计量经济模型与经济预测是处于迅猛发展中的，实用性很强的应用学科。随着经济的发展，其对实践的指导意义将愈来愈大。本书坚持循序渐进，理论联系实际的原则，以各种丰富易懂的例证生动地介绍了一元回归分析法及时间序列分析法等多种计算模型，非常适合课堂教学和读者自学使用。

罗伯特　S. 平狄克(Robert S.　Pindyck) 美国麻省理工学院斯隆管理学院的经济学教授。平狄克教授自1971年在麻省理工学院获得博士学位以来一直在该校工作。他曾经是特拉维夫大学的经济学访问教授、国家经济研究署的研究员。他与丹尼尔　 L. 鲁宾费尔德合著了《微观经济学》一书，目前已是第4版。
丹尼尔L.　鲁宾费尔德(Daniel　L. Rubinfeld) 加州大学伯克莱分校的罗伯特　L.　布瑞奇法学教授和经济学教授。鲁宾费尔德教授1972年在麻省理工学院获得博士学位。他曾任教于苏福克(Suffilk)大学、威里斯里学院和密歇根大学，曾经是国家经济研究署、行为科学高级研究中心和古奇海姆(Guggenheim)基金会的研究员，目前是《国际法律和经济评论》的编辑之一。

计量经济学的新发展以及大量读者对本书前3版提出的评论和建议使我们对它的第4版作了大量的修改。我们增加了许多新内容和新例子，并更新了许多过时的例子。另外我们还对本书的结构作了重新调整，将原来的3部分改为目前的4部分。

至于内容，本书的第1部分现在包括的内容是给学生提供对多元回归模型的基本了解。我们改写并扩充了第2章—关于统计学基本知识，现在包含了描述统计学中的新材料和新例子。

第2部分现在包含单方程回归模型的内容。第10章是全新的一章，包含对非线性估计和极大似然估计的深入讨论。这一章的加入反映了近些年来这些内容的重要性在不断增长。第10章还包含了关于估计法和ARCH和GARCH模型使用的一节新内容，这些内容在金融和宏观经济学中有许多应用。第2部分中的其他变化包括第6章中关于异方差的检验以及第9章平行数据的使用。

本书的第3部分集中讨论联立方程模型。除了新的和更新了的例子以外，我们还在很大程度上改变了写法，并在附录14.1中加入了一个重新确认和估计的(由Colby学院的Michael Donahue构造的)小宏观经济模型。

第4部分包括重新改写和更新过的关于时间序列分析的讨论。第18章是第3版中关于时间序列模型估计和时间序列模型预测两章的结合。

在准备本书的第4版时，我们从同事和学生的意见和批评，以及许多其他人的建议中获益颇多。我们要感谢Steven Dietrich和Annette Hall，感谢他们帮助我们计划和编辑了本书的第1版；我们还要感谢Bonnie Lieberman和Susan Norton，感谢他们为本书的第2版所做的工作；我们还想对Scott Stratford为第3版所做的建议表示感谢。Lucille Sutton和她在McGraw-Hill的同事们在我们准备第4版时也给予了我们很多帮助。

我们不可能向所有对本书最新版有过帮助的人一一致谢，但是我们特别希望感谢Sergio Schmukler，感谢他帮助我们重新做过和更新了许多例题；还要特别感谢Michael Donahue为第14章附录中所做的宏观经济模型；我们还要向Jeanette Sayre和Lynn Steele表示特别的感谢，感谢他们在编辑和行政管理方面给予我们的支持。我们还希望感谢我们的同事Ernst Berndt, Bronwyn Hall, Paul Ruud以及Thomas Stoker，感谢他们大量有益的意见和建议。

我们还希望感谢本书的审阅人：他们在第4版的计划和改编过程中贡献了他们的指导性意见，他们是：The American大学的WalterPark，芝加哥大学香槟分校的Houston Stokes，北卡罗莱纳大学Chapel Hill分校的William Parke，密西西比大学的Walter Mayer，肯塔基大学的Mukhtar M. Al，Wright State大学的Tom Taylor，威廉和玛丽学院的Carl Moody，Wesleyan大学的David Selover，西华盛顿大学的Steven Hansen。另外，我们还要提到为本书提供了许多改进和修改的建议的人们，他们包括：约旦中央银行的Al-Akhdar，普林斯顿大学的Walter Bell，鹿特丹Erasmus大学的Christiaan Heji和Marius Ooms，加州大学Irvine分校的Hiroyuki Kawakatsu，俄亥俄州立大学的Huston McCulloch，加州大学伯克莱分校的Jeffrey Perloff，玛丽华盛顿学院的Robert Rycroft，加州大学伯克莱分校的Sergio Schmukler，以及British Columbia大学的Kenneth White。

