第1章 基本迴歸分析：時間序列資料

1.1 時間序列資料的本質

1.2 時間序列迴歸模型

1.2.1 何謂時間序列迴歸式？

1.2.2 動態模型

1.3 恆定與弱相依的時間序列

1.3.1 恆定與非恆定時間序列

1.3.2 弱相依的時間序列

1.4 迴歸分析內的高持續性時間序列資料

1.4.1 高持續性時間序列資料

1.4.2 高持續性時間序列資料的轉換



第2章 時間序列迴歸模型

2.1 TSRM的有限樣本假定

2.1.1 OLS之不偏性

2.1.2 變異數異質

2.1.2.1 變異數異質之穩健的統計量與變異數異質檢定

2.1.2.2 自我迴歸條件變異數異質

2.1.3 序列相關與常態分配

2.2 TSRM的大樣本假定



第3章 時間序列迴歸模型的應用

3.1 函數型態、虛擬變數與鄒檢定

3.2 趨勢與季節性

3.2.1 時間序列的特性：趨勢

3.2.1.1 何謂趨勢與趨勢的型態

3.2.1.2 虛假迴歸

3.2.1.3 去趨勢變數以及其他問題

3.3 季節性

3.4 事件分析

3.4.1 事件研究分析

3.4.2 虛擬變數法



第4章 序列相關

4.1 OLS估計式性質：存在序列相關

4.1.1 不偏性與一致性

4.1.2 有效性與統計推論

4.2 序列相關之穩健的標準誤

4.3 序列相關之檢定

4.3.1 於嚴格外生自變數下的AR(1)序列相關的t檢定

4.3.2 Durbin-Watson檢定

4.3.3 無嚴格外生自變數之AR(1)序列相關檢定

4.3.4 高階之序列相關檢定

4.4 序列相關校正

4.4.1 於AR(1)模型內取得最佳線性不偏估計式

4.4.2 於AR(1)誤差下之可行的GLS估計式

4.4.3 OLS與GLS的比較

4.4.4 高階序列相關之校正

4.4.5 差分與序列相關

4.5 時間序列迴歸式：變異數異質與序列相關



第5章 動態計量模型

5.1 何謂ARDL模型？

5.1.1 動態乘數

5.1.2 無限分配落後模型

5.1.2.1 Koyck方法

5.1.2.2 適應預期模型

5.2 非恆定過程與恆定過程

5.2.1 單根檢定

5.2.2 虛假迴歸的校正

5.3 共整合與誤差修正模型

5.3.1 共整合

5.3.2 誤差修正模型

5.4 預測

5.4.1 樣本內

5.4.2 樣本外

5.4.2.1 多期向前預測

5.4.2.2 單期向前預測



第6章 簡單panel data方法：合併橫斷面資料

6.1 獨立的合併橫斷面資料

6.1.1 為何需要合併的橫斷面資料？

6.1.2 合併橫斷面資料的政策分析

6.2 簡單的panel data分析

6.2.1 二期之panel data分析

6.2.2 Panel data的建立

6.2.3 二期panel data的政策分析

6.3 多期之差分



第7章 進階的Panel Data

7.1 固定效果模型

7.1.1 固定效果模型之估計

7.1.2 FE與FD模型

7.2 隨機效果模型



第8章 工具變數估計與二階段最小平方

8.1 IV方法

8.1.1 直覺想法

8.1.2 統計推論

8.1.3 強與弱IV

8.1.4 複迴歸模型

8.2 二階段最小平方法

8.2.1 內生解釋變數

8.2.2 內生性檢定與過度認定限制檢定

8.2.2.1 內生性檢定

8.2.2.2 過度認定限制檢定

8.3 一般化動差法

8.3.1 動差法

8.3.2 GMM的估計步驟



第9章 聯立方程式模型

9.1 認定

9.1.1 何謂認定？

9.1.2 認定問題

9.1.3 認定方法

9.1.3.1 認定的階條件

9.1.3.2 認定的秩條件

9.1.3 Hausman設定檢定

9.2 似不相關聯迴歸模型

9.3 VAR模型



第10章 限制因變數模型

10.1 羅吉斯與多元概率比模型

10.1.1 估計

10.1.2 R2與檢定

10.2 Tobit模型

10.2.1 MLE

10.2.2 Tobit模型之估計

10.3 卜瓦松迴歸

10.4 設限與截斷資料

10.5 赫克曼模型



附錄

附錄A 基本的矩陣觀念

附錄B GLS



參考文獻

中文索引

英文索引

序



　　本書簡稱《計導II》。《計導II》是《計導I》的延續，即《計導II》補足了《計導I》不足的部分。《計導I》與《計導II》大致以Wooldridge（2020）的架構為藍圖；換言之，於後者大概可知當代計量經濟學導論的範圍，因此《計導I》與《計導II》所包含的內容，應該算是完整。



