顶部
收藏

高级计量经济学及Stata应用(第二版)


作者:
陈强
定价:
98.00元
ISBN:
978-7-04-032983-4
版面字数:
1110.000千字
开本:
16开
全书页数:
669页
装帧形式:
平装
重点项目:
暂无
出版时间:
2014-04-21
读者对象:
高等教育
一级分类:
经济
二级分类:
经济学
三级分类:
经济学

本书较多地借鉴了现代计量经济学的最新发展,内容全面,除了介绍传统的横截面数据外,对面板数据(含长面板、动态面板、非线性面板)、时间序列(含VAR、单位根、协整)、自然实验、重复截面数据、GMM、自助法、蒙特卡罗法、分位数回归、门限回归、非参数估计、处理效应、空间计量、久期分析、贝叶斯估计等均做了较深入的分析。本书力图以生动的语言、较多的插图与经济意义来直观地解释计量方法,而又不失数学的严谨性。同时,结合目前欧美最为流行的Stata 计量软件,及时地介绍相应的Stata 命令与实例,为读者提供“一站式”服务。

本书适合普通高等学校经济学、管理学类或社科类硕士生、博士生与研究人员使用。为便于读者学习高级计量经济学,本书在内容安排上,假设读者已经学过微积分、线性代数与概率统计,但不要求学过本科阶段的计量经济学(学过更好)。

