經(jīng)濟(jì)金融計(jì)量及其R語(yǔ)言應(yīng)用（大數(shù)據(jù)時(shí)代經(jīng)濟(jì)與金融數(shù)據(jù)分析系列叢書）
定 價(jià)：30 元
- 作者：朱順泉
- 出版時(shí)間：2016/7/6
- ISBN：9787302437956
- 出 版 社：清華大學(xué)出版社
- 中圖法分類：F83
- 頁(yè)碼：211
- 紙張：膠版紙
- 版次：1
- 開本：16K
本書結(jié)合大量精選的實(shí)例全面介紹使用R語(yǔ)言進(jìn)行經(jīng)濟(jì)與金融分析的方法。全書共14章，內(nèi)容包括經(jīng)濟(jì)與金融計(jì)量學(xué)緒論，R語(yǔ)言的下載、安裝與啟動(dòng)，R語(yǔ)言對(duì)象與數(shù)據(jù)存取，參數(shù)估計(jì)與假設(shè)檢驗(yàn)的R語(yǔ)言應(yīng)用，線性回歸分析的R語(yǔ)言應(yīng)用，多重共線性的R語(yǔ)言應(yīng)用，異方差問題的R語(yǔ)言應(yīng)用，自相關(guān)問題的R語(yǔ)言應(yīng)用，時(shí)間序列分析ARIMA模型預(yù)測(cè)的R語(yǔ)言應(yīng)用，單位根、協(xié)整與格蘭杰因果檢驗(yàn)的R語(yǔ)言應(yīng)用，時(shí)間序列分析GARCH模型的R語(yǔ)言應(yīng)用，面板數(shù)據(jù)分析的R語(yǔ)言應(yīng)用，基于R語(yǔ)言的金融數(shù)據(jù)分析綜合應(yīng)用，創(chuàng)業(yè)板科技型上市公司股權(quán)激勵(lì)對(duì)其價(jià)值影響的計(jì)量檢驗(yàn)研究。本書內(nèi)容新穎、全面，實(shí)用性強(qiáng)，融理論、方法、應(yīng)用于一體，可供統(tǒng)計(jì)學(xué)、數(shù)量經(jīng)濟(jì)學(xué)、管理科學(xué)與工程、應(yīng)用數(shù)學(xué)、計(jì)算數(shù)學(xué)、概率統(tǒng)計(jì)、金融學(xué)、金融工程、投資學(xué)、金融專業(yè)碩士、經(jīng)濟(jì)學(xué)、財(cái)務(wù)管理、會(huì)計(jì)學(xué)、工商管理等專業(yè)的本科高年級(jí)學(xué)生與研究生使用。
《經(jīng)濟(jì)金融計(jì)量及其R語(yǔ)言應(yīng)用》側(cè)重于使用R進(jìn)行經(jīng)濟(jì)與金融數(shù)據(jù)分析，同時(shí)結(jié)合大量精選的實(shí)例問題對(duì)R語(yǔ)言進(jìn)行科學(xué)、準(zhǔn)確和全面的介紹，以便使讀者能深刻理解R的精髓和靈活、高效的使用技巧。
第1章經(jīng)濟(jì)與金融計(jì)量學(xué)緒論
1．1經(jīng)濟(jì)計(jì)量學(xué)與金融計(jì)量學(xué)的含義及建模步驟
1．1．1計(jì)量經(jīng)濟(jì)學(xué)與金融計(jì)量經(jīng)濟(jì)學(xué)的含義
1．1．2經(jīng)濟(jì)計(jì)量學(xué)與金融計(jì)量學(xué)建模過程
1．1．3經(jīng)濟(jì)與金融模型中的數(shù)據(jù)
1．2經(jīng)濟(jì)與金融計(jì)量軟件簡(jiǎn)介
1．2．1R軟件簡(jiǎn)介
