横截面与面板数据的经济计量分析2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

横截面与面板数据的经济计量分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第Ⅰ篇　引论与背景3

第1章　引论3

1.1　因果关系与其余条件不变分析3

1.2　随机设置与渐近分析5

1.2.1 数据结构5

1.2.2　渐近分析7

1.3　一些事例7

1.4　为什么不固定解释变量9

第2章　经济计量学中条件期望与相关概念11

2.1　条件期望在经济计量学中的作用11

2.2　条件期望的特征12

2.2.1 定义与事例12

2.2.2　部分效应、弹性与半弹性13

2.2.3　条件期望模型的误差形式15

2.2.4　条件期望的若干性质16

2.2.5　平均部分效应19

2.3　线性投影21

习题23

附录2A25

2.A.1 条件期望的性质25

2.A.2　条件方差的性质26

2.A.3 线性投影的性质27

第3章　基本渐近理论30

3.1　确定性序列收敛30

3.2　依概率收敛与依概率有界31

3.3　依分布收敛33

3.4　随机样本的极限定理34

3.5　估计量与检验统计量的极限特性35

3.5.1　估计量的渐近性质35

3.5.2　检验统计量的渐近性质37

习题40

第Ⅱ篇　线性模型43

第4章　单方程线性模型与OLS估计43

4.1　单方程线性模型概述43

4.2 OLS的渐近性质45

4.2.1 一致性46

4.2.2 利用OLS的渐近推断48

4.2.3　异方差性的稳健推断49

4.2.4　拉格朗日乘子（得分）检验51

4.3　省略变量问题的OLS求解54

4.3.1 忽略省略变量的OLS54

4.3.2　代理变量——OLS解55

4.3.3　含有不可观测情况的交互作用模型59

4.4　测量误差下的OLS性质61

4.4.1 因变量的测量误差62

4.4.2　解释变量的测量误差63

习题66

第5章　单方程线性模型的工具变量估计71

5.1　工具变量与两阶段最小二乘法71

5.1.1 工具变量估计的动机71

5.1.2 多重工具：两阶段最小二乘法77

5.2 2SLS的一般处理79

5.2.1 一致性79

5.2.2 2SLS的渐近正态性81

5.2.3 2SLS的渐近有效性82

5.2.4　含有2SLS的假设检验83

5.2.5 2SLS的异方差性稳健推断85

5.2.6　含有2SLS的潜在陷阱86

5.3　省略变量与测量误差问题的IV解90

5.3.1 误差项中的省略因素90

5.3.2　利用不可观测标示变量求解90

习题92

第6章　附加的单方程专题98

6.1　含有生成回归元与工具的估计98

6.1.1 含有生成回归元的OLS98

6.1.2　含有生成工具的2SLS100

6.1.3　生成工具与回归元100

6.2　一些设定检验101

6.2.1 内生性检验101

6.2.2　过度识别约束检验105

6.2.3 函数形式检验106

6.2.4　异方差性检验107

6.3　其他抽样方案下的单方程方法110

6.3.1　跨时间混合模截面110

6.3.2　地区分层样本113

6.3.3 空间相依性114

6.3.4　整群样本115

习题115

附录6A118

第7章　利用OLS与GLS估计方程组122

7.1　引言122

7.2　一些事例123

7.3　多变量线性方程组的系统OLS估计125

7.3.1　预备知识125

7.3.2 系统OLS的渐近性质126

7.3.3　多重假设检验131

7.4　广义最小二乘法的一致性与渐近正态性131

7.4.1　一致性131

7.4.2　渐近正态性133

7.5　可行的GLS134

7.5.1　渐近性质134

7.5.2　标准假设下FGLS的渐近方差137

7.6　利用FGLS检验139

7.7　看似不相关回归的再研究140

7.7.1 SUR方程组在OLS与FGLS之间的比较140

7.7.2　含有交叉方程约束的方程组143

7.7.3 SUR方程组中的奇异方差矩阵144

7.8　线性面板数据模型的再研究146

7.8.1　混合OLS的假设146

7.8.2　动态完备性148

7.8.3 时间序列持久性评注150

7.8.4　稳健渐近方差矩阵151

7.8.5　检验混合OLS的序列相关与异方差151

7.8.6　严格外生性下可行的GLS估计153

习题154

第8章　利用工具变量的系统估计157

8.1　引言与事例157

8.2　一般线性方程组159

8.3　广义矩估计方法162

8.3.1　一般加权矩阵162

8.3.2 系统2SLS估计量164

8.3.3　最优加权矩阵165

8.3.4 三阶段最小二乘法估计量167

8.3.5　GMM3SLS与传统3SLS的比较169

8.4　选择估计量的背景考虑170

8.5　利用GMM的检验171

8.5.1　检验古典假设171

8.5.2　检验过度识别约束172

8.6　更有效估计与最优工具173

习题176

第9章　联立方程模型179

9.1　联立方程模型的范围179

9.2　线性方程组的识别181

9.2.1 排除性约束与简化式181

9.2.2 一般线性约束与结构方程184

9.2.3 不可识别、恰好识别以及过度识别方程189

9.3　识别后估计189

9.3.1　稳健性与有效性的权衡189

9.3.2　什么时候2SLS与3SLS是等价的191

