计量经济学：书目
以下是关于 "回归分析的基本原理 "的参考资料。
Davidson,Russell and James G.MacKinnon（1993）。计量经济学 中的估计和推理，牛津： 牛津大学出版社。
Greene, William H.(2008). 计量经济学分析，第六版，新泽西州上萨德河：Prentice-Hall。
Johnston, Jack和John Enrico DiNardo (1997)。 计量经济学方法》，第四版，纽约：麦格劳-希尔。
Pindyck, Robert S. and Daniel L. Rubinfeld (1998). 计量经济学模型和经济预测，第四版， 纽约：麦格劳-希尔。
Wooldridge, Jeffrey M.(2000). 计量经济学入门：一种现代方法。 辛辛那提，俄亥俄州：西南大学出版社。
让我给你举一个回归的例子，它不过是一个取决于其参数（自变量，回归者）的函数（因变量）。在计算回归时，有几个步骤需要遵循。
1.需要写下一个方程式。
我采取了被热捧的MA，但是加权，所以对我来说很宽容，用前5个柱子（滞后值）来计算。我把公式写成了这样的形式。
eurusd = c(1)*eurusd(-1) + c(2)*eurusd(-2) + c(3)*eurusd(-3) + c(4)*eurusd(-4) + c(5) *eurusd(-5)
2.估计
有必要估计这个方程的系数c(i)，以便我们的MA的曲线尽可能好地对应于最初的EURUSD_H1年系列。我们得到未知系数的评估结果。
我们已经得到了我们的加权MA的值。我们有了这个等式。
eurusd = 0.991993934254*eurusd(-1) + 0.00885362355538*eurusd(-2) - 0.0107282369642*eurusd(-3) + 0.0255027160774*eurusd(-4) - 0.0156205779585*eurusd(-5)
3.结果。
我们看到了什么结果？
3.1 首先是马赫方程本身。我想注意一点细微的差别。当我们计算一个简单的掩码计算平均值时，由于某种原因，我们没有在区间的中间记录，而是在区间的末端记录。回归是用来根据以前的值来计算最新的值。
3.2 事实证明，比率不是常数，而是有其自身偏差的随机变量。
3.3.最后一栏说，给定的系数有一个非零的概率，根本就是零。
4.与方程一起工作
让我们来看看我们的加权混合物。
马什卡已经把小木箱盖得严严实实，看不出来了，但小木箱和马什卡之间仍有差异。以下是这些差异的统计数据
我们看到从-137点到215点的巨大散点。虽然标准偏差=20分。
结论。
我们收到了一个质量异常高的面具，具有已知的统计特征，使用回归。
最后一个。优素福！不要在电车下，不要再让观众在一条线上笑。
准备讨论回归主题的文献和应用。
3.结果。
我们看到了什么结果？
3.1 首先是马赫方程本身。我想在这里指出一个微妙的问题。当我们通过获取平均值来计算一个简单的掩码时，由于某些原因，我们没有把这个平均值放在区间的中间，而是放在区间的末端。回归是用来根据以前的值来计算最新的值。
3.2 事实证明，比率不是常数，而是随机变量
3.3 最后一栏说，给定的系数有一个非零的概率是零。
1.对不起，在伤口上多撒了点盐--反正原始系列是不稳定的。
2）这个概率几乎总是不为零。
3.你是否检查过多重共线性？IMHO如果你消除了多重共线性，就只剩下一个变量了。你确定了重要的因素吗？
4.对于5个变量，你有多少个观察值？
你怎么这么有文化？
1.对不起，在伤口上多撒了点盐--反正原始系列是不稳定的。
当然，我们对其他的人不感兴趣。
2.该概率几乎总是不为零。
并非如此。如果非零，则是一个函数形式错误。
3.你是否检查过多重共线性？IMHO如果你消除了多重共线性，就只剩下一个变量了。你确定了重要的因素吗？