1.2.2Python軟件簡(jiǎn)介
1．2．3Stata軟件簡(jiǎn)介
1．2．4EViews軟件簡(jiǎn)介
1．2．5SAS軟件簡(jiǎn)介
1．2．6Matlab軟件簡(jiǎn)介
1．2．7SPSS軟件簡(jiǎn)介
練習(xí)題
第2章R語(yǔ)言的下載、安裝與啟動(dòng)
2．1選擇R語(yǔ)言的理由
2．2R語(yǔ)言下載
2．3R語(yǔ)言安裝
2．4R語(yǔ)言程序包的安裝
2．5R語(yǔ)言的啟動(dòng)
2．6R語(yǔ)言的退出
2．7R語(yǔ)言的在線幫助系統(tǒng)
練習(xí)題
第3章R語(yǔ)言對(duì)象與數(shù)據(jù)存取
3．1R語(yǔ)言的對(duì)象與屬性
3．2對(duì)象信息的瀏覽和刪除
3．3向量對(duì)象
3．3．1數(shù)值型向量對(duì)象
3．3．2字符型向量對(duì)象
3．3．3邏輯型向量
3．3．4因子型向量
3．3．5數(shù)值型向量的運(yùn)算
3．3．6常用統(tǒng)計(jì)函數(shù)
3．3．7向量的下標(biāo)與子集(元素)的提取
3．4數(shù)組與矩陣對(duì)象
3．4．1數(shù)組的建立
3．4．2矩陣的建立
3．4．3數(shù)組與矩陣的下標(biāo)與子集(元素)的提取
3．4．4矩陣的運(yùn)算函數(shù)
3．5數(shù)據(jù)框?qū)ο?br />
3．5．1數(shù)據(jù)框的直接建立
3．5．2數(shù)據(jù)框的間接建立
3．5．3適用于數(shù)據(jù)框的函數(shù)
3．5．4數(shù)據(jù)框的下標(biāo)與子集的提取
3．5．5數(shù)據(jù)框中添加新變量
3．6時(shí)間序列對(duì)象
3．7列表對(duì)象
3．8R語(yǔ)言數(shù)據(jù)存儲(chǔ)
3．9R語(yǔ)言數(shù)據(jù)讀取
3．9．1文本文件數(shù)據(jù)的讀取
3．9．2Excel數(shù)據(jù)的讀取
3．9．3R語(yǔ)言中數(shù)據(jù)集的讀取
3．9．4R語(yǔ)言中的格式數(shù)據(jù)
3．10R語(yǔ)言編程
3．10．1R語(yǔ)言函數(shù)基礎(chǔ)
3．10．2循環(huán)和向量化
3．10．3用R語(yǔ)言編寫程序
3．10．4用R語(yǔ)言編寫函數(shù)
練習(xí)題
第4章參數(shù)估計(jì)與假設(shè)檢驗(yàn)的R語(yǔ)言應(yīng)用
4．1參數(shù)估計(jì)的R語(yǔ)言應(yīng)用
4．1．1點(diǎn)估計(jì)矩分析法的R語(yǔ)言應(yīng)用
4．1．2單正態(tài)總體均值區(qū)間估計(jì)的R語(yǔ)言應(yīng)用
4．1．3單正態(tài)總體方差區(qū)間估計(jì)的R語(yǔ)言應(yīng)用
4．2假設(shè)檢驗(yàn)的R語(yǔ)言應(yīng)用
4．2．1參數(shù)假設(shè)檢驗(yàn)的基本理論
4．2．2單個(gè)樣本t檢驗(yàn)的R語(yǔ)言應(yīng)用
4．2．3兩個(gè)獨(dú)立樣本t檢驗(yàn)的R語(yǔ)言應(yīng)用
4．2．4配對(duì)樣本t檢驗(yàn)的R語(yǔ)言應(yīng)用
4．2．5單樣本方差假設(shè)檢驗(yàn)的R語(yǔ)言應(yīng)用
