登入會員
品牌介紹
關於我們
企業徵才
客服中心
會員專區
與我連絡
申訴信箱
FAQ
電子報
書目下載
圖書總覽
服務推薦
教學網
考用網站
首頁
書目下載
會員專區
與我連絡
飛躍六十 迎向百年
法律/政治
法律
政治、公共事務
財經/商管/觀光
財經、商管、統計
觀光、餐旅、休閒
文/史/哲/期刊
辭書、總類
語言、文學
歷史、哲學、宗教
藝術、設計、文創
學術期刊
理工/醫護
理工
醫護暨生命科學
農林漁牧
教育/心理/傳播
教育
心理、諮商與輔導
社會、傳播(影視)
小五南/中等教育
小五南
電機與電子群
餐旅群
家政群
商業與管理群
英文
藝術群
農業群
食品群
【春節延後出貨公告】 「適逢春節假期,五南官網均可正常下單購買,惟1/21(二)17:00後的網站訂單,預估將延至2/3(一)下午後出貨,造成不便敬請見諒。」
分享
財經、商管、統計
-
財經
-
應用經濟學
財經、商管、統計
-
統計
-
統計軟體應用
計量經濟學導論Ⅰ橫斷面篇:使用Python語言(附光碟)
作 者:
林進益
出版社別:
五南
書 系:
研究&方法
出版日期:2025/02/19(1版1刷)
ISBN:978-626-423-139-8
E I S B N:9786264231350
書 號:1MC9
頁 數:548
開 數:16K
定 價:690元
優惠價格:621元
滿額優惠折扣
2/17~3/31五南開學祭~開啟學習新篇章!全站滿550再95折
投影片(請電洽,僅供老師索取)
⊙以Python的模擬方法來輔助或取代數學證明,有效掌握計量經濟學。 ⊙理論與實作兼具,操作步驟清楚易懂。 ⊙內容包含以簡單線性迴歸(SLR)模型說明OLS與Python操作、比較古典與新古典線性迴歸模型的基本假定、介紹MLR模型/NLRM基本假定、說明變異數異質結果以及使用穩健的標準誤、檢視模型設定問題等。 ⊙附贈光碟提供書中完整原始程式碼,幫助學習理解、迅速進入狀況。 本書以熱門程式語言Python實際操作,帶領讀者認識以及運用計量經濟學。 內容循序漸進,從第1章介紹基礎理論、檔案數據資料,手把手教學。第2章利用簡單線性迴歸(SLR)模型說明計量經濟學的主要方法:OLS,以及如何於Python下操作。第3章比較古典與新古典線性迴歸模型的基本假定。第4章介紹MLR模型。第5章介紹NLRM的基本假定。第6章進一步說明迴歸模型的大樣本推論以及OLS估計式之漸近有效性。第7章討論MLR模型的特殊函數型態(如對數函數、二次式以及交互變數型態),以及估計迴歸模型的預測部分。第8章檢視迴歸模型下的質性變數。第9章說明變異數異質的結果、使用穩健的標準誤,以及如何使用WLS方法與應用。第10章檢視模型設定問題,其中包括代理變數、因變數與自變數之衡量誤差、離群值與最小絕對誤差等。 書中範例所呈現任何計算、模擬、估計、編表或甚至於繪圖等操作,光碟內皆附有完整的Python程式碼供讀者參考使用。
林進益 學歷: 國立中山大學財務管理博士 國立政治大學經濟學研究所碩士 東海大學經濟學系學士 經歷: 國立屏東大學財務金融學系副教授 國立屏東商業技術學院財務金融系副教授 國立屏東商專財務金融科講師 致理商專國貿科講師 著作: 財金統計學:使用R語言(2016,五南)《財統》 經濟與財務數學:使用R語言(2017,五南)《財數》 衍生性金融商品:使用R語言(2018,五南)《衍商》 財金時間序列分析:使用R語言(2020,五南)《財時》 統計學:使用Python語言(2020,五南)《統計》 時間序列分析下的選擇權定價:使用R語言(2020,Pubu電子書)《時選》 歐式選擇權定價:使用Python語言(2021,五南)《歐選》 資料處理:使用Python語言(2021,五南)《資處》 選擇權交易:使用Python語言(2022,五南)《選擇》 財金計算:使用Python語言(2023,五南)《財計》 選擇權商品模型化導論:使用Python語言(2024,五南)《選模》 Email: c12yih@gmail.com
第1章 導論
1.1 何謂計量經濟學?