  • 前辅文
  • 第1章 绪论
    • 1.1 什么是计量经济学
    • 1.2 经济数据的特点与类型
  • 第2章 概率统计回顾
    • 2.1 概率与条件概率
    • 2.2 分布与条件分布
    • 2.3 随机变量的数字特征
    • 2.4 迭代期望定律
    • 2.5 随机变量无关的三个层次概念
    • 2.6 常用连续型统计分布
    • 2.7 统计推断的思想
    • 习题
    • 附录
  • 第3章 小样本OLS
    • 3.1 古典线性回归模型的假定
    • 3.2 OLS的代数推导
    • 3.3 OLS的几何解释
    • 3.4 拟合优度
    • 3.5 OLS的小样本性质
    • 3.6 对单个系数的t检验
    • 3.7 对线性假设的F检验
    • 3.8 F统计量的似然比原理表达式
    • 3.9 分块回归与偏回归(选读)
    • 3.10 预测
    • 习题
    • 附录
  • 第4章 Stata简介
    • 4.1 为什么使用Stata
    • 4.2 Stata的窗口
    • 4.3 Stata操作实例
    • 4.4 Stata命令库的更新
    • 4.5 进一步学习Stata的资源
    • 习题
  • 第5章 大样本OLS
    • 5.1 为何需要大样本理论
    • 5.2 随机收敛
    • 5.3 大数定律与中心极限定理
    • 5.4 统计量的大样本性质
    • 5.5 渐近分布的推导
    • 5.6 随机过程的性质
    • 5.7 大样本OLS的假定
    • 5.8 OLS的大样本性质
    • 5.9 线性假设的大样本检验
    • 5.10 大样本OLS的Stata命令及实例
    • 习题
    • 附录
  • 第6章 最大似然估计法
    • 6.1 最大似然估计法的定义
    • 6.2 线性回归模型的最大似然估计
    • 6.3 最大似然估计的数值解
    • 6.4 信息矩阵与无偏估计的最小方差
    • 6.5 最大似然法的大样本性质
    • 6.6 最大似然估计量的渐近协方差矩阵
    • 6.7 三类渐近等价的统计检验
    • 6.8 准最大似然估计法
    • 6.9 对正态分布假设的检验
    • 6.10 最大似然估计法的Stata命令及实例
    • 习题
    • 附录
  • 第7章 异方差与GLS
    • 7.1 异方差的后果
    • 7.2 异方差的例子
    • 7.3 异方差的检验
    • 7.4 异方差的处理
    • 7.5 处理异方差的Stata命令及实例
    • 7.6 Stata命令的批处理
    • 习题
    • 附录
  • 第8章 自相关
    • 8.1 自相关的后果
    • 8.2 自相关的例子
    • 8.3 自相关的检验
    • 8.4 自相关的处理
    • 8.5 处理自相关的Stata命令及实例
    • 习题
  • 第9章 模型设定与数据问题
    • 9.1 遗漏变量
    • 9.2 无关变量
    • 9.3 建模策略:“由小到大”还是“由大到小”
    • 9.4 解释变量个数的选择
    • 9.5 对函数形式的检验
    • 9.6 多重共线性
    • 9.7 极端数据
    • 9.8 虚拟变量
    • 9.9 经济结构变动的检验
    • 9.10 缺失数据与线性插值
    • 9.11 变量单位的选择
    • 习题
    • 附录
  • 第10章 工具变量,2SLS与GMM
    • 10.1 解释变量与扰动项相关的例子
    • 10.2 工具变量法作为一种矩估计
    • 10.3 二阶段最小二乘法
    • 10.4 有关工具变量的检验
    • 10.5 GMM的假定
    • 10.6 GMM的推导
    • 10.7 GMM的大样本性质
    • 10.8 如何获得工具变量
    • 10.9 MLE也是GMM
    • 10.10 工具变量法的Stata命令及实例
    • 习题
    • 附录
  • 第11章 二值选择模型
    • 11.1 离散被解释变量的例子
    • 11.2 二值选择模型
    • 11.3 二值选择模型的微观基础
    • 11.4 二值选择模型中的异方差问题
    • 11.5 稀有事件偏差(选读)
    • 11.6 含内生变量的Probit模型(选读)
    • 11.7 双变量Probit模型(选读)
    • 11.8 部分可观测的双变量Probit模型(选读)
    • 习题
  • 第12章 多值选择模型
    • 12.1 多项Logit与多项Probit
    • 12.2 条件Logit模型
    • 12.3 混合Logit模型
    • 12.4 嵌套Logit
    • 习题
  • 第13章 排序与计数模型
    • 13.1 排序模型
    • 13.2 泊松回归
    • 13.3 负二项回归
    • 13.4 零膨胀泊松回归与负二项回归
    • 13.5 计数模型的Stata实例
    • 习题
  • 第14章 受限被解释变量
    • 14.1 断尾回归
    • 14.2 零断尾泊松回归与负二项回归
    • 14.3 随机前沿模型(选读)
    • 14.4 偶然断尾与样本选择
    • 14.5 归并回归
    • 14.6 归并数据的两部分模型
    • 14.7 含内生解释变量的Tobit模型(选读)
    • 习题
    • 附录
  • 第15章 短面板
    • 15.1 面板数据的特点
    • 15.2 面板数据的估计策略
    • 15.3 混合回归
    • 15.4 个体固定效应模型
    • 15.5 时间固定效应
    • 15.6 一阶差分法
    • 15.7 随机效应模型
    • 15.8 组间估计量
    • 15.9 拟合优度的度量
    • 15.10 非平衡面板
    • 15.11 究竟该用固定效应还是随机效应模型
    • 15.12 个体时间趋势
    • 15.13 短面板的Stata命令及实例
    • 习题
  • 第16章 长面板与动态面板
    • 16.1 长面板的估计策略
    • 16.2 面板校正标准误
    • 16.3 仅解决组内自相关的FGLS
    • 16.4 全面FGLS
    • 16.5 组间异方差的检验
    • 16.6 组内自相关的检验
    • 16.7 组间同期相关的检验
    • 16.8 变系数模型
    • 16.9 面板工具变量法
    • 16.10 豪斯曼-泰勒估计量(选读)
    • 16.11 动态面板
    • 16.12 动态面板的Stata命令及实例
    • 16.13 偏差校正LSDV法
    • 16.14 重复截面数据与组群分析
    • 习题
  • 第17章 非线性面板
    • 17.1 面板二值选择模型
    • 17.2 面板二值选择模型的随机效应估计
    • 17.3 面板二值选择模型的固定效应估计
    • 17.4 面板二值选择模型的Stata实例
    • 17.5 面板泊松回归
    • 17.6 面板负二项回归
    • 17.7 面板计数模型的Stata实例
    • 17.8 面板Tobit
    • 17.9 面板随机前沿模型
    • 习题
  • 第18章 随机实验与自然实验
    • 18.1 实验数据
    • 18.2 理想的随机实验
    • 18.3 引入更多的解释变量