4．2．6雙樣本方差假設(shè)檢驗(yàn)的R語(yǔ)言應(yīng)用
練習(xí)題
第5章線性回歸分析的R語(yǔ)言應(yīng)用
5．1一元線性回歸分析基本理論
5．1．1一元線性回歸分析的OLS估計(jì)
5．1．2一元線性回歸模型的統(tǒng)計(jì)檢驗(yàn)
5．1．3一元線性回歸模型預(yù)測(cè)的置信區(qū)間
5．2一元線性回歸分析的R語(yǔ)言應(yīng)用
5．3多元線性回歸分析基本理論
5．3．1多元線性回歸模型假設(shè)
5．3．2多元線性回歸模型的矩陣解法
5．3．3多元線性回歸模型的統(tǒng)計(jì)檢驗(yàn)
5．4多元線性回歸分析的R語(yǔ)言應(yīng)用
5．5穩(wěn)健線性回歸分析的R語(yǔ)言應(yīng)用
5．5．1線性回歸中的幾個(gè)術(shù)語(yǔ)
5．5．2數(shù)據(jù)描述
5．5．3普通最小二乘(OLS)回歸的R語(yǔ)言應(yīng)用
5．5．4穩(wěn)健回歸的R語(yǔ)言應(yīng)用
練習(xí)題
第6章多重共線性的R語(yǔ)言應(yīng)用
6.1多重共線性的概念
6.2多重共線性的后果
6.3產(chǎn)生多重共線性的原因
6.4多重共線性的識(shí)別和檢驗(yàn)
6.5消除多重共線性的方法
6.6多重共線性診斷的R語(yǔ)言應(yīng)用
6.7多重共線性消除的R語(yǔ)言應(yīng)用
練習(xí)題
第7章異方差問題的R語(yǔ)言應(yīng)用
7.1異方差的概念
7.2異方差產(chǎn)生的原因
7.3異方差的后果
7.4異方差的識(shí)別檢驗(yàn)
7.4.1根據(jù)問題的經(jīng)濟(jì)背景，分析是否可能存在異方差
7.4.2圖示法
7.4.3統(tǒng)計(jì)檢驗(yàn)方法
7.5消除異方差的方法
7.6異方差診斷的R語(yǔ)言應(yīng)用
7.7異方差消除的R語(yǔ)言應(yīng)用
練習(xí)題
第8章自相關(guān)問題的R語(yǔ)言應(yīng)用
8.1自相關(guān)的概念
8.2產(chǎn)生自相關(guān)的原因
8.3自相關(guān)的后果
8.4自相關(guān)的識(shí)別和檢驗(yàn)
8.5自相關(guān)的處理方法
8.6自相關(guān)性診斷的R語(yǔ)言應(yīng)用
8.7自相關(guān)消除的R語(yǔ)言應(yīng)用
練習(xí)題
第9章時(shí)間序列分析ARIMA模型預(yù)測(cè)的R語(yǔ)言應(yīng)用
9.1ARIMA模型
9.2通過差分得到平穩(wěn)時(shí)間序列
9.3確定合適的ARIMA模型
9.4ARIMA模型預(yù)測(cè)
9.5ARIMA模型預(yù)測(cè)結(jié)果的檢驗(yàn)
練習(xí)題
第10章單位根、協(xié)整與格蘭杰因果檢驗(yàn)的R語(yǔ)言應(yīng)用
10.1時(shí)間序列分析的基本理論
10.1.1平穩(wěn)、協(xié)整、因果檢驗(yàn)的基本概念
10.1.2單位根檢驗(yàn)
10.1.3協(xié)整檢驗(yàn)
10.1.4誤差修正模型
10.2數(shù)據(jù)來源與思路
10.3描述性分析
10.4時(shí)間序列趨勢(shì)圖
10.5對(duì)數(shù)據(jù)進(jìn)行相關(guān)分析
10.6時(shí)間序列的單位根檢驗(yàn)
10.7兩時(shí)間序列分析的協(xié)整檢驗(yàn)與誤差修正模型