1.2 資料的類型
1.3 資料產生過程與其他情況不變
1.4 本書所使用的檔案數據資料
第2章 簡單迴歸模型
2.1 簡單迴歸模型的定義
2.2 OLS估計式
2.2.1 OLS估計式的導出
2.2.2 Python的操作
2.3 迴歸式的特徵
2.3.1 配適值與殘差值
2.3.2 配適度
第3章 簡單的新古典線性迴歸模型
3.1 sCLRM(sNLRM)的假定
3.1.1 線性迴歸模型
3.1.2 條件誤差的假定
3.1.3 其餘假定
3.2 不偏性與一致性
3.2.1 不偏性
3.2.2 一致性
3.3 統計推論
第4章 複線性迴歸模型:線性重合
4.1 MLR模型
4.1.1 MLR模型的特色
4.1.2 OLS之估計
4.1.3 Frisch-Waugh定理
4.1.4 t檢定
4.2 配適度與線性重合
4.2.1 配適度
4.2.2 調整的R2
4.3 線性重合
4.3.1 相關的自變數
4.3.2 再談βj的標準誤
第5章 新古典線性迴歸模型
5.1 NLRM的基本假定
5.1.1 OLS估計式的不偏性
5.1.2 變異數異質
5.1.3 OLS估計式的抽樣分配
5.2 多元線性限制檢定:F檢定
5.2.1 多餘解釋變數的檢定
5.2.2 整體迴歸式顯著性之F檢定
5.2.3 一般的線性限制檢定
第6章 複迴歸分析:OLS之漸近性
6.1 一致性
6.2 漸近常態與大樣本推論
6.3 LM檢定
6.4 OLS的漸近有效性
第7章 複迴歸分析:其他問題
7.1 數據單位對OLS估計的影響
7.1.1 數據單位不同
7.1.2 貝他係數
7.2 一些特殊函數型態的檢視
7.2.1 對數函數型態
7.2.2 二次式模型
7.2.3 交互作用項
7.3 預測
7.3.1 預測區間
7.3.2 因變數是log(y)
第8章 質性資料
8.1 質性資料
8.1.1 單一虛擬自變數
8.1.2 多個虛擬變數
8.2 虛擬變數之交互影響與跨群差異之檢定
8.2.1 虛擬變數之交互影響
8.2.2 跨群差異之檢定(鄒檢定)
8.3 二元因變數
8.3.1 何謂線性機率模型?
8.3.2 應用
第9章 變異數異質性
9.1 變異數為異質與穩健的標準誤
9.2 變異數異質之檢定
9.2.1 Breusch-Pagan檢定
9.2.2 White檢定
9.3 加權最小平方與一般最小平方估計
9.3.1 加權最小平方估計
9.3.2 可行的一般最小平方估計
9.4 再談線性機率模型
第10章 模型設定的問題
10.1 模型設定誤差
10.1.1 函數型態誤設
10.1.2 RESET檢定
10.1.3 非包含模型之檢定
10.2 代理變數
10.2.1 無法觀察到的解釋變數
10.2.2 遞延落後項
10.2.3 隨機斜率模型
10.3 衡量誤差
10.3.1 因變數存在衡量誤差
10.3.2 解釋變數存在衡量誤差
10.4 離群值與最小絕對估計
10.4.1 離群值與有影響力的觀察值
10.4.2 最小絕對估計
附錄A Python導論
A.1 本書的操作方式
A.2 使用模組
A.3 物件
A.3.1 變數
A.3.2 Python內的物件
A.3.3 模組(numpy)內的物件
A.3.4 模組(pandas)內的物件
A.4 迴圈、函數與條件指令
A.4.1 自設函數
A.4.2 迴圈與條件指令
A.5 圖形的繪製
附錄B 基本數學與模擬
B.1 加總操作式與敘述統計量
B.2 線性函數、二次式函數與特殊的函數
B.2.1 線性函數
B.2.2 二次式函數
B.2.3 特殊的函數
B.3 微分
附錄C 基本的機率觀念
C.1 隨機變數
C.1.1 間斷的隨機變數
C.1.2 連續的隨機變數
C.2 聯合分配、條件分配與獨立性
C.2.1 聯合機率分配與獨立性
C.2.2 條件機率分配
C.3 機率分配的特徵
C.3.1 單變量機率分配
C.3.2 聯合機率分配的特徵
C.3.3 條件機率分配的特徵
附錄D 機率分配
D.1 單變量機率分配
D.1.1 常態分配
D.1.2 卡方分配
D.1.3 t分配
D.1.4 F分配
D.2 多變量機率分配
D.2.1 多變量常態分配
D.2.2 多變量t分配
