横截面与面板数据的计量经济分析 上 第2版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计量经济分析 上 第2版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4

1.2.1 数据结构4

1.2.2 渐近分析6

1.3 一些例子7

1.4 为什么不使用固定的解释变量？9

第2章 计量经济学中条件期望与相关概念11

2.1 条件期望在计量经济学中的作用11

2.2 条件期望的特征12

2.2.1 定义与例子12

2.2.2 偏效应、弹性与半弹性13

2.2.3 条件期望模型的误差形式16

2.2.4 条件期望的若干性质16

2.2.5 平均偏效应19

2.3 线性投影21

习题24

附录2A26

2.A.1 条件期望的性质26

2.A.2 条件方差与协方差的性质27

2.A.3 线性投影的性质29

第3章 基本渐近理论32

3.1 确定性序列收敛32

3.2 依概率收敛与依概率有界33

3.3 依分布收敛35

3.4 随机样本的极限定理36

3.5 估计量与检验统计量的极限特性37

3.5.1 估计量的渐近性质37

3.5.2 检验统计量的渐近性质39

习题42

第Ⅱ篇 线性模型47

第4章 单方程线性模型与普通最小二乘法估计47

4.1 单方程线性模型概述47

4.2 普通最小二乘法的渐近性质49

4.2.1 一致性50

4.2.2 利用普通最小二乘法的渐近推断52

4.2.3 异方差性稳健的推断53

4.2.4 拉格朗日乘子（得分）检验55

4.3 遗漏变量问题的普通最小二乘法解58

4.3.1 忽略被遗漏变量的普通最小二乘法58

4.3.2 代理变量——普通最小二乘法解60

4.3.3 含有在不可观测项中存在的交互作用的模型：随机系数模型64

4.4 测量误差下普通最小二乘法的性质66

4.4.1 因变量的测量误差67

4.4.2 解释变量的测量误差68

习题71

第5章 单方程线性模型的工具变量估计76

5.1 工具变量与两阶段最小二乘法76

5.1.1 工具变量估计的动机76

5.1.2 多重工具：两阶段最小二乘法82

5.2 两阶段最小二乘法的一般处理84

5.2.1 一致性84

5.2.2 两阶段最小二乘法的渐近正态性86

5.2.3 两阶段最小二乘法的渐近有效性88

5.2.4 使用两阶段最小二乘法的假设检验89

5.2.5 两阶段最小二乘法的异方差性稳健推断91

5.2.6 使用两阶段最小二乘法的潜在陷阱92

5.3 遗漏变量与测量误差问题的IV解96

5.3.1 误差项中的遗漏因素96

5.3.2 利用不可观测指示符求解96

习题98

第6章 附加的单方程专题104

6.1 使用生成回归元与工具的估计104

6.1.1 使用生成回归元的普通最小二乘法104

6.1.2 使用生成工具的二阶段最小二乘法106

6.1.3 生成工具与回归元106

6.2 处理内生性的控制函数法107

6.3 一些设定检验110

6.3.1 内生性检验110

6.3.2 过度识别约束检验114

6.3.3 函数形式检验116

6.3.4 异方差性检验118

6.4 相关的随机系数模型121

6.4.1 何时一般的IV估计量是一致的？121

6.4.2 控制函数法124

6.5 混合的截面数据与倍差法估计125

6.5.1 跨时间混合横截面125

6.5.2 政策分析和倍差法估计126

习题129

附录6A134

第7章 利用普通最小二乘法与广义最小二乘法估计方程组137

7.1 简介137

7.2 一些例子138

7.3 多变量线性方程组的系统普通最小二乘法估计141

7.3.1 预备知识141

7.3.2 系统普通最小二乘法的渐近性质142

7.3.3 多重假设检验146

7.4 广义最小二乘法的一致性与渐近正态性147

7.4.1 一致性147

7.4.2 渐近正态性149

7.5 可行的广义最小二乘法150

7.5.1 渐近性质150

