第1部分 線性回歸模型
第1章 計量經(jīng)濟學 3
1.1 引言 3
1.2 計量經(jīng)濟學范式 3
1.3 計量經(jīng)濟學實踐 5
1.4 微觀計量經(jīng)濟學和宏觀計量經(jīng)濟學 5
1.5 計量經(jīng)濟學建模 6
1.6 本書結構安排 8
1.7 準備工作 9
第2章 線性回歸模型 12
2.1 引言 12
2.2 線性回歸模型的形式 13
2.3 線性回歸模型的假設 16
2.4 歸納與總結 25
第3章 最小二乘回歸 27
3.1 引言 27
3.2 最小二乘回歸的形式 27
3.3 分塊回歸和偏回歸 34
3.4 偏回歸和偏相關系數(shù) 36
3.5 擬合優(yōu)度和方差分析 39
3.6 線性變換回歸 45
3.7 歸納與總結 46
第4章 回歸模型的最小二乘估計 49
4.1 引言 49
4.2 最小二乘估計的動機 50
4.3 最小二乘估計量的統(tǒng)計特性 52
4.4 最小二乘估計量的漸近特性 57
4.5 穩(wěn)健估計和推斷 65
4.6 b的一個函數(shù)的漸近分布:δ 法 71
4.7 區(qū)間估計 73
4.8 預測與預報 77
4.9 數(shù)據(jù)問題 83
4.10 歸納與總結 94
第5章 假設檢驗與模型選擇 99
5.1 引言 99
5.2 假設檢驗方法論 99
5.3 假設檢驗的三種方法 103
5.4 大樣本檢驗與穩(wěn)健推斷 117
5.5 非線性約束檢驗 120
5.6 非嵌套模型之間的選擇 122
5.7 設定檢驗 124
5.8 模型建立———由一般到簡單的策略 126
5.9 歸納與總結 129
第6章 函數(shù)形式、雙重差分和結構變化 134
6.1 引言 134
6.2 使用二值變量 134
6.3 雙重差分回歸 147
6.4 通過拐點回歸和斷點回歸分析社會政策 155
6.5 變量的非線性 162
6.6 結構突變與參數(shù)變化 169
6.7 歸納與總結 175
第7章 非線性、半?yún)��?shù)和非參數(shù)回歸模型 180
7.1 引言 180
7.2 非線性回歸模型 181
7.3 中位數(shù)與分位數(shù)回歸 201
7.4 偏線性回歸 209
7.5 非參數(shù)回歸 211
7.6 歸納與總結 213
第8章 內生性和工具變量估計 217
8.1 引言 217
8.2 擴展模型的假設 220
8.3 工具變量估計 222
8.4 兩階段最小二乘、控制函數(shù)與有限信息極大似然估計 228
8.5 內生虛擬變量:估計處理效應 235
8.6 假設檢驗 245
8.7 弱工具與有限信息極大似然 250
8.8 測量誤差 252
8.9 非線性工具變量估計 258
8.10 自然實驗和因果效應探索 261
8.11 歸納與總結 263
第2部分 廣義回歸模型與方程組
第9章 廣義回歸模型與異方差性 269
9.1 引言 269
9.2 穩(wěn)健最小二乘估計與推斷 270
9.3 最小二乘特性與工具變量 273
9.4 使用廣義最小二乘法的有效估計 277
9.5 異方差性與加權最小二乘法 280
9.6 異方差性檢驗 283
9.7 兩項應用 285
9.8 歸納與總結 289
第10章 回歸方程組 294
10.1 引言 294
10.2 似不相關回歸模型 296
10.3 需求方程組:奇異方程組 306
10.4 聯(lián)立方程模型 313
10.5 歸納與總結 330
第11章 面板數(shù)據(jù)模型 337
11.1 引言 337
11.2 面板數(shù)據(jù)建模 338
11.3 混合回歸模型 346
11.4 固定效應模型 356
11.5 隨機效應模型 365
11.6 非球形分布和穩(wěn)健協(xié)方差估計 381
11.7 空間自相關 383
11.8 內生性 387
11.9 面板數(shù)據(jù)的非線性回歸 405
11.10 參數(shù)異質性 409
11.11 歸納與總結 418
第3部分 估計方法
第12章 計量經(jīng)濟學的估計框架 427
12.1 引言 427
12.2 參數(shù)估計與推斷 428
12.3 半?yún)��?shù)估計 433
12.4 非參數(shù)估計 437
12.5 估計量的性質 441
12.6 歸納與總結 445
