SPSS经济统计分析

页数:0

价格:36.00元

isbn号码:9787503753756

具体描述

SPSS经济统计分析，ISBN：9787503753756，作者：李兴绪 等 著

用户评价

这本书的排版和语言风格，给我一种很‘老派’的感觉，仿佛是上世纪末期教材的翻印版。章节之间的逻辑过渡不够流畅，有时候会感觉知识点堆砌的痕迹很重，不同主题之间的衔接像是硬生生用胶水粘上去的，缺乏一种内在的、线性的思维导图。比如，它在前两章花了大量篇幅介绍描述性统计的各种图形展示方式，各种直方图、箱线图的画法占据了超过三分之一的篇幅，但真正到了讲解时间序列分析时，对于协整检验（Cointegration Test）的介绍却简陋得像个附录。对于金融经济学或者宏观经济学研究者来说，时间序列分析是至关重要的工具，本书却似乎将其视为一个可有可无的选修内容。我个人认为，一本好的分析工具书，应该是在‘工具’和‘应用’之间找到一个动态的平衡点，让读者在学会操作的同时，也理解了这种操作背后的理论价值和局限性。但《SPSS经济统计分析》更像是一本‘怎么点鼠标’的说明书，而非一本‘如何进行经济学研究’的指导书，对于想要进行原创性研究的读者，它的启发性微乎其微。

我购买这本书的初衷是想通过SPSS掌握一些高级的面板数据处理技巧，特别是如何处理时间序列中的结构性断点。然而，这本书对于突变点检测（Structural Break Tests）的介绍极其简略，仅仅提到了Chow检验，而且讲解的侧重点依然是SPSS的输出结果，而非如何根据经济事件（比如某项重大政策出台、金融危机爆发）来合理设定虚拟变量和交互项。例如，在分析房地产市场调控政策对房价的影响时，关键在于如何精确界定政策实施的时间节点，并构建一个合适的交互项来捕捉政策的异质性影响。这本书没有提供任何关于这种政策效果评估的设计思路，它只是告诉读者“可以运行一个包含交互项的模型”，但这种“可以”背后蕴含的经济学智慧和实证设计经验，才是我们真正需要学习的。因此，对于那些希望利用计量工具解决实际经济政策评估问题的读者而言，这本书提供的仅仅是工具的‘钥匙’，却吝啬于分享‘如何开锁’和‘锁后藏着什么宝藏’的指导，整体上更像是一本偏向于基础操作演示的软件手册，而非一本深入的经济统计分析专著。

这本《SPSS经济统计分析》的书，真是让我这个初次接触计量经济学的小白犯了难。从目录上看，它似乎想包罗万象，涵盖了从基础描述统计到复杂的回归模型，但实际阅读下来，感觉像是走马观花。比如在讲解多元线性回归时，作者用了很多篇幅去罗列SPSS软件界面上各个选项的含义，这对于只想理解模型背后经济学逻辑的我来说，显得有些本末倒置了。我更希望看到的是，如何将复杂的经济学理论，比如菲利普斯曲线或者蒙代尔-弗莱明模型，有效地转化为可以在SPSS中进行实证检验的步骤和规范。书里提供的案例数据大多是教科书式的，缺乏真实世界经济体中那种数据缺失、异方态或者多重共线性的‘脏数据’处理经验。我尝试用书中学到的知识去分析我自己的宏观数据，结果发现书里教的‘一键出结果’的方法根本行不通，很多重要的假设检验和稳健性检验的细节，书中一带而过，留给读者的空白太多，需要我自己去翻阅更专业的计量经济学原著来补充，这大大降低了这本书作为一本‘操作指南’的实用价值。如果它定位是入门读物，那么对软件操作的过度关注削弱了对统计理论的深度阐述；若想成为高级参考，又显得细节不足，略显尴尬。

我花了整整一个周末，试图跟着书中的步骤跑一遍面板数据分析的流程，结果发现体验感相当割裂。这本书在描述如何操作SPSS生成初步结果方面做得还算细致，界面按钮的指向性很明确，但一旦涉及到如何解释那些密密麻麻的输出表格背后的经济含义时，作者的笔锋就明显迟疑了。特别是关于固定效应模型（FE）和随机效应模型（RE）的选择，书里只是简单提到了Hausman检验，却没能深入探讨在特定经济背景下，为什么选择其中一种模型比另一种更具经济学合理性。举个例子，分析省际间收入差距，如果数据存在个体异质性，到底是因为个体特定的、不随时间变化的因素（FE）起作用，还是随机的、不可观测的个体特征（RE）在起作用，这本书没有给出足够的理论铺垫来指导我进行这种高级的判断。更令人沮丧的是，对于模型设定中常见的内生性问题——这是现代经济学实证研究的重中之重——本书的处理方式过于保守和简单化，仅仅提到了工具变量法的基本概念，却没有提供如何在SPSS中有效地识别和估计有效的工具变量，这使得这本书在处理前沿和复杂经济问题时，显得力不从心，更像是一本停留在二十年前基础计量方法的教学手册。

从一个长期使用SPSS进行社会学研究的朋友那里借阅此书后，我发现它在处理非线性关系和离散型数据模型方面的覆盖面存在明显的短板。我们知道，经济学中很多变量，比如就业率、消费者选择、违约概率等，本质上是二元或多项选择变量，需要用到Logit或Probit模型。这本书在讲解这些广义线性模型（GLM）时，虽然提到了SPSS中的对应菜单路径，但在对模型结果的解释上，仅仅停留在了对系数的显著性检验上。更关键的是，Logit模型的核心解释变量是边际效应（Marginal Effects），而不是系数本身的大小，这本书却鲜有提及如何计算和报告这些边际效应，这对于需要向同行展示研究结果的人来说，是一个致命的缺陷。此外，对于非参数回归方法，如局部加权回归（LOESS）的介绍更是几乎为零。在数据关系复杂，传统线性模型假设难以满足的现实世界中，这种对现代非参数和半参数方法的缺失，使得这本书的适用范围被严格限制在了那些‘非常听话’的线性数据集中，对于需要处理真实、复杂经济现象的研究者来说，参考价值大打折扣，读完后总有一种意犹未尽、关键内容缺失的感觉。