McGraw-Hill分公司Data Resources Incorporated允许我们在许多例题中使用Citibase数据库中的数据，David Lilien以及加州Irvine市Quantitative Micro Software允许我们使用EVIEWS软件程序，Bronwyn Hall和TPS International为我们提供适当的PC-TSP程序。在此，我们对他们一并表示感谢。




罗伯特 S. 平狄克(Robert S. Pindyck)
丹尼尔 L. 鲁宾费尔德(Daniel L. Rubinfeld)

罗伯特S.平狄克 丹尼尔L.鲁宾费尔德：暂无简介

钱小军 等：暂无简介

计量经济学是以统计知识为基础、数学方法为手段、经济理论为指导，考察和研究经济社会中各种经济变量之间的数量关系，预测经济发展的趋势，检验和预测经济政策效果的一门非常具有实用价值的学科。在建立宏观经济模型、预测经济发展趋势和模拟政策效果方面，计量经济学正在起着越来越重要的作用，得到越来越广泛的应用。

在我国，计量经济学已成为高等学校经济管理学科教育的一门重要课程，许多院校已经开设了不同层次的计量经济学课程。但是，由于计量经济学的研究和应用在我国开始得比较晚，有关的论著，特别是质量上乘的教科书并不多见。而罗伯特 S. 平狄克(Robert S. Pindyck)教授和丹尼尔 L. 鲁宾费尔德(Daniel L. Rubinfeld)教授的《计量经济模型与经济预测》(Econometric Models and Economic Forecasts)从统计学基本知识以及有关多元线性回归模型开始，对单方程模型、联立方程模型以及时间序列模型等进行了深入的讨论，在模型参数的各种估计方法和模型确认诊断等方面都有详尽的探讨，是一本非常好的计量经济学教材。作者力图通过对大量有关商业、经济以及一般社会活动实例的分析以及相关建模技术的讨论，向读者展示如何科学地和艺术地构造和使用经济模型，同时鼓励读者通过自己的实践来逐渐体会和掌握建立与使用模型的艺术本质。

这本书有很广泛的用途。它可以作为本科生或研究生计量经济学课程的教材，也可以作为本科生和研究生商业预测课程的教材。另外，对于对经济或商业数据进行统计分析的人，或对动态模拟模型预测应用或政策分析感兴趣的社会学家或商业分析家来说，这本书作为一本参考书也很有价值。本书还附有大量习题，供学生和读者选择使用。

本书的英文版从1976年第1版出版问世以来，至今已是第4版，无数的读者从中获益匪浅。如今它的中译本也已经经过译者和编辑数月的艰苦努力，与读者见面了。清华大学经济管理学院的教师虞佳(第1部分)、钱小军副教授(第2部分)、研究生成涛(第3部分)和叶阿忠(第4部分)参与了本书的初译工作。钱小军(第1、第2和第3部分)和陈晓副教授(第4部分)负责审校，并由钱小军统校定稿。书中的错谬疏漏之处在所难免，恳请广大读者不吝指教。