　　《計導I》與《計導II》的特色為：



　　(1) 所有的內容包括讀取（儲存）資料、繪圖、計算或估計等，皆有對應的Python之程式碼可供讀者對照，隱含著所有內容並不是杜撰的；或是，書內的所有結果皆是可以複製的。此大概是當代專業書籍的特色吧！



　　(2) 目前有關於計量經濟學的書籍或文獻等，可謂汗牛充棟，許多必要的數學證明，讀者應該皆可以（於網路上）找到；因此，《計導I》與《計導II》是以模擬的方式取代數學上的證明。筆者始終認為模擬方法反而更為重要。



　　(3) 於書寫的過程中，只要有疑點，筆者總想用模擬的方式「驗證」，沒有實際操作，是完全無法體會感受的（身歷其境），《計導I》與《計導II》努力往此方向進行。



　　(4) 目前所謂的「機器學習技巧（machine learning techniques）」似乎如雨後春筍般地湧現出來，例如：Richman（2024）、Grant（2024）或Martin（2024）等，其中前者更有“Richman Computational Economics”等一系列叢書（包括基本經濟學、個體經濟學、貨幣銀行學、交易數量風險與報酬等等）皆是以Python為主要輔助工具。筆者未來的想法，竟讓Richman捷足先登，有趣！



　　(5) 是故，《計導I》與《計導II》以Python為主要輔助工具應是合乎潮流趨勢，我們的確無法想像，上述以「程式語言」為輔助工具，發展的速度究竟有多快？也許，不懂或不使用「程式語言」，恐怕已愈不容易掌握（未來）專業書籍或文獻的內容。



　　(6) 使用Python來學習計量經濟學的風氣似乎已經形成，例如：Sheppard（2020）、Heiss與Brunner（2024）等書籍，其實於網路上已不難找到類似的資訊。



　　(7) 《計導I》與《計導II》雖附有習題，不過除了簡答題之外，習題皆仍附有Python之程式碼解答，故堪稱完備。



　　(8) 《計導I》與《計導II》應該與坊間的書籍有些不同，即筆者是寫出筆者（假定筆者仍是學生）想看的書。



　　《計導II》可以分成三大部分，其中第一部分包括第1?5章，內容主要敘述「時間序列迴歸模型」的假定、內容與估計等。第二部分包括第6?7章，其是有關於panel data的介紹與說明。第8?10章則屬於第三部分，其內容含工具變數估計與二階段最小平方法、聯立方程式模型（含SUR與VAR模型）以及限制因變數模型。無法避免地，《計導II》的第三部分有使用一些基本的矩陣代數操作，不過有關於後者，《計導II》仍有附錄加以補充說明。與一些進階的書籍如Baltagi（2008, 2021）、Verbeek（2017）、Greene（2003）或Hansen（2022）等書籍（上述書籍普遍使用矩陣代數操作）比較，《計導II》的內容仍偏向於屬於導論型的書籍，讀者應該能掌握。當然，比較麻煩的還是Python的操作，筆者只能建議：多實際操作，多利用網路查詢不懂或不熟悉的部分，今天不學，未來還是不會。於當代，似乎多學習程式語言應該是有利的。



　　《計導II》全書是使用Spyder IDE 6.02版本書寫，與《計導I》使用Spyder IDE 5.4.3版本稍有不同，即Python（Spyder）應該仍屬於仍在發展的程式語言，有些指令可在某版本使用，但是在其他版本內卻不行，不過若透過網路查詢，應該能克服。其實，筆者改用程式語言來學習專業，是因專業的學習若不使用程式語言工具輔助，的確相當難懂。就筆者而言，若能熟悉程式語言，學習專業的速度反而相當快。提供給大家參考。本書已不需要再附上兒子的作品，有興趣應該可於Facebook或Instagram看到。感謝內人提供一些意見，筆者學疏才淺，倉促成書，錯誤難免，望各界先進指正。最後，祝操作順利。