量经济理论和方法》,也很难,上海财经出版的) 矩阵代数: Graybill, F. A., 1983, Matrices with Applications in Statistics, Wadsworth.(计量经济学乃至统计学所需的矩阵代数大部分包括在这本书内) Dhrymes, P., 1978, Introductory Econometrics, Springer-Verlag. (附录里的矩阵代数相当实用,可补充前一本书) 时间数列专书: Granger, C. and P. Newbold, 1977, Forecasting Economic Time Series, Academic Press. (一本古老但却仍然很有用的入门书,数学不深,但时间数列的基本概念都被提到) Brockwell, P. J. and R. A. Davis, 1991, Time Series: Theory and Methods, 2nd ed., Springer-Verlag. (本书相当畅销,作者是统计学家,对时间数列题材的选择和处理都是标准的统计学方式,内容严谨但也提供相当多的直觉解释,是一本不错的入门书。本书的缺点是,对经济研究所关心之不稳定数列的讨论太少,必须要有其它书作为补充) Hamilton, J. D., 1994, Time Series Analysis, Princeton University Press.(像是一本时间数列计量经济学的百科全书,蚂蚁般的小字加上八百页的重量真是让人气都喘不过来,作者行文严谨仔细,每一个等式都附有证明,但大多数的读者可跳跃式的阅读而没有问题,除了可学到不少东西,每天带来带去也可练就一身肌肉) (国内有翻译的,中国科学文献出版社出版的。 最新 人民大学出版社刚翻译了一套) Enders, W., 1995, Applied Econometric Time Series, John Wiley Sons. Mills, T. C., 1990, Time Series Techniques for Economists, Cambridge University Press. Harvey, A. C., 1991, The Econometric Analysis of Time Series, The MIT Press.(本书和前两本书都是为经济系学生所写的时间数列入门书) Hatanaka, M., 1996, Time-Series-Based Econometrics, Oxford University Press. Banerjee, A., J. J. Dolado, J. W. Galbraith, and D. F. Hendry, 1993, Co-Integration, Error Correction, and the Econometric Analysis of Non-Stationary Data, Oxford University Press.(本书和前一本书的内容正如本书书名所示,是近二十年来时间数列计量经济学研究的主流) Maddala, G. S. and I.-M. Kim, 1998, Unit Roots, Cointegration and Structural Change, Cambridge University Press. (内容和前两本书差不多,但写得深入浅出,相当易读) Tanaka, K., 1996, Time Series Analysis, John Wiley Sons.(属于前几本书的进阶研究,相当难,需要很好的数学训练才能看得懂) Reinsel, G. C., 1993, Elements of Multivariate Time Series Analysis, Springer-Verlag.(统计学者所写,书薄而易懂,是本不错的多变量时间数列模型的入门书) Lutkepohl, H., 1993, Introduction to Multiple Time Series Analysis, Springer-Verlag.(研究多变量时间数列模型的一本百科全书) 计量经济学应用: Berndt, E., 1990, The Practice of Econometrics, Addison-Wesley.(以数个经济学课题为主轴,穿插以实证研究所需计量方法的讨论,本书缺点是所讨论的经济学课题嫌过时,叙述也过于冗长,让读者抓不到重点) Intriligator, M., R. Bodkin, and C. Hsiao, 1996, Econometric Models, Techniques, and Applications, 2nd. ed., Prentice-Hall.(本书对计量经济理论有一个精简的阐述,再辅之以一些简单的经济学应用) (国内有翻译的,中国科学文献出版社出版。) Campbell, J. Y., A. W. Lo, and A. C. MacKinlay, 1997, The Econometrics of Financial Markets, Princeton University Press.(内容包括了财务学者所需要的许多计量经济方法,创造了一个新学科「金融市场计量经济学」) Taylor, S. J., 1986, Modelling Financial Time Series, John Wiley Sons.(不是教科书,而是研究金融学时间数列资料的一本专著,读者可学到许多金融学时间数列数据的性质) Pudney, S., 1989, Modelling Individual Choice: the Econometrics of Corners, Kinks and Holes, Basil Blackwell.(本书是所谓个体计量经济学的典范,读者可看到个体经济理论使如何的和计量经济模型紧密的结合在一起) Fair, R. C., 1994, Testing Macroeconometric Models, Harvard University Press.(介绍六零、七零年代非常流行但现在已风光不再的多方程式总体计量模型,本书易读,读者可看到一些不是很难的计量模型是怎样的应用到总体经济的实证研究中) Morgan, M. S., 1990, The History of Econometric Ideas, Cambridge University Press.(内容正如书名,说明五零年代以前,经济学家是如何的从一些问题的研究中,逐渐的发展出计量经济学这个学门) 相关统计学: DeGroot, M. H., 1986, Probability and Statistics, Addison-Wesley. (很好的一本统计入门书,在美国的经济系大学部及研究所相当流行) Hogg, R. V. and A. T. Craig, 1995, Introduction to Mathematical Statistics, 5th. ed., Prentice-Hall. (数统入门的经典之作,长久以来几乎垄断该市场) Bickel, P. J. and K. A. Doksum, 1977, Mathematical Statistics: Basic Ideas and Selected Topics, Holden-Day.(可作为前一本书的补充,包含了一些对计量经济研究有用的统计教材) Cox, D. R. and D. V. Hinkley, 1974, Theoretical Statistics, Chapman and Hall. (可作为前几本书的补充,所呈现的是英国式的统计学研究方法,重视直观概念的阐释,而比较少做严谨数学的推导,和美式教科书有所不同) 概率理论及相关数学: Billingsley, P., 1995, Probability and Measure, 3rd ed., John Wiley Sons.(是数学系或统计系研究所机率理论课程常用的教科书,也是理论计量经济学家所常引用的一本书) Billingsley, P., 1968, Convergence of Probability Measures, John Wiley Sons.(是介绍一般化中心极限定理的经典之作,对一般化中心极限定理的了解,已经是现今理论计量经济学家不可或缺的常识了) Royden, H. L., 1988, Real Analysis, 3rd ed., MacMillan.(实变量分析是研究概率理论的基础,本书简单清楚,是实变量分析课程常用的教科书)