内容简介

Designed for a first course in introductory econometrics, Introduction to Econometrics, reflects modern theory and practice, with interesting applications that motivate and match up with the theory to ensure students grasp the relevance of econometrics. Authors James H. Stock and Mark W. Watson integrate real-world questions and data into the development of the theory, with serious treatment of the substantive findings of the resulting empirical analysis.

作者简介

James H. Stock，普林斯顿大学经济系教授。加州大学伯克利分校经济学博士，曾任教于加州大学伯克利分校及哈佛大学肯尼迪政府学院。研究领域为经济计量方法、宏观经济预测、货币政策等，曾发表论文90多篇，并出版若干其他专著。

Mark W. Watson，普林斯顿大学经济系教授，他与 James H. Stock 都是计量经济学领域中的权威，尤其以时间序列的研究最为出众。

精彩摘录

经济时间序列数据经常在取对数值或取对数值的差分之后进行分析，这样做的一个原因是许多经济时间序列呈现近似指数增长的态势，即平均而言，长期中的序列增长率每年保持在一个固定的百分比。这一点意味着，序列的对数值近似线性增长。这样做的另一个原因是，许多经济时间序列变量的标准差大约与它的水平值成正比。这也意味着，序列对数值的标准差近似于一个常数。

——引自章节：14时间序回归和预测导论

似然函数（likelihoodfunction）是抽样的联合概率分布，是未知系数的函数。未知系数的最大似然估计量（maximumlikelihoodestimator，MLE）是使似然函数达到最大时所计算得到的系数值。由于最大似然估计量选择了使似然函数即联合概率分布达到最大的未知系数，故实际上最大似然估计量选择的是使n个样本数据被抽中的概率达到最大的系数值。在这个意义上，MLE是那些“最可能”生成这些数据的系数值。

——引自章节：11二元因变量回归