顶部
收藏

大数据计量经济分析


作者:
田青 马越越
定价:
55.00元
ISBN:
978-7-04-058689-3
版面字数:
470.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2023-04-27
读者对象:
高等教育
一级分类:
管理
二级分类:
管理科学与工程
三级分类:
信息管理与信息系统

从数据的角度看,以往计量经济分析主要利用具有结构化特点、规模较小的“小数据”进行实证分析。随着大数据时代的到来,如何利用具有样本海量、来源广泛、更新实时等优势的“大数据”,将大数据纳入计量经济分析并获取有价值的信息,这既是经济学家们基于大数据方法研究经济的出发点,也是计量经济学分析方法在各领域广泛应用的需要。

本教材就是为了满足管理类学生学习计量经济学理论及分析方法,解决某些情形下具有大数据特征的相关定量分析问题而编写的。教材在内容选择上兼顾基础性、应用性、高阶性,既介绍经典的计量经济学线性回归模型基本概念和基本理论,也介绍放松假设条件贴近现实应用的建模方法和建模技术。考虑到管理问题中有大量离散数据类型存在,因而加入了受限因变量模型、计数模型。同时,加入大数据预处理的相关内容,介绍了比较成熟的处理大数据情形的计量经济模型,并将案例分析贯穿到每一章节,目标是提高学生的问题意识及解决问题的能力。