7.5.2 标准假设下可行的广义最小二乘法的渐近方差153

7.5.3 含有对无条件方差矩阵（可能不正确）约束的可行广义最小二乘法的性质155

7.6 检验可行广义最小二乘法的使用156

7.7 似无关回归的再研究157

7.7.1 关于似无关回归方程组的普通最小二乘法与可行广义最小二乘法之间的比较157

7.7.2 含有方程间约束的方程组160

7.7.3 似无关回归方程组中的奇异方差矩阵161

7.8 线性面板数据模型的再研究163

7.8.1 混合普通最小二乘法的假设163

7.8.2 动态完备性165

7.8.3 时间序列持久性的一个评注167

7.8.4 稳健渐近方差矩阵168

7.8.5 检验混合普通最小二乘法的序列相关性与异方差性169

7.8.6 严格外生性下可行的广义最小二乘法估计171

习题172

第8章 利用工具变量的系统估计176

8.1 简介与例子176

8.2 一般线性方程组179

8.3 广义矩估计方法182

8.3.1 一般加权矩阵182

8.3.2 系统两阶段最小二乘法估计量184

8.3.3 最优加权矩阵185

8.3.4 广义矩三阶段最小二乘法估计量187

8.4 广义工具变量估计量189

8.4.1 广义工具变量估计量的推导及其渐近性质190

8.4.2 广义矩方法、广义工具变量及传统的三阶段最小二乘估计量之比较191

8.5 利用广义矩方法的检验193

8.5.1 检验古典假设193

8.5.2 检验过度识别约束194

8.6 更有效估计与最优工具195

8.7 对如何选择一个估计量的总结评论198

习题199

第9章 联立方程模型204

9.1 联立方程模型的范围204

9.2 线性方程组的识别206

9.2.1 排除约束与约简型206

9.2.2 一般线性约束与结构方程209

9.2.3 不可识别、恰好识别以及过度识别方程214

9.3 识别后估计215

9.3.1 稳健性与有效性的权衡215

9.3.2 什么时候2SLS与3SLS是等价的？217

9.3.3 估计约简型参数217

9.4 附加的线性联立方程方法的若干专题218

9.4.1 利用跨方程约束达到识别218

9.4.2 利用协方差约束达到识别220

9.4.3 关于线性方程组中的识别与有效性的一些微妙之处221

9.5 关于内生变量为非线性的联立方程模型223

9.5.1 识别223

9.5.2 估计227

9.5.3 三角形方程组的控制函数估计229

9.6 不同方程的不同工具231

习题232

第10章 基本线性不可观测效应面板数据模型238

10.1 动机：遗漏变量问题238

10.2 不可观测效应与解释变量的假设241

10.2.1 随机效应还是固定效应？242

10.2.2 解释变量的严格外生性假设243

10.2.3 不可观测效应面板数据模型的一些例子245

10.3 通过混合普通最小二乘法估计不可观测效应模型246

10.4 随机效应方法247

10.4.1 基本随机效应假设下的估计与推断247

10.4.2 稳健方差矩阵估计量252

10.4.3 一般可行广义最小二乘法分析252

10.4.4 检验不可观测效应的存在253

10.5 固定效应方法255

10.5.1 固定效应估计量的一致性255

10.5.2 含有固定效应的渐近推断258

10.5.3 虚拟变量回归261

10.5.4 序列相关与稳健方差矩阵估计量263

10.5.5 固定效应广义最小二乘法265

10.5.6 利用固定效应对政策分析进行估计267

10.6 一阶差分方法268

10.6.1 推断268

10.6.2 稳健方差矩阵270

10.6.3 序列相关检验271

10.6.4 利用一阶差分的政策分析272

10.7 估计量的比较273

10.7.1 固定效应与一阶差分273

10.7.2 随机效应估计量与固定效应估计量之间的关系277

10.7.3 比较随机效应估计量与固定效应估计量的豪斯曼检验279

习题284

第11章 线性不可观测效应模型的更多专题292