什么是 "重要因素 "我不明白，但请看一下相关系数。
如果它是一个圆圈，相关度为零。如果合并成一条直线，相应的一对系数之间的相关性是100%。
4.对于5个变量，你有多少个观察值？
6736次观察
任何回归模型 的第一步都是因素选择。如果你不应用逐步回归（有夹杂或例外），那么你必须手动选择它们。
多重共线性--模型中包含的 因素变量之间存在密切的依赖性。不是系数的关联性，而是因素的关联性。
多重共线性的存在导致了。
- 歪曲了 ， 模型的参数值， ， 倾向于高估 。
- 正常方程系统的弱调理。
- 复杂的 ，确定 最重要的 因素 特征 的过程 。
多重共线性的一个指标是成对的相关系数超过0.8的值。 这里的因素显然有很强的相关性。为了消除它，我们需要去除多余的因素。无论是手动还是逐步回归。
在软件包中查找--阶跃回归或岭回归。
而6736/4是太多的观察。我们需要谷歌--我不记得如何根据因素的数量来确定最佳的观察数量。
请参加我的计量经济学主题。
这里有一个实际的例子。
让我们构建一个周期为5的音阶的类似物，但条形系数应该在3阶的多项式上。
在EViews中，对于欧元兑美元，其写法如下
eurusd pdl(eurusd(-1), 5,3)
以一种更熟悉的形式。
eurusd = + c(5)*eurusd(-1) + c(6)*eurusd(-2) + c(7)*eurusd(-3) + c(8)*eurusd(-4) + c(9)*eurusd(-5) + c(10)*eurusd(-6)
我们通过OLS估计系数，得到系数估计的结果。
eurusd = + 0.934972661616*eurusd（-1） + 0.139869148138*eurusd（-2） - 0.093599954464*eurusd（-3） - 0.0264992987207*eurusd（-4） + 0.0801064628352*eurusd（-5） - 0.0348473223286*eurusd（-6）
关于方程估计的统计数据如下。
从统计数据中我们可以看到，我们从阿尔蒙的挥舞中看到了一个非常好的原始科蒂尔的映射水平 R-square = 0.998467
从图形上看，它看起来像。
退步（阿尔蒙的挥手）已经完全覆盖了原来的商数。
还有最后一勺蜂蜜。
让我们看看残留物是什么，即我们的阿尔蒙的麦芽汁和原来的科蒂尔之间的差异。这个残差的静止性/非静止性是非常重要的。
单位根检验表明，残差是静止的。
如果你在谷歌上搜索"计量经济学"一词，你会得到一个巨大的文献清单，即使是专家也很难理解。一本书说一套，另一套--另一套，第三套--只是前两套的汇编，有一些不准确之处。但 "从书本中来 "的方法结合了这些书本在实践中的应用并不明确。我对知识分子沦为书呆子的胡闹不感兴趣。
与本论坛的其他书单类似，例如关于统计学的书单，我建议我们集体编制一份参与者认为与经济数据的测量--计量经济学有关的教科书、专著、论文、文章、互联网资源和软件包的清单。然而，我们不要忘记，数理统计是计量经济学的姊妹篇。我建议不要把 与技术分析有关的东西列入这个名单。
为了排除滑向植物学的情况，我提出了一个具体的书单方法。只有当我知道有软件可以实现这些书中的算法时，我们才会发布链接（书籍本身）。我已将范围缩小到EViews。这个程序与其他程序相比没有任何优势，它有优点也有缺点，但我把它作为计量经济学的一个标尺。我附上了用户手册第二卷的目录，以便一下子概括出尽可能广泛的问题。由于建议的方法，计量经济学中使用的几个领域，但不包括在EVIEWS中，如NS，小波等，被排除在外。当然，我们也欢迎对此类项目和书籍的参考。
如果我们不仅能提供算法来源的链接，还能进行具体的计算，那么这个话题就没有任何价值了。
我建议使用附件中的章节编号进行图书分组。
因此，请支持。