10.8格蘭杰因果關(guān)系檢驗(yàn)
練習(xí)題
第11章時(shí)間序列分析GARCH模型的R語(yǔ)言應(yīng)用
11.1GARCH模型的含義
11.2ARCH效應(yīng)檢驗(yàn)
11.3GARCH模型的R語(yǔ)言函數(shù)用法
11.4GARCH模型的R語(yǔ)言函數(shù)應(yīng)用實(shí)例
11.5德國(guó)股票指數(shù)的GARCH模型的R語(yǔ)言應(yīng)用
練習(xí)題
第12章面板數(shù)據(jù)分析的R語(yǔ)言應(yīng)用
12.1面板數(shù)據(jù)分析的基本理論
12.2面板數(shù)據(jù)格式定義
12.3混合估計(jì)回歸模型R語(yǔ)言估計(jì)
12.4固定效應(yīng)回歸模型R語(yǔ)言估計(jì)
12.5固定效應(yīng)回歸模型與混合估計(jì)回歸模型優(yōu)劣判斷的R語(yǔ)言應(yīng)用
12.6隨機(jī)效應(yīng)回歸模型的R語(yǔ)言估計(jì)
12.7組間計(jì)量回歸分析的R語(yǔ)言估計(jì)
12.8隨機(jī)效應(yīng)回歸模型與固定效應(yīng)回歸模型區(qū)分的Hausman檢驗(yàn)
12.9面板數(shù)據(jù)的廣義矩估計(jì)的R語(yǔ)言應(yīng)用
12.9.1資本資產(chǎn)定價(jià)模型檢驗(yàn)的廣義矩估計(jì)法（GMM）的
R語(yǔ)言應(yīng)用
12.9.2多因素套利定價(jià)模型檢驗(yàn)的廣義矩估計(jì)的R語(yǔ)言應(yīng)用
練習(xí)題
第13章基于R語(yǔ)言的金融數(shù)據(jù)分析綜合應(yīng)用
13.1構(gòu)建金融數(shù)據(jù)分析平臺(tái)的R程序包功能及層次
13.2數(shù)據(jù)處理和圖形展示程序包quantmod
13.3金融數(shù)據(jù)獲取
13.4時(shí)間序列分析的R工具
13.5時(shí)間序列分析
13.6金融數(shù)據(jù)分析R語(yǔ)言綜合應(yīng)用
練習(xí)題
第14章創(chuàng)業(yè)板科技型上市公司股權(quán)激勵(lì)對(duì)其價(jià)值影響的計(jì)量檢驗(yàn)研究
14.1科技型上市公司股權(quán)激勵(lì)相關(guān)概念
14.1.1科技型上市公司的概念與特征
14.1.2股權(quán)激勵(lì)的概念及特點(diǎn)
14.2科技型上市公司股權(quán)激勵(lì)的定性分析
14.2.1科技型上市公司推行股權(quán)激勵(lì)的意義
14.2.2高新技術(shù)公司實(shí)施股權(quán)激勵(lì)的可行性
14.2.3我國(guó)科技型上市公司股權(quán)激勵(lì)現(xiàn)狀分析
14.2.4股權(quán)激勵(lì)實(shí)施效果分析
14.3科技型上市公司股權(quán)激勵(lì)績(jī)效的實(shí)證研究
14.3.1研究假設(shè)
14.3.2變量選取
14.3.3樣本的選擇和數(shù)據(jù)的來源
14.3.4模型設(shè)計(jì)
14.3.5實(shí)證檢驗(yàn)
14.3.6小結(jié)
14.4研究結(jié)論及建議
14.4.1研究結(jié)論
14.4.2政策建議
練習(xí)題
參考文獻(xiàn)
書單推薦