11.1 标准线性不可观测效应模型的广义矩方法（GMM）292

11.1.1 GMM的3SLS和标准估计量之间的等价性292

11.1.2 不可观测效应模型的张伯伦方法294

11.2 随机和固定效应工具变量法296

11.3 豪斯曼和泰勒式模型303

11.4 一阶差分工具变量法306

11.5 含测量误差的不可观测效应模型309

11.6 序贯外生性下的估计311

11.6.1 一般框架311

11.6.2 含滞后因变量的模型314

11.7 含有个体特有斜率的模型317

11.7.1 随机趋势模型317

11.7.2 含有个体特有斜率的一般模型319

11.7.3 标准固定效应方法的稳健性323

11.7.4 相关随机斜率检验325

习题327

第Ⅲ篇 非线性估计的一般方法335

第12章 M估计、非线性回归以及分位数回归335

12.1 简介335

12.2 识别、一致收敛性与一致性339

12.3 渐近正态性342

12.4 两步骤M估计量346

12.4.1 一致性346

12.4.2 渐近正态性347

12.5 估计渐近方差349

12.5.1 不含多余参数的估计349

12.5.2 调整两步骤估计353

12.6 假设检验355

12.6.1 瓦尔德检验355

12.6.2 得分（或拉格朗日乘子）检验356

12.6.3 基于目标函数中变化的检验362

12.6.4 备择假设下的统计量表现363

12.7 最优化方法365

12.7.1 牛顿-拉夫森方法365

12.7.2 伯恩特-霍尔-霍尔-豪斯曼算法367

12.7.3 广义高斯-牛顿方法367

12.7.4 出自目标函数的集成参数368

12.8 模拟与再抽样方法369

12.8.1 蒙特卡罗模拟369

12.8.2 自助法370

12.9 多元非线性回归方法373

12.9.1 多元非线性最小二乘法374

12.9.2 加权多元非线性最小二乘法375

12.10 分位数估计379

12.10.1 分位数、估计问题和一致性380

12.10.2 渐近推断383

12.10.3 面板数据的分位数回归387

习题390

第13章 极大似然法395

13.1 简介395

13.2 预备知识与例子396

13.3 条件极大似然估计的一般框架398

13.4 条件极大似然估计的一致性401

13.5 渐近正态性与渐近方差估计401

13.5.1 渐近正态性402

13.5.2 估计渐近方差404

13.6 假设检验406

13.7 设定检验407

13.8 面板数据的偏（或混合）似然方法409

13.8.1 面板数据设置410

13.8.2 渐近推断413

13.8.3 动态完备模型的推断415

13.9 含不可观测效应的面板数据模型417

13.9.1 含严格外生解释变量的模型417

13.9.2 含滞后因变量的模型419

13.10 涉及极大似然的两步法估计量420

13.10.1 第二步估计量为极大似然估计量421

13.10.2 当第一步估计量是条件极大似然估计量时令人惊讶的有效性结果421

13.11 准极大似然估计423

13.11.1 一般误设424

13.11.2 模型选择检验425

13.11.3 线性指数族中的准极大似然估计429

13.11.4 面板数据的广义估计方程433

习题436

附录13A440

第14章 广义矩方法与最小距离估计442

14.1 广义矩方法的渐近性质442

14.2 在正交性条件下的估计446

14.3 非线性方程组448

14.4 有效估计453

14.4.1 一般有效性框架453

14.4.2 极大似然估计的有效性455

14.4.3 在条件矩约束下对工具的有效选取456

14.5 古典最小距离估计459

14.6 面板数据的应用461

14.6.1 非线性动态模型461

14.6.2 不可观测效应模型的最小距离方法463

14.6.3 含有关于不可观测效应的时变系数的模型464

习题468

附录14A470