本教材提供书中例题和习题的Stata 数据集,读者可按照书后说明获取。

本教材可作为管理类各专业本科生教材,也可用于研究生教学,同时还可作为其他相关专业本科生、研究生教材和教学参考书。

  • 前辅文
  • 第1章 导论
    • 1.1 什么是计量经济学
      • 1.1.1 计量经济学的定义
      • 1.1.2 计量经济学的分类
      • 1.1.3 计量经济学的性质
    • 1.2 计量经济学的起源与发展
      • 1.2.1 计量经济学的起源
      • 1.2.2 计量经济学的发展
    • 1.3 计量经济分析的步骤
      • 1.3.1 明确任务
      • 1.3.2 模型设定
      • 1.3.3 获取数据
      • 1.3.4 模型参数估计
      • 1.3.5 模型检验
      • 1.3.6 模型应用
    • 1.4 大数据与计量经济分析
      • 1.4.1 大数据与小数据
      • 1.4.2 大数据对计量建模的挑战
      • 1.4.3 机器学习、统计学与计量经济学的关系
    • 1.5 常见的计量经济分析软件
    • 本章小结
    • 习题
    • 即测即评
  • 第2章 大数据预处理
    • 2.1 数据采集
      • 2.1.1 数据来源
      • 2.1.2 日志数据和网页数据的采集
    • 2.2 数据质量
      • 2.2.1 数据的完整性
      • 2.2.2 数据的一致性
      • 2.2.3 数据的准确性
      • 2.2.4 数据的时效性
      • 2.2.5 数据的相关性
    • 2.3 数据预处理
      • 2.3.1 数据集合并
      • 2.3.2 缺失值处理
      • 2.3.3 异常值处理
      • 2.3.4 数据变换
    • 2.4 一个文本挖掘的大数据处理实例
      • 2.4.1 文本数据清洗
      • 2.4.2 文本数据预处理
    • 本章小结
    • 习题
    • 即测即评
  • 第3章 经典线性回归模型
    • 3.1 回归分析概述
      • 3.1.1 回归分析的含义
      • 3.1.2 总体回归函数
      • 3.1.3 随机误差项
      • 3.1.4 样本回归函数
    • 3.2 线性回归模型及其基本假定
      • 3.2.1 一元线性回归模型形式
      • 3.2.2 多元线性回归模型形式
      • 3.2.3 线性回归模型的基本假定
    • 3.3 线性回归模型的参数估计
      • 3.3.1 普通最小二乘估计
      • 3.3.2 矩估计
      • 3.3.3 极大似然估计
    • 3.4 线性回归模型的统计检验
      • 3.4.1 置信区间检验
      • 3.4.2 变量显著性检验
      • 3.4.3 拟合优度检验
      • 3.4.4 方程显著性检验
    • 3.5 线性回归模型的预测
      • 3.5.1 均值预测
      • 3.5.2 个值预测
    • 3.6 可线性化的非线性回归模型
      • 3.6.1 双对数线性模型
      • 3.6.2 半对数线性模型
      • 3.6.3 双曲线函数模型
      • 3.6.4 生长曲线函数模型
      • 3.6.5 多项式回归模型
    • 本章小结
    • 习题
    • 即测即评
  • 第4章 经典线性回归模型的拓展
    • 4.1 多重共线性
      • 4.1.1 多重共线性的来源和后果
      • 4.1.2 多重共线性的检验和修正
    • 4.2 异方差
      • 4.2.1 异方差的来源和后果
      • 4.2.2 异方差的检验
      • 4.2.3 异方差的修正
    • 4.3 自相关
      • 4.3.1 自相关的来源和后果
      • 4.3.2 自相关的检验和修正
    • 4.4 内生性问题
      • 4.4.1 内生解释变量及后果
      • 4.4.2 内生性问题的解决方法
    • 4.5 大数据场景案例分析—在线评论中蕴含的消费者情绪对消费者满意度的影响
      • 4.5.1 案例背景
      • 4.5.2 数据收集与预处理
      • 4.5.3 模型估计
      • 4.5.4 结果分析与讨论
      • 4.5.5 大样本情形
    • 本章小结
    • 习题
    • 即测即评
  • 第5章 包含虚拟变量的回归模型
    • 5.1 虚拟变量概述
      • 5.1.1 虚拟变量的概念和作用
      • 5.1.2 虚拟变量的设置原则
    • 5.2 虚拟变量的引入
      • 5.2.1 加法方式
      • 5.2.2 乘法方式
      • 5.2.3 加法和乘法混合方式
    • 5.3 虚拟变量的特殊应用
      • 5.3.1 模型结构稳定性检验
      • 5.3.2 分段线性回归
      • 5.3.3 交互效应分析
    • 5.4 虚拟变量引入的综合案例
    • 本章小结
    • 习题
    • 即测即评
  • 第6章 离散与受限因变量模型
    • 6.1 线性概率模型
      • 6.1.1 线性概率模型的定义
      • 6.1.2 线性概率模型的估计
    • 6.2 Logit模型
      • 6.2.1 Logit模型的基本形式
      • 6.2.2 Logit模型的估计
      • 6.2.3 Logit模型的边际效应
      • 6.2.4 Logit模型的假设检验
    • 6.3 Probit模型
      • 6.3.1 Probit模型的基本形式
      • 6.3.2 Probit模型的估计
      • 6.3.3 Probit模型的边际效应
    • 6.4 Tobit模型
      • 6.4.1 截取数据与断尾数据
      • 6.4.2 Tobit模型的基本形式
      • 6.4.3 Tobit模型的估计
      • 6.4.4 Tobit模型的边际效应
    • 本章小结
    • 习题
    • 即测即评
  • 第7章 计数模型
    • 7.1 泊松回归模型
      • 7.1.1 泊松回归模型简介
      • 7.1.2 泊松回归模型示例
    • 7.2 负二项回归模型
      • 7.2.1 负二项回归模型简介
      • 7.2.2 负二项回归模型示例
    • 7.3 零膨胀回归模型
      • 7.3.1 零膨胀回归模型简介
      • 7.3.2 零膨胀回归模型示例
    • 7.4 计数模型综合示例
    • 7.5 大数据场景案例分析——在线评论有用性的影响因素分析
      • 7.5.1 案例背景
      • 7.5.2 数据收集与预处理
      • 7.5.3 模型估计
      • 7.5.4 结果分析
    • 本章小结
    • 习题
    • 即测即评
  • 第8章 高维数据的套索回归模型
    • 8.1 高维数据与正则化方法
      • 8.1.1 高维数据问题
      • 8.1.2 正则化方法
    • 8.2 套索回归模型
    • 8.3 超参数的设定
    • 8.4 模型估计与评估
    • 8.5 案例分析
      • 8.5.1 案例1棒球运动员收入的影响因素分析
      • 8.5.2 案例2前列腺癌治愈方案的判定分析
    • 本章小结
    • 习题
    • 即测即评
  • 第9章 面板数据模型
    • 9.1 面板数据概述
      • 9.1.1 面板数据的定义
      • 9.1.2 面板数据的分类
      • 9.1.3 面板数据的优点
    • 9.2 面板数据模型的形式及分类
    • 9.3 面板数据模型的估计方法
      • 9.3.1 固定效应变截距模型的估计方法
      • 9.3.2 随机效应变截距模型的估计方法
    • 9.4 面板数据模型的设定检验
      • 9.4.1 固定效应模型的设定检验
      • 9.4.2 随机效应模型的设定检验
      • 9.4.3 固定效应模型和随机效应模型的选择
    • 9.5 大数据场景案例分析—社会化媒体的用户行为分析
      • 9.5.1 案例背景
      • 9.5.2 数据收集与预处理
      • 9.5.3 研究变量与模型设定
      • 9.5.4 模型估计与结果分析
    • 本章小结
    • 习题
    • 即测即评
  • 第10章 空间计量分析模型
    • 10.1 空间数据与空间效应
      • 10.1.1 空间数据
      • 10.1.2 空间效应
    • 10.2 空间权重矩阵
      • 10.2.1 空间权重矩阵的设定方法
      • 10.2.2 常用的空间权重矩阵
    • 10.3 空间自相关检验
    • 10.4 空间滞后模型
      • 10.4.1 自变量空间滞后模型
      • 10.4.2 空间滞后模型及估计
    • 10.5 空间误差模型
    • 10.6 空间杜宾模型
      • 10.6.1 空间杜宾模型形式
      • 10.6.2 直接效应与间接效应
    • 10.7 相关模型的选取标准
      • 10.7.1 空间计量模型统计检验方法
      • 10.7.2 空间计量模型的信息准则
    • 10.8 空间计量分析的综合案例
    • 本章小结
    • 习题
    • 即测即评
  • 附录A Stata基本功能及操作
  • 附录B 统计分布表
  • 主要参考文献

相关图书