Advanced econometrics

目录
前言
第一章 最大似然估计与假设检验
第一节 最大似然估计与条件最大似然估计
一 最大似然估计
二 条件最大似然估计
第二节 最大似然估计量的性质及准最大似然估计
一 最大似然估计量的性质
二 最大似然估计及其性质案例
三 最大似然估计量方差的估计
四 准最大似然估计
第三节 三种常用的假设检验
一 似然比检验
二 沃尔德检验
三 拉格朗日乘数检验(得分检验)
四 三种检验方法的比较
第四节 案例分析
一 最大似然估计及参数约束检验案例
二 参数约束检验实证分析案例
第五节 数值最大化方法
一 格子搜索法
二 最陡爬坡法
三 牛顿—拉夫森方法
思考题
第二章 广义矩方法
第一节 经典矩方法
一 基本概念
二 经典矩方法
三 经典矩估计量渐近协方差的计算
第二节 广义矩方法及其性质
一 广义矩方法
二 一般广义矩估计量的性质
第三节 最优权矩阵与最优GMM
一 最优权矩阵的选择
二 最优GMM估计示例
三 最优GMM估计量数值算法的步骤
第四节 过度识别约束检验
一 线性回归模型的GMM估计
二 过度识别约束检验(Hansen检验或者J检验)
思考题
第三章 非参数与半参数方法
第一节 非参数密度估计
一 局部直方图法
二 罗森布拉特一帕森核估计方法
三 κ近邻估计方法
四 可变窗宽核估计方法
第二节 密度函数核估计量的性质及其最优窗宽的选择
一 密度函数核估计量的性质
二 密度函数核估计过程中窗宽的选择与嵌入估计
三 多元密度函数的核估计
第三节 非参数回归模型
一 纳达那亚—沃森核回归方法
二 核回归中窗宽的选择及其交叉核实估计
三 多元非参数模型的核回归估计
四 非参数模型的局部线性回归估计
五 非参数模型的κ近邻估计
第四节 半参数线性回归模型
思考题
第四章 贝叶斯估计与MCMC算法
第一节 贝叶斯理论与贝叶斯分析
一 贝叶斯理论
二 贝叶斯分析的步骤和结果
三 先验分布的形式
第二节 贝叶斯估计量
一 损失函数与后验风险
二 贝叶斯估计量
三 贝叶斯估计量的推导过程
第三节 案例分析
第四节 MCMC数值方法
一 重要性抽样与蒙特卡罗积分
二 MCMC算法
三 吉布斯(Gibbs)抽样算法
思考题
第五章 分位数回归与自助法
第一节 分位数回归
一 中位数回归
二 分位数回归
三 分位数回归的估计
四 案例分析:恩格尔曲线
第二节 自助法
一 自助法的概念
二 残差再抽样:标准差的模拟
三 数据再抽样:横截面与面板数据的情况
思考题
第六章 ARMA过程与ARCH模型
第一节 ARMA过程
一 平稳过程
二 ARMA过程
三 ARMA过程的平稳性与可逆性
四 平稳性与可逆性示例
第二节 ARMA模型的形式及阶数选择
一 AR(κ)过程的偏自相关函数
二 ARMA模型的形式选择
三 ARMA模型阶数(p,q)的选择
四 季度ARMA模型及季度ADL模型
五 ARMA模型的建模步骤
第三节 AR模型的条件最大似然估计
一 AR(1)模型的样本似然函数
二 AR(1)模型的精确最大似然估计
三 AR(1)模型的条件最大似然估计
四 AR(p)模型的条件最大似然估计
第四节 MA模型及ARMA模型的条件最大似然估计
一 MA模型的条件最大似然估计
二 ARMA模型的条件最大似然估计
第五节 自回归条件异方差模型
一 ARCH模型的概念
二 ARCH(m)过程参数之间的约束关系
三 ARCH模型的条件最大似然估计
四 扩展的ARCH模型
五 ARCH模型的LM检验
思考题
第七章 协整与误差修正模型