钱小军
1999年7月于清华园

译者序
前言
引言
第1部分　 回归分析基础
第1章　 回归模型介绍 2
1.1　 曲线的拟合 2
1.2　 最小二乘估计法的推导 4
附录1.1　 求和算子的运用 8
附录1.2　 最小二乘参数估计的推导 10
第2章　 统计基础知识复习 12
2.1　 随机变量 12
2.1.1　 期望值 13
2.1.2　 随机变量的联合分布 13
2.1.3　 独立与相关 14
2.2　 估计 15
2.2.1　 均值、方差和协方差的估计 15
2.2.2　 中心极限定理 17
2.3　 估计量的有用性质 17
2.3.1　 无偏差 18
2.3.2　 有效性 18
2.3.3　 最小平均偏差平方 18
2.3.4　 一致性 19
2.4　 概率分布 20
2.4.1　 正态分布 20
2.4.2　 c2分布 21
2.4.3　 t分布 21
2.4.4　 F分布 22
2.5　 假设检验与置信区间 23
2.5.1　 第一类错误和第二类错误 25
2.5.2　 p值 25
2.5.3　 检验的势 26
2.6　 描述统计学 27
附录2.1　 期望算子的性质 29
附录2.2　 极大似然估计 31
第3章　 一元线性回归模型 34
3.1　 模型 34
3.2　 最佳线性无偏估计 36
3.3　 假设检验和置信区间 39
　　　　　　　回归系数的检验 40
3.4　 方差分析和相关性 42
3.4.1　 拟合优度 42
3.4.2　 相关 44
3.4.3　 检验回归方程 44
附录3.1　 斜率最小二乘估计的方差 48
附录3.2　 最小二乘残差的一些性质 49
第4章　 多元线性回归模型 51
4.1　 模型 51
4.2　 回归统计量 52
4.3　 F检验、R2和调整的R2 53
4.4　 多重共线性 57
4.4.1　 完全共线性 57
4.4.2　 多重共线的后果 57
4.4.3　 多重共线的标志 58
4.5　 标准化系数和弹性系数 59
4.5.1　 标准化系数 59
4.5.2　 弹性系数 59
4.6　 偏相关系数和逐步回归 59
附录4.1　 最小二乘参数估计 63
附录4.2　 回归系数 64
附录4.3　 多元回归模型的矩阵形式 65
第2部分　 单方程回归模型
第5章　 多元回归模型的应用 72
5.1　 一般线性模型 72
5.2　 虚拟变量的使用 75
5.3　 用t检验和F检验对多参数假设
　　　　进行检验 79
5.3.1　 多个回归系数的联合检验 79
5.3.2　 关于回归系数线性函数的检验 81
5.3.3　 有关不同回归模型的系数是否
　　　　　　　相等的检验 82
5.4　 分段线性回归 83
　　　　　　　变更回归方法 84
5.5　 具有随机解释变量的多元回归模型 85
附录　 有关虚拟变量系数的检验 86
第6章　 序列相关和异方差性 90
6.1　 异方差性 90
6.1.1　 异方差性的修正 92
6.1.2　 异方差的检验 94
6.2　 序列相关性 98
6.2.1　 序列相关的修正 99
6.2.2　 序列相关性的检验 102
6.2.3　 有滞后因变量时对序列相关性
　　　　　 的检验 104
附录　 广义最小二乘估计法 106
第7章　 工具变量法和
　　　　　　 模型的确认 111
7.1　 自变量与误差项相关 111
7.2　 变量的测量误差 112
7.2.1　 情形I：Y具有测量误差 112
7.2.2　 情形II：X具有测量误差 112
7.2.3　 情形III：X和Y都具有测量误差 113
7.2.4　 工具变量估计法 113
7.3　 确认失误 114
7.3.1　 被忽略的变量 114
7.3.2　 不相干变量的存在 115
7.3.3　 非线性 116
7.3.4　 建模时的有效与有偏 116
7.4　 回归诊断 118
7.4.1　 学生氏残差 118
7.4.2　 DFBETAS 119
7.5　 确认检验 120
7.5.1　 关于变量是否应当从线性回归模型中
　　　　　 去掉的检验 121
7.5.2　 关于是否存在测量误差的检验 121
附录　 工具变量估计法的矩阵形式 124
第8章　 单方程回归模型预测 126
8.1　 无条件预测 127
8.1.1　 预测误差 127
8.1.2　 预测的评价 130
8.2　 误差项序列相关情形下的预测 133
8.3　 有条件预测 136
附录　 多元回归模型预测 139
第9章　 单方程估计：高级问题 142
9.1　 分布滞后模型 142
9.1.1　 几何滞后 143
9.1.2　 几何滞后模型的估计 145
9.1.3　 多项式分布滞后模型 146
9.1.4　 滞后项数的选择 147
9.2　 因果关系检验 150
9.3　 观测的丢失 152
9.4　 平行数据的使用 155
9.4.1　 平行数据的模型估计 155
9.4.2　 固定效应模型 156
9.4.3　 随机效应模型 157
9.4.4　 时间序列自相关模型 159
附录　 长期弹性系数的区间估计 162
第10章　 非线性估计与
　　　　　　　极大似然估计 165
10.1　 非线性估计 165
10.1.1　 非线性估计的计算方法 166
10.1.2　 非线性回归方程的评价 167
10.1.3　 非线性回归方程的预测 168