第13章 最小距離估計與廣義矩法 447
13.1 引言 447
13.2 一致估計:矩法 448
13.3 最小距離估計 455
13.4 廣義矩估計量 459
13.5 GMM 框架中的假設檢驗 469
13.6 計量經(jīng)濟學模型的GMM 估計 472
13.7 歸納與總結 491
第14章 極大似然估計 494
14.1 引言 494
14.2 似然函數(shù)與參數(shù)識別 494
14.3 有效估計:極大似然原理 496
14.4 極大似然估計量的性質 498
14.5 條件似然與計量經(jīng)濟學模型 507
14.6 假設、設定檢驗與擬合度衡量 508
14.7 兩步極大似然估計 517
14.8 偽極大似然估計和穩(wěn)健的漸近協(xié)方差矩陣 523
14.9 線性回歸模型的極大似然估計 528
14.10 廣義回歸模型 536
14.11 非線性回歸模型與擬極大似然估計 542
14.12 回歸方程組 551
14.13 聯(lián)立方程模型 555
14.14 面板數(shù)據(jù)應用 556
14.15 潛在類別與有限混合模型 571
14.16 歸納與總結 584
第15章 基于模擬的估計、推斷與隨機參數(shù)模型 589
15.1 引言 589
15.2 隨機數(shù)生成 591
15.3 基于模擬的統(tǒng)計推斷:Krinsky和Robb的方法 594
15.4 自助標準誤與置信區(qū)間 597
15.5 蒙特卡洛研究 600
15.6 基于模擬的估計 606
15.7 隨機參數(shù)線性回歸模型 617
15.8 分層線性模型 623
15.9 非線性隨機參數(shù)模型 624
15.10 個體參數(shù)估計 625
15.11 混合模型與潛在類別模型 632
15.12 歸納與總結 636
第16章 貝葉斯估計與推斷 638
16.1 引言 638
16.2 貝葉斯定理與后驗密度 639
16.3 經(jīng)典回歸模型的貝葉斯分析 640
16.4 貝葉斯推斷 646
16.5 后驗分布和吉布斯抽樣法 650
16.6 應用:二項式Probit模型 652
16.7 面板數(shù)據(jù)應用:個體效應模型 655
16.8 隨機參數(shù)模型的層級貝葉斯估計 657
16.9 歸納與總結 664
第4部分 橫截面、面板數(shù)據(jù)與微觀計量經(jīng)濟學
第17章 二值與離散選擇模型 669
17.1 引言 669
17.2 二值模型 671
17.3 二值選擇模型中的估計與推斷 683
17.4 二值選擇模型擬合優(yōu)度的度量 698
17.5 設定分析 703
17.6 二值選擇模型中的處理效應與內生變量 709
17.7 面板數(shù)據(jù)模型 719
17.8 空間二值選擇模型 741
17.9 二元Probit模型 744
17.10 多元Probit模型 756
17.11 歸納與總結 759
第18章 多項選擇與事件計數(shù) 763
18.1 引言 763
18.2 無序多項選擇模型 763
18.3 有序選擇的隨機效用模型 800
18.4 事件計數(shù)模型 818
18.5 歸納與總結 847
第19章 受限因變量:截尾、刪失與樣本選擇 851
19.1 引言 851
19.2 截尾 851
19.3 刪失數(shù)據(jù) 863
19.4 樣本選擇與偶發(fā)截尾 879
19.5 持續(xù)期模型 893
19.6 歸納與總結 903
第5部分 時間序列與宏觀計量經(jīng)濟學
第20章 序列相關 909
20.1 引言 909
20.2 時間序列數(shù)據(jù)分析 912
20.3 擾動項過程 914
20.4 分析時間序列數(shù)據(jù)的一些漸近結論 918
20.5 最小二乘估計 922
20.6 GMM 估計 925
20.7 自相關檢驗 926
20.8 Ω已知時的有效估計 929
20.9 Ω未知時的估計 930
20.10 自回歸條件異方差 935
20.11 歸納與總結 943
第21章 非平穩(wěn)數(shù)據(jù) 946
21.1 引言 946
21.2 非平穩(wěn)過程與單位根 946
21.3 協(xié)整 962
21.4 非平穩(wěn)面板數(shù)據(jù) 972
21.5 歸納與總結 974
參考文獻 975