    • 18.4 随机实验执行过程中可能出现的问题
    • 18.5 自然实验
    • 18.6 双重差分法
    • 18.7 三重差分法
    • 18.8 观测数据的处理效应
    • 习题
  • 第19章 蒙特卡罗法与自助法
    • 19.1 蒙特卡罗法的思想与用途
    • 19.2 蒙特卡罗法实例:模拟中心极限定理
    • 19.3 蒙特卡罗法实例:服从卡方分布的扰动项
    • 19.4 蒙特卡罗积分
    • 19.5 最大模拟似然法与模拟矩估计
    • 19.6 自助法的思想与用途
    • 19.7 自助法的分类
    • 19.8 使用自助法估计标准误
    • 19.9 使用自助法进行区间估计
    • 19.10 使用自助法进行假设检验
    • 19.11 自助法的一致性(选读)
    • 19.12 异方差情况下的自助法
    • 19.13 面板数据与时间序列的自助法
    • 19.14 自助法的Stata命令
    • 19.15 使用自助法进行稳健的豪斯曼检验
    • 习题
    • 附录
  • 第20章 平稳时间序列
    • 20.1 时间序列的数字特征
    • 20.2 自回归模型
    • 20.3 移动平均模型
    • 20.4 ARMA
    • 20.5 自回归分布滞后模型
    • 20.6 ARMA模型的Stata命令及
    • 实例
    • 20.7 误差修正模型
    • 20.8 MA(∞)与滞后算子
    • 20.9 向量自回归过程
    • 20.10 VAR的脉冲响应函数
    • 20.11 预测误差的方差分解
    • 20.12 格兰杰因果检验
    • 20.13 面板格兰杰因果检验
    • 20.14 VAR的Stata命令及实例
    • 20.15 季节调整
    • 习题
  • 第21章 单位根与协整
    • 21.1 非平稳序列
    • 21.2 ARMA的平稳性
    • 21.3 VAR的平稳性
    • 21.4 单位根所带来的问题
    • 21.5 单位根检验与平稳性检验
    • 21.6 单位根检验的Stata实例
    • 21.7 面板单位根检验
    • 21.8 协整的思想与初步检验
    • 21.9 BeveridgeNelson分解公式
    • 21.10 协整的定义与最大似然估计
    • 21.11 协整分析的Stata实例
    • 习题
    • 附录
  • 第22章 自回归条件异方差模型
    • 22.1 条件异方差模型的例子
    • 22.2 ARCH模型的性质
    • 22.3 ARCH模型的MLE估计
    • 22.4 GARCH模型
    • 22.5 何时使用ARCH或GARCH模型
    • 22.6 ARCH与GARCH模型的扩展
    • 22.7 ARCH与GARCH的Stata命令及实例
    • 22.8 多维GARCH模型(选读)
    • 习题
  • 第23章 似不相关回归
    • 23.1 单一方程估计与系统估计
    • 23.2 似不相关回归的假定
    • 23.3 SUR的FGLS估计
    • 23.4 SUR的假设检验
    • 23.5 似不相关回归的Stata命令及实例
    • 23.6 变系数面板数据的SUR估计
    • 习题
    • 附录
  • 第24章 联立方程模型
    • 24.1 联立方程模型的结构式与简化式
    • 24.2 联立方程模型的识别
    • 24.3 单一方程估计法
    • 24.4 三阶段最小二乘法
    • 24.5 三阶段最小二乘法的Stata实例
    • 24.6 结构VAR
    • 24.7 SVAR的Stata实例
    • 习题
  • 第25章 非线性回归与门限回归
    • 25.1 非线性最小二乘法
    • 25.2 非线性回归的Stata命令及实例
    • 25.3 门限回归
    • 25.4 面板数据的门限回归
    • 25.5 门限回归的计算机操作
    • 习题
  • 第26章 分位数回归
    • 26.1 为什么需要分位数回归
    • 26.2 总体分位数
    • 26.3 样本分位数
    • 26.4 分位数回归的估计方法
    • 26.5 分位数回归的Stata命令及
    • 实例
    • 习题
  • 第27章 非参数与半参数估计
    • 27.1 为什么需要非参数与半参数
    • 估计
    • 27.2 对密度函数的非参数估计
    • 27.3 核密度估计的性质
    • 27.4 最优带宽
    • 27.5 多元密度函数的核估计
    • 27.6 非参数核回归
    • 27.7 多元核回归
    • 27.8 k近邻回归
    • 27.9 局部线性回归
    • 27.10 非参数估计的Stata命令及实例
    • 27.11 半参数估计
    • 习题
    • 附录
  • 第28章 处理效应
    • 28.1 处理效应与选择难题
    • 28.2 通过随机分组解决选择难题
    • 28.3 依可测变量选择
    • 28.4 匹配估计量的思想
    • 28.5 倾向得分匹配
    • 28.6 倾向得分匹配的Stata实例
    • 28.7 偏差校正匹配估计量
    • 28.8 双重差分倾向得分匹配
    • 28.9 断点回归的思想
    • 28.10 精确断点回归
    • 28.11 模糊断点回归
    • 28.12 断点回归的Stata实例
    • 28.13 处理效应模型
    • 习题
  • 第29章 空间计量经济学
    • 29.1 地理学第一定律
    • 29.2 空间权重矩阵
    • 29.3 空间自相关
    • 29.4 空间自回归模型
    • 29.5 空间杜宾模型
    • 29.6 空间误差模型
    • 29.7 一般的空间计量模型
    • 29.8 含内生解释变量的SARAR模型
    • 29.9 空间面板模型
    • 29.10 空间计量方法的局限性
  • 第30章 久期分析
    • 30.1 久期数据的处理方法
    • 30.2 风险函数
    • 30.3 久期数据的归并问题
    • 30.4 描述性分析
    • 30.5 久期模型的最大似然估计
    • 30.6 比例风险模型
    • 30.7 加速失效时间模型
    • 30.8 Cox模型
    • 30.9 比例风险模型的设定检验
    • 30.10 分层Cox模型
    • 30.11 随时间而变的解释变量
    • 30.12 不可观测的异质性
    • 30.13 其他久期分析模型
    • 30.14 久期分析的Stata命令及
    • 实例
    • 习题
  • 第31章 贝叶斯估计简介
    • 31.1 贝叶斯估计的思想
    • 31.2 贝叶斯定理
    • 31.3 贝叶斯估计的一个例子
    • 31.4 基于后验分布的统计推断
    • 31.5 先验分布的选择
    • 31.6 多元回归的贝叶斯分析
    • 31.7 马尔可夫链蒙特卡罗法
    • 习题
  • 第32章 如何做规范的实证研究
    • 32.1 计量理论与现实数据
    • 32.2 实证研究的主要步骤
    • 32.3 实证论文的结构
    • 32.4 计量实践的十诫
    • 32.5 结束语
    • 习题
  • 附录:常用数据来源
  • 参考书目
  • 数学符号
  • 英文缩写

相关图书