9.3.3　估计简化式参数192

9.4　附加的线性SEM若干专题193

9.4.1 利用交叉方程约束达到识别193

9.4.2　利用协方差约束达到识别194

9.4.3 线性方程组中识别与有效性之间的细微差异196

9.5　关于内生变量为非线性的SEM197

9.5.1 识别197

9.5.2　估计201

9.6　不同方程的不同工具203

习题204

第10章　基本线性不可观测效应的面板数据模型210

10.1　动机：省略变量问题210

10.2　不可观测效应与解释变量的假设213

10.2.1 随机效应或者固定效应214

10.2.2　解释变量的严格外生性假设215

10.2.3 不可观测效应面板数据模型的事例216

10.3　通过混合OLS估计不可观测效应模型218

10.4　随机效应方法219

10.4.1　基本随机效应假设下的估计与推断219

10.4.2　稳健方差矩阵估计量223

10.4.3 一般FGLS分析224

10.4.4　检验不可观测效应的存在224

10.5　固定效应方法226

10.5.1 固定效应估计量的一致性226

10.5.2　含有固定效应的渐近推断229

10.5.3　虚拟变量回归232

10.5.4　序列相关与稳健方差矩阵估计量233

10.5.5 固定效应GLS235

10.5.6 利用固定效应对政策分析估计237

10.6　一阶差分方法237

10.6.1 推断237

10.6.2　稳健方差矩阵240

10.6.3　序列相关检验240

10.6.4　利用一阶差分的政策分析241

10.7　估计量的比较242

10.7.1 固定效应与一阶差分242

10.7.2 随机效应估计量与固定效应估计量之间的关系243

10.7.3 比较RE估计量与FE估计量的豪斯曼检验245

习题248

第11章　线性不可观测效应模型的若干专题253

11.1　不含严格外生性假设的不可观测效应模型253

11.1.1　在序列矩约束下的模型253

11.1.2　含有严格的且序列外生解释变量的模型259

11.1.3 解释变量与特质误差之间同时期相关的模型261

11.1.4　不带严格外生解释变量的模型概述266

11.2　含有特定个体斜率的模型267

11.2.1　随机趋势模型267

11.2.2　含有特定个体斜率的一般模型269

11.3　线性不可观测效应模型的GMM方法273

11.3.1 3SLS与标准面板数据估计量之间的等价性273

11.3.2　不可观测效应模型的张伯伦方法274

11.4　豪斯曼与泰勒形式模型276

11.5　面板数据方法应用到配对与整群样本上279

习题281

第Ⅲ篇　非线性估计的一般方法第12章　M估计289

12.1　引言289

12.2　识别、一致收敛性与一致性293

12.3　渐近正态性296

12.4　两步M估计量299

12.4.1　一致性300

12.4.2　渐近正态性301

12.5　估计渐近方差302

12.5.1　不带多余参数的估计302

12.5.2　调整两步估计306

12.6　假设检验307

12.6.1　沃尔德检验307

12.6.2　得分（或拉格朗日乘子）检验308

12.6.3　基于目标函数变化的检验313

12.6.4　备选假设下的统计量行为315

12.7　最优化方法316

12.7.1　牛顿-拉夫森模型316

12.7.2　伯恩特-霍尔-霍尔-豪斯曼算法318

12.7.3　广义高斯-牛顿方法319

12.7.4 出自于目标函数的集中参数319

12.8　模拟与再抽样方法320

12.8.1 蒙特卡罗模拟320

12.8.2 自助法321

习题323

第13章　最大似然法327

13.1　引言327

13.2　预备知识与事例328

13.3　条件MLE的一般框架330

13.4　条件MLE的一致性333

13.5　渐近正态性与渐近方差估计333

13.5.1　渐近正态性334

13.5.2　估计渐近方差336

13.6　假设检验338

13.7　设定检验339

13.8　面板数据与整群样本的偏似然方法341

13.8.1 面板数据设置342

13.8.2　渐近推断345

13.8.3　动态完备模型的推断346

13.8.4　整群抽样下的推断348

13.9　带有不可观测效应的面板数据模型348

13.9.1　含有严格外生解释变量的模型349

13.9.2　含有滞后因变量的模型350

13.10　两步骤MLE351

习题352

附录13A355

第14章　广义矩方法与最小距离估计358

14.1 GMM的渐近性质358

14.2　在正交性条件下的估计362

14.3　非线性方程组364

14.4　面板数据应用369

14.5　有效估计371

14.5.1　一般有效性框架371

14.5.2 MLE的有效性373

14.5.3　在条件矩约束下对工具的有效选取374

14.6　经典最小距离估计376

习题380

附录14A382

第Ⅳ篇　非线性模型与相关专题第15章　离散响应模型385

15.1　引言385

15.2　二值响应的线性概率模型386

15.3　二值响应的指标模型：Probit与Logit388

15.4　二值响应指标模型的最大似然估计391

15.5　二值响应指标模型检验392

15.5.1 多重排除性约束检验392

15.5.2　关于β的非线性假设检验393

15.5.3　对更一般备选假设的检验394

15.6 Probit与Logit的报告结果395

