掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
蜜蜂的寓言:私人的惡德,公眾的利益
-
>
世界貿(mào)易戰(zhàn)簡(jiǎn)史
-
>
日本的凱恩斯:高橋是清傳:從足輕到藏相
-
>
近代天津工業(yè)與企業(yè)制度
-
>
貨幣之語(yǔ)
-
>
眉山金融論劍
-
>
圖解資本論
中圖價(jià):¥41.3
加入購(gòu)物車
貝葉斯計(jì)量經(jīng)濟(jì)學(xué) 版權(quán)信息
- ISBN：9787565439346
- 條形碼：9787565439346 ; 978-7-5654-3934-6
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>>
貝葉斯計(jì)量經(jīng)濟(jì)學(xué) 內(nèi)容簡(jiǎn)介
本書向讀者介紹了貝葉斯方法在計(jì)量經(jīng)濟(jì)學(xué)的運(yùn)用。該書內(nèi)容包括: 貝葉斯計(jì)量經(jīng)濟(jì)學(xué)概述 ; 正態(tài)線性回歸模型: 自然共軛先驗(yàn)分布和單一解釋變量情形等。
貝葉斯計(jì)量經(jīng)濟(jì)學(xué) 目錄
第1章 貝葉斯計(jì)量經(jīng)濟(jì)學(xué)概述
1．1 貝葉斯理論
1．2 貝葉斯計(jì)算
1．3 貝葉斯計(jì)算軟件
1．4 小結(jié)
1．5 習(xí)題
第2章 正態(tài)線性回歸模型：自然共軛先驗(yàn)分布和單一解釋變量情形
2．1 引言
2．2 似然函數(shù)
2．3 先驗(yàn)分布
2．4 后驗(yàn)分布
2．5 模型比較
2．6 預(yù)測(cè)
2．7 實(shí)例
2．8 小結(jié)
2．9 習(xí)題
第3章 正態(tài)線性回歸模型：自然共軛先驗(yàn)分布和多解釋變量情形
3．1 引言
3．2 線性回歸模型的矩陣表示
3．3 似然函數(shù)
3．4 先驗(yàn)分布
3．5 后驗(yàn)分布
3．6 模型比較
3．7 預(yù)測(cè)
3．8 計(jì)算方法：蒙特卡羅積分
3．9 實(shí)例
3．10 小結(jié)
3．11 習(xí)題
第4章 正態(tài)線性回歸模型：其他先驗(yàn)分布
4．1 引言
4．2 采用獨(dú)立正態(tài)-伽馬先驗(yàn)分布的正態(tài)線性回歸模型
4．3 有不等式約束的正態(tài)線性回歸模型
4．4 小結(jié)
4．5 習(xí)題
第5章 非線性回歸模型
5．1 引言
5．2 似然函數(shù)
5．3 先驗(yàn)分布
5．4 后驗(yàn)分布
5．5 貝葉斯計(jì)算：M-H算法
5．6 模型擬合好壞的測(cè)度：后驗(yàn)預(yù)測(cè)p值
5．7 模型比較：Gelfand-Dey方法
5．8 預(yù)測(cè)
5．9 實(shí)例
5．10 小結(jié)
5．11 習(xí)題
第6章 線性回歸模型：一般形式誤差協(xié)方差矩陣
6．1 引言
6．2 Ω為一般形式的模型
6．3 異方差形式已知
6．4 異方差形式未知：誤差服從t分布
6．5 誤差存在序列相關(guān)
6．6 似不相關(guān)回歸模型
6．7 小結(jié)
6．8 習(xí)題
第7章 面板數(shù)據(jù)的線性回歸模型
7．1 引言
7．2 混同模型
7．3 個(gè)體效應(yīng)模型
7．4 隨機(jī)系數(shù)模型
7．5 模型比較：計(jì)算邊緣似然函數(shù)的Chib方法
7．6 實(shí)例
7．7 效率分析和隨機(jī)前沿模型
7．8 拓展
7．9 小結(jié)
7．10 習(xí)題
……
第8章 時(shí)間序列模型簡(jiǎn)介：狀態(tài)空間模型
第9章 定性和受限因變量模型