10.2　 极大似然估计法 169
10.2.1　 极大似然估计法 170
10.2.2　 似然比检验 171
10.2.3　 一个应用：Box-Cox模型 172
10.2.4　 拉格朗日乘数检验法 174
10.2.5　 Wald检验、似然比检验和拉格朗
　　　　　　 日乘数检验的比较 175
10.3　 ARCH与GARCH模型 177
附录　 广义矩估计法 182
第11章　 分类选择模型 185
11.1　 二元选择模型 185
11.1.1　 线性概率模型 186
11.1.2　 Probit 模型 188
11.1.3　 Logit 模型 190
11.1.4　 预测：拟合优度 196
11.2　 多元选择模型 197
11.2.1　 线性概率模型 197
11.2.2　 Logit 模型 198
11.2.3　 有序Probit 模型 200
11.3　 Censored 回归模型 201
附录　 Logit模型和Probit模型的极大
　　　　　似然估计法 205
第3部分　 联立方程模型
第12章　 联立方程模型的
　　　　　　　估计方法 210
12.1　 联立方程模型概述 210
　　　　　　　 联立方程系统 210
12.2　 模型识别问题 213
12.3　 参数的一致估计 215
12.4　 两阶段最小二乘法 217
12.4.1　 估计方法 217
12.4.2　 联立性检验 220
12.5　 具有序列相关和滞后因变量的
　　　　　联立方程模型的估计 221
12.6　 更高级的估计方法 223
12.6.1　 似无关模型 223
12.6.2　 方程组的估计方法 223
12.6.3　 不同估计量的比较 227
附录12.1　 矩阵形式的模型识别问题 228
附录12.2　 矩阵形式的两阶段最小二乘法 232
附录12.3　 矩阵形式的似无关回归估计法 234
第13章　 模拟模型介绍 238
13.1　 模拟过程 239
13.2　 模拟模型的评价 241
13.3　 模拟的实例 244
13.4　 模型的估计 247
13.5　 非结构化模型：向量自回归模型 249
13.6　 数据受限制的模型构造方法 254
第14章　 模拟模型的动态行为 261
14.1　 模型的稳定性和振荡性 261
14.1.1　 线性模型 262
14.1.2　 更大模型的分析 265
14.2　 模型的行为：乘数和动态反应 266
14.2.1　 动态乘数 267
14.2.2　 动态弹性 269
14.3　 脉冲响应函数和向量自回归模型 273
14.4　 模拟模型的调试 277
14.5　 随机模拟 279
附录　 一个小宏观经济模型 281
第4部分　 时间序列模型
第15章　 时间序列的
　　　　　　　平滑和外推 295
15.1　 简单外推模型 295
15.1.1　 简单外推方法 296
15.1.2　 移动平均模型 300
15.2　 平滑和季节调整 301
15.2.1　 平滑技术 302
15.2.2　 季节调整 304
第16章　 随机时间序列的特性 309
16.1　 随机时间序列模型简介 309
16.1.1　 随机游走 309
16.1.2　 平稳和非平稳时间序列 311
16.1.3　 平稳过程的性质 312
16.2　 刻划时间序列的自相关函数 312
16.2.1　 齐次非平稳过程 314
16.2.2　 平稳性和自相关函数 315
16.2.3　 季节性和自相关函数 317
16.3　 随机游走的检验 319
16.4　 协整时间序列 324
附录　 平稳过程的自相关函数 326
第17章　 线性时间序列模型 329
17.1　 移动平均模型 329
17.2　 自回归模型 332
17.2.1　 自回归模型的性质 332
17.2.2　 偏自相关函数 336
17.3　 混合自回归－移动平均模型 337
17.4　 齐次非平稳过程：ARIMA模型 339
17.5　 ARIMA模型的确认 341
附录　 平稳性、可逆性和齐次性 344
第18章　 时间序列模型的
　　　　　　　估计和预测 347
18.1　 模型估计 347
18.1.1　 序列的初始值 348
18.1.2　 模型参数的非线性估计 348
18.1.3　 参数值的初始选择 349
18.2　 诊断检验 350
18.3　 最小均方误差预测 353
18.4　 预测值的计算 354
18.5　 预测误差 355
18.6　 预测的置信区间 356
18.7　 预测的性质 356
18.7.1　 AR(1)过程 356
18.7.2　 MA(1)过程 357
18.7.3　 ARMA(1,1)过程 358
18.7.4　 ARI(1,1,0)过程 358
18.7.5　 ARI(1,1,0)预测的置信区间 360
18.8　 两个例子 361
第19章　 时间序列模型的应用 366
19.1　 建模过程回顾 366
19.2　 经济变量模型：库存投资 367
19.3　 季节性电话数据的预测 370
19.4　 时间序列和回归分析组合模型：
　　 转移函数模型 372
19.5　 用回归－时间序列组合模型预测
　　 短期储蓄存款流量 373
19.6　 预测利率的回归－时间序列组合
　　 模型 376
统计数表 381
部分练习参考答案 389