STATA在財務金融與經濟分析的應用

根據產學研的經驗法則，統計學、經濟理論和數學這三者對於真正了解現代經濟生活中的數量關係來說，都是必要的，但各自並非是充分條件。而三者結合起來，就有力量，這種結合便構成了計量經濟學，計量經濟學係藉由統計工具將概念性的經濟理論付諸實際的一項學科。

STaTa是一個具有龐大功能的統計軟體，其優秀的統計功能遠超越SPSS、SAS、LISREL/HLM、jMulti、Gretl、AMOS、LIMDEP及Eviews等軟體，STaTa可處理的資料如：(1)橫斷面研究模型、縱貫面研究模型、縱橫面研究模型。(2)單一迴歸方程式、線性vs非線性迴歸、工具變數之二階段迴歸、似不相關迴歸、廣義結構方程、共整合等聯立方程式。(3)可線上直接擷取「美國聯邦準備理事會FRED」資料庫，大大節省收集樣本的時間。(4)(線性/非線性)單變量、多變量橫斷面/時間序列/panel都可處理。(4)多變量統計分析。(5)流行病學。(6)試題反應理論…等都有最新處理方法。

STaTa同時提供眾多(內建vs.外掛)指令，幾乎坊間教科書你看得的統計分析，它都可解決。此外，STaTa為了減低電腦使用者對程式設計的憂慮，它亦提供Menu選擇表之對應視窗，讓你能輕鬆操作Menu，來進行統計分析。而STaTa提供的longitudinal-data及panel-data線性/非線性迴歸、單層次/多層次迴歸、單階段/二階段OLS迴歸…，都是坊間最佳的統計工具。迄今STaTa更是計量經濟、財金、社科等領域的最佳統計利器。

有鑑於STaTa分析功能龐大，本書作者分成幾冊書來進行一系列的介紹，包括：

1. STaTa高等統計分析(適合工商、教育、社學科學、生物醫學)。

2. STaTa在財務金融與經濟分析的應用(適合商科、社學科學、教育、生物醫學)。。

3. STaTa在結構方程模型及試題反應理論的應用(適合工商、教育、社學科學、生物醫學)。

4. Panel-data迴歸模型：STaTa在廣義時間序列的應用。(適合工商、教育、社學科學、生物醫學)。

5. STaTa在生物醫學統計分析。(適合商科、社學科學、生物醫學)。

其中，有關longitudinal-data各種迴歸(如AR MA ARIMA、VAR及VECM等)，在作者「總體經濟與財務金融：STaTa時間序列分析」一書介紹；panel-data迴歸則在「Panel-data迴歸模型」本書來介紹。至於橫斷面(cross section)迴歸、動態模型、聯立迴歸式及三階段等迴歸，請見作者「STaTa高等統計分析」一書。

此外，研究者如何選擇正確的計量方法，包括適當的估計與檢定方法、與統計概念等，都是實証研究中很重要的內涵，這也是本書撰寫的目的之一。為了讓研究者能正確且精準使用時間序列，本書內文儘量結合「理論、方法、統計」，其中，方法包括：ARIMA、ARCH／GARCH、VAR／Structural VAR、共整合檢定、ＶＥＣＭ。期望能夠對產學界有拋磚引玉的效果。

最後，特感謝全傑科技公司(http://www.softhome.com.tw)，提供STaTa軟體，晚學才有機會撰寫STaTa一系列的書，以嘉惠學習者。

張紹勳(彰師大工教系) 敬上

根據產學研的經驗法則，統計學、經濟理論和數學這三者對於真正了解現代經濟生活中的數量關係來說，都是必要的，但各自並非是充分條件。而三者結合起來，就有力量，這種結合便構成了計量經濟學，計量經濟學係藉由統計工具將概念性的經濟理論付諸實際的一項學科。

STaTa是一個具有龐大功能的統計軟體，其優秀的統計功能遠超越SPSS、SAS、LISREL/HLM、jMulti、Gretl、AMOS、LIMDEP及Eviews等軟體，STaTa可處理的資料如：(1)橫斷面研究模型、縱貫面研究模型、縱橫面研究模型。(2)單一迴歸方程式、線性vs非線性迴歸、工具變數之二階段迴歸、似...

Chapter 1 認識Stata
Chapter 2 時間序列及計量經濟之專有名詞
Chapter 3 時間序列入門及動態模型
Chapter 4 線性迴歸模型的再進階
Chapter 5 單根（Unit Root）檢定及隨機趨勢
Chapter 6 時間序列迴歸ARIMA
Chapter 7 單變量ARCH-GARCH、多變量MGARCH
Chapter 8 共整合（共同隨機趨勢）、VECM
Chapter 9 聯立迴歸式：非定態／定態都可分析之VECM
Chapter 10 聯立迴歸式：只限定態才可分析之VAR
Chapter 11 聯立迴歸式：定態之Structural VAR(SVAR)

Chapter 1 認識Stata
Chapter 2 時間序列及計量經濟之專有名詞
Chapter 3 時間序列入門及動態模型
Chapter 4 線性迴歸模型的再進階
Chapter 5 單根（Unit Root）檢定及隨機趨勢
Chapter 6 時間序列迴歸ARIMA
Chapter 7 單變量ARCH-GARCH、多變量MGARCH
Chapter 8 共整合（共同隨機趨勢）、VECM
Chapter 9 聯立迴歸式：非定態／定態都可分析之VECM
Chapter 10 聯立迴歸式：只限定態才可分析之VAR
Chapter 11 聯立迴歸式：定態之Structural VAR(SVAR)