15.7　二值响应模型的设定问题399

15.7.1 可忽略的异质性400

15.7.2　连续内生解释变量401

15.7.3　二值内生解释变量405

15.7.4 潜变量模型的异方差性与非正态性407

15.7.5　在较弱假设下的估计408

15.8　面板数据与整群样本的二值响应模型410

15.8.1　混合的Probit与Logit410

15.8.2 严格内生性下不可观测效应的Probit模型411

15.8.3 严格外生性下不可观测效应的Logit模型417

15.8.4 动态不可观测效应模型419

15.8.5　半参数方法421

15.8.6　整群样本421

15.9　多项式响应模型422

15.9.1 多项式Logit422

15.9.2　概率选择模型425

15.10　有序响应模型429

15.10.1 有序Logit与有序Probit429

15.10.2 有序Probit应用到区间编码数据上432

习题433

第16章　角点解结果与截取回归模型439

16.1　引言与动机439

16.2　期望值的导数442

16.3 OLS的非一致性445

16.4　含有截取Tobit的估计与推断446

16.5　报告结果448

16.6 Tobit模型的设定问题450

16.6.1 可忽略的异质性450

16.6.2 内生解释变量451

16.6.3 潜变量模型的异方差性与非正态性453

16.6.4　在条件中位数约束下的估计455

16.7　角点解结果的截取Tobit可选择情况456

16.8　应用到面板数据与整群样本上的截取回归458

16.8.1 混合Tobit模型458

16.8.2 严格外生性下的不可观测效应Tobit模型459

16.8.3 动态不可观测效应的Tobit模型462

习题463

第17章　样本选择、损耗与分层抽样468

17.1 引言468

17.2　什么时候样本选择可以被忽略469

17.2.1 线性模型：OLS与2SLS469

17.2.2　非线性模型473

17.3　在响应变量基础之上的选择：截尾回归474

17.4 Probit选择方程476

17.4.1　外生解释变量476

17.4.2 内生解释变量481

17.4.3　含有样本选择的二值响应模型484

17.5 Tobit选择方程485

17.5.1 外生解释变量485

17.5.2 内生解释变量487

17.6　估计含有样本选择的结构Tobit方程组488

17.7　线性面板数据模型中的样本选择与损耗490

17.7.1 含有非平衡面板数据的固定效应估计491

17.7.2　对样本选择偏倚的检验与修正493

17.7.3　损耗497

17.8　分层抽样501

17.8.1　标准分层抽样与可变概率抽样501

17.8.2　用加权估计量解释分层503

17.8.3　基于外生变量的分层506

习题507

第18章　估计平均处理效应511

18.1　引言511

18.2　反事实设置与自选择问题512

18.3　假定处理不可知性的方法515

18.3.1 回归方法516

18.3.2　基于倾向得分的方法521

18.4　工具变量法526

18.4.1 利用IV估计ATE527

18.4.2　通过IV对局部平均处理进行估计537

18.5　进一步问题539

18.5.1 对二值响应与角点解响应的特殊考虑539

18.5.2　面板数据540

18.5.3　非二值处理541

18.5.4　多重处理544

习题544

第19章　计数数据与相关模型547

19.1　为什么需要计数数据模型547

19.2　含有横截面数据的泊松回归模型548

19.2.1 泊松回归假设548

19.2.2 泊松QMLE的一致性550

19.2.3 泊松QMLE的渐近正态性551

19.2.4　假设检验554

19.2.5　设定检验555

19.3　其他计数回归模型557

19.3.1 负二项式回归模型557

19.3.2 二项式回归模型559

19.4　线性指数族的其他QMLE560

19.4.1　指数回归模型561

19.4.2　分数Logit回归561

19.5　含有指数回归函数的内生性与样本选择562

19.5.1 内生性563

19.5.2　样本选择565

19.6　面板数据方法567

19.6.1 混合QMLE567

19.6.2　对含有不可观测效应的条件期望模型进行设定569

19.6.3　随机效应方法570

19.6.4 固定效应泊松估计572

19.6.5　放松严格外生性假设574

习题575

第20章　持续期限分析581

20.1 引言581

20.2　风险函数582

20.2.1 不带协变量的风险函数582

20.2.2 以时常值协变量为条件的风险函数585

20.2.3 以时变协变量为条件的风险函数586

20.3　含有时常值协变量的单一时段数据分析588

20.3.1　流动抽样589

20.3.2　含有截取流动数据的最大似然估计590

20.3.3　存量抽样594

20.3.4　不可观测的异质性597

20.4　分组持续期限数据分析599

20.4.1 时常值协变量600

20.4.2 时变协变量603

20.4.3　不可观测的异质性605

20.5　进一步问题606

20.5.1 比例风险模型的考克斯偏似然方法606

20.5.2 多重时段数据606

20.5.3　竞争风险模型607

习题607

参考文献611

索引624

译后记644