第10章 更靈活的模型：非參數(shù)和半?yún)?shù)方法
第11章 貝葉斯模型平均方法
第12章 其他模型、方法和問(wèn)題
附錄A 矩陣代數(shù)簡(jiǎn)介
附錄B 概率和統(tǒng)計(jì)簡(jiǎn)介
參考文獻(xiàn)
1．1 貝葉斯理論
1．2 貝葉斯計(jì)算
1．3 貝葉斯計(jì)算軟件
1．4 小結(jié)
1．5 習(xí)題
第2章 正態(tài)線性回歸模型：自然共軛先驗(yàn)分布和單一解釋變量情形
2．1 引言
2．2 似然函數(shù)
2．3 先驗(yàn)分布
2．4 后驗(yàn)分布
2．5 模型比較
2．6 預(yù)測(cè)
2．7 實(shí)例
2．8 小結(jié)
2．9 習(xí)題
第3章 正態(tài)線性回歸模型：自然共軛先驗(yàn)分布和多解釋變量情形
3．1 引言
3．2 線性回歸模型的矩陣表示
3．3 似然函數(shù)
3．4 先驗(yàn)分布
3．5 后驗(yàn)分布
3．6 模型比較
3．7 預(yù)測(cè)
3．8 計(jì)算方法：蒙特卡羅積分
3．9 實(shí)例
3．10 小結(jié)
3．11 習(xí)題
第4章 正態(tài)線性回歸模型：其他先驗(yàn)分布
4．1 引言
4．2 采用獨(dú)立正態(tài)-伽馬先驗(yàn)分布的正態(tài)線性回歸模型
4．3 有不等式約束的正態(tài)線性回歸模型
4．4 小結(jié)
4．5 習(xí)題
第5章 非線性回歸模型
5．1 引言
5．2 似然函數(shù)
5．3 先驗(yàn)分布
5．4 后驗(yàn)分布
5．5 貝葉斯計(jì)算：M-H算法
5．6 模型擬合好壞的測(cè)度：后驗(yàn)預(yù)測(cè)p值
5．7 模型比較：Gelfand-Dey方法
5．8 預(yù)測(cè)
5．9 實(shí)例
5．10 小結(jié)
5．11 習(xí)題
第6章 線性回歸模型：一般形式誤差協(xié)方差矩陣
6．1 引言
6．2 Ω為一般形式的模型
6．3 異方差形式已知
6．4 異方差形式未知：誤差服從t分布
6．5 誤差存在序列相關(guān)
6．6 似不相關(guān)回歸模型
6．7 小結(jié)
6．8 習(xí)題
第7章 面板數(shù)據(jù)的線性回歸模型
7．1 引言
7．2 混同模型
7．3 個(gè)體效應(yīng)模型
7．4 隨機(jī)系數(shù)模型
7．5 模型比較：計(jì)算邊緣似然函數(shù)的Chib方法
7．6 實(shí)例
7．7 效率分析和隨機(jī)前沿模型
7．8 拓展
7．9 小結(jié)
7．10 習(xí)題
……
第8章 時(shí)間序列模型簡(jiǎn)介：狀態(tài)空間模型
第9章 定性和受限因變量模型
第10章 更靈活的模型：非參數(shù)和半?yún)?shù)方法
第11章 貝葉斯模型平均方法
第12章 其他模型、方法和問(wèn)題
附錄A 矩陣代數(shù)簡(jiǎn)介
附錄B 概率和統(tǒng)計(jì)簡(jiǎn)介
參考文獻(xiàn)
展開(kāi)全部
貝葉斯計(jì)量經(jīng)濟(jì)學(xué) 作者簡(jiǎn)介
加里·庫(kù)普，英國(guó)思克萊德大學(xué)的經(jīng)濟(jì)學(xué)教授。他的研究領(lǐng)域是貝葉斯計(jì)量經(jīng)濟(jì)學(xué)。另著有《實(shí)證宏觀經(jīng)濟(jì)學(xué)》（東北財(cái)經(jīng)大學(xué)出版社引進(jìn)出版），并發(fā)表多篇論文。
書友推薦
- >
羅庸西南聯(lián)大授課錄
- >
自卑與超越
- >
月亮與六便士
- >
有舍有得是人生
- >
龍榆生：詞曲概論/大家小書
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語(yǔ))
- >
隨園食單
本類暢銷