第一节 趋势、单位根与伪回归
一 趋势平稳过程与差分平稳过程
二 除去趋势的方法
三 单位根过程
四 伪回归
第二节 单位根检验
一 DF检验
二 ADF检验
三 位移项和趋势项检验
第三节 协整与误差修正模型
一 协整的概念
二 协整检验(EG检验)
三 误差修正模型
思考题
第八章 向量自回归
第一节 平稳向量自回归
一 向量自回归的概念
二 平稳向量自回归VAR(p)及其VAR(1)表示
三 〓的方差协方差矩阵与自协方差
四 〓的方差协方差矩阵
五 〓的自协方差
第二节 格兰杰因果检验与向量自回归模型的估计
一 过度参数化与平稳向量自回归的OLS估计
二 格兰杰因果关系检验
三 向量自回归模型的条件似然函数
四 系数Φ的条件最大似然估计
五 方差Ω的条件最大似然估计
六 滞后长度的选择:似然比检验
第三节 脉冲响应分析与方差分解分析
一 平稳VAR(p)的VMA(∞)表示
二 脉冲—响应函数
三 正交化的脉冲—响应函数
四 基于乔利斯基分解的正交化脉冲—响应函数
五 方差分解分析
第四节 向量协整与误差修正模型
一 协整变换
二 约翰森(Johansen)协整检验
思考题
第九章 状态空间模型与卡尔曼滤波
第一节 常用的状态空间模型
一 状态空间模型的一般形式
二 自回归模型AR(p)的状态空间表示
三 移动平均模型MA(l)的状态空间表示
四 ARMA(p,q)模型的状态空间表示
第二节 卡尔曼滤波与状态向量的动态估计
一 线性投影
二 设定递推初值
三 预测:〓及其方差
四 滤波:〓及其方差
五 预测:〓及其方差
六 预测:〓及其方差
第三节 状态空间模型超参数的最大似然估计
一 基于卡尔曼滤波的精确最大似然估计
二 案例分析
第四节 随机变参数模型的状态空间表示
一 随机变参数模型的状态空间表示
二 随机变参数线性回归模型
思考题
第十章 离散选择模型与托比特模型
第一节 两项选择模型
一 指针函数模型与随机效用模型
二 两项选择模型的几种典型形式
三 两项选择模型的边际效应
第二节 两项选择模型的最大似然估计
一 两项选择模型的最大似然估计
二 〓的渐近协方差矩阵
三 两项选择模型的假设检验
四 两项选择模型的拟合优度
第三节 多项选择模型
一 有序选择模型
二 无序选择模型
第四节 托比特模型
一 审查数据模型
二 截断数据模型
三 样本选择模型
四 样本选择模型的Heckman两阶段估计法
思考题
第十一章 面板数据分析
第一节 随机效应估计
一 面板数据模型及其假设条件
二 随机效应模型的GLS估计
三 组间估计量与组内估计量
第二节 固定效应估计
一 固定效应估计
二 最小二乘虚拟变量(LSDV)回归
三 豪斯曼检验
第三节 动态面板及两项选择面板模型
一 动态面板数据模型
二 两项选择的面板数据模型
思考题
第十二章 非平稳面板数据分析
第一节 截面不相关的面板单位根检验
一 LLC检验
二 IPS检验
三 Breitung检验
四 组合p值检验
第二节 截面相关的面板单位根检验
一 Pesaran检验
二 Moon-Perron检验
三 Phillips-Sul检验
四 Bai-Ng检验
五 Choi检验
六 CADF检验
第三节 面板协整检验
一 Kao检验
二 Pedroni检验
三 McCoskey-Kao检验
四 Westerlund检验
第四节 面板协整模型与面板误差修正模型
一 非平稳面板模型OLS估计的不一致性
二 面板协整模型的FM-OLS估计
三 面板误差修正模型PECM)
思考题
主要参考书目