附錄E 估計式
E.1 估計式的特徵
E.1.1 母體、參數值與隨機抽樣分配
E.1.2 估計式的有限樣本特徵
E.1.3 估計式的大樣本特徵
E.1.4 漸近常態
E.2 參數估計的一般方法
E.2.1 動差法
E.2.2 最小平方法
附錄F 矩陣代數
F.1 基本定義
F.2 矩陣的操作
F.3 線性獨立與矩陣的秩
F.4 迴歸模型與OLS
參考文獻
中文索引
英文索引
第1章 導 論 如序言所述,本書將以Python介紹計量經濟學內屬於橫斷面數據資料(crosssectional data)部分。計量經濟學內較完整介紹屬於橫斷面數據資料部分,應該可參考Wooldridge(2010, 2020),不過Wooldridge(2010)屬於較為「進階的(advanced)」書籍,故可供查詢之用。雖然Wooldridge(2020)屬於基礎或導論型的介紹,但是Wooldridge並未強調實際的操作方式;另一方面,上述書籍也欠缺使用模擬的方法。本書強調除了數學證明之外,使用Python以模擬的方式應該也可以達到異曲同工之妙;有意思的是,利用電腦來模擬並不如想像中的難。有關於Python的使用,除了可閱讀本書的附錄A之外,讀者亦可參考《資處》、《統計》或《財計》等書。 本章介紹計量經濟模型(econometric model)的本質、範圍及其所使用的方法邏輯。全章分成4部分說明,其中第1 部分說明「何謂計量經濟學?」;第2部分則介紹資料的類型(資料結構);第3部分則說明計量經濟學的方法邏輯;第4部分說明本書所使用的檔案數據資料。 1.1 何謂計量經濟學? 我們時常聽到「理論與實際(或實證)」,就經濟學而言,對應的「實證」學科,就是計量經濟學;因此,簡單地說,計量經濟學就是欲拿實際的統計資料驗證經濟學的內容是否符合實際的學科,是故計量經濟學本身就是屬於應用統計學的一環。 經濟學是研究不同變數間相互影響的學科,因此,顧名思義,計量經濟學所檢視的主題就是如何實證不同變數間相互影響的科學;換言之,上述主題可以簡單寫成: y = f (x1, x2, ⋯, xk , u) (1-1) 其中y表示所欲檢視的標的或稱為被解釋變數(explained variable),而xj ( j = 1, 2, ⋯, k)則稱為解釋變數(explanatory variables)。例如:熟悉的需求函數可以寫成(1-1)式,其中例如:y可以為芒果的消費量,而x1則表示芒果的價格、x2表示所得、x3表示其他水果價格、⋯⋯。 當然,(1-1)式的型態較為籠統,一個較為明確的型態可將(1-1)式寫成: y = β0 + β1x1 + β2x2 + ⋯ + βkxk + u (1-2) (1-2)式的特色可以分述如下: (1-2)式的特色可以分述如下: (1) 顯然,(1-2)式屬於(1-1)式的一個特例。 (2) 就(1-2)式而言,我們必須先明確定義清楚y與xj ( j = 1, 2, ⋯, k)的意思,然後再蒐集對應的樣本資料。 (3) 就(1-2)式而言,βj稱為參數(parameters),βj通常是我們有興趣的部分,而u則稱為誤差項(error term)或干擾項(disturbance)。明顯地,u扮演著重要的角色,可以想像缺乏u的(1-2)式應該如何解釋?我們是否有足夠的資訊可以找到完整的xj值,透過(1-2)式而以xj來表示y,更何況有些xj值如偏好、素質或社會背景等,其實並不容易實際觀察到。 (4) 即使y與xj可以完整地蒐集或觀察到,但是實際的u值卻不行。一般而言,我們將u視為一種隨機變數(random variable),以彌補y無法由xj充分表示的差距。 (5) 其實,不僅u是一種隨機變數,y與xj亦皆是一種隨機變數,只不過我們希望y與xj皆存在對應的樣本觀察值或實現值,而u則表示y內無法觀察到的部分。因此,就統計學的觀點而言,(1-1)式可視為母體(population)的表現方式,而(1-2)式只是明確地展現母體的型態。 直覺而言,計量經濟學所欲研究的主題應該是熟悉的,例如:需求、供給、消費、成本或失業函數等之估計。不過,若仔細思考,上述熟悉的部分仍太過於狹隘,我們可以思考下列的例子。
0
1