高级经济计量学PDF|Epub|txt|kindle电子书版本网盘下载

高级经济计量学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

前言1

第一章 最大似然估计与假设检验1

第一节 最大似然估计与条件最大似然估计1

一 最大似然估计1

二 条件最大似然估计2

第二节 最大似然估计量的性质及准最大似然估计3

一 最大似然估计量的性质3

二 最大似然估计及其性质案例5

三 最大似然估计量方差的估计6

四 准最大似然估计7

第三节 三种常用的假设检验8

一 似然比检验8

二 沃尔德检验9

三 拉格朗日乘数检验（得分检验）10

四 三种检验方法的比较11

第四节 案例分析12

一 最大似然估计及参数约束检验案例12

二 参数约束检验实证分析案例14

第五节 数值最大化方法18

一 格子搜索法19

二 最陡爬坡法19

三 牛顿—拉夫森方法21

思考题23

第二章 广义矩方法26

第一节 经典矩方法26

一 基本概念26

二 经典矩方法27

三 经典矩估计量渐近协方差的计算28

第二节 广义矩方法及其性质30

一 广义矩方法30

二 一般广义矩估计量的性质31

第三节 最优权矩阵与最优GMM33

一 最优权矩阵的选择33

二 最优GMM估计示例35

三 最优GMM估计量数值算法的步骤37

第四节 过度识别约束检验38

一 线性回归模型的GMM估计38

二 过度识别约束检验（Hansen检验或者J检验）39

思考题41

第三章 非参数与半参数方法45

第一节 非参数密度估计45

一 局部直方图法45

二罗森布拉特—帕森核估计方法47

三近邻估计方法48

四 可变窗宽核估计方法49

第二节 密度函数核估计量的性质及其最优窗宽的选择50

一 密度函数核估计量的性质50

二 密度函数核估计过程中窗宽的选择与嵌入估计53

三 多元密度函数的核估计55

第三节 非参数回归模型56

一 纳达那亚一沃森核回归方法56

二 核回归中窗宽的选择及其交叉核实估计58

三 多元非参数模型的核回归估计59

四 非参数模型的局部线性回归估计60

五 非参数模型的k近邻估计61

第四节 半参数线性回归模型62

思考题64

第四章 贝叶斯估计与MCMC算法68

第一节 贝叶斯理论与贝叶斯分析68

一 贝叶斯理论68

二 贝叶斯分析的步骤和结果69

三 先验分布的形式69

第二节 贝叶斯估计量70

一 损失函数与后验风险71

二 贝叶斯估计量71

三 贝叶斯估计量的推导过程72

第三节 案例分析73

第四节MCMC数值方法76

一 重要性抽样与蒙特卡罗积分77

二MCMC算法78

三 吉布斯（Gibbs++抽样算法）80

思考题81

第五章 分位数回归与自助法84

第一节 分位数回归84

一 中位数回归84

二 分位数回归86

三 分位数回归的估计87

四 案例分析：恩格尔曲线88

第二节 自助法90

一 自助法的概念90

二 残差再抽样：标准差的模拟92

三 数据再抽样：横截面与面板数据的情况92

思考题94

第六章ARMA过程与ARCH模型96

第一节ARMA过程97

一 平稳过程97

二ARMA过程98

三ARMA过程的平稳性与可逆性99

四 平稳性与可逆性示例99

第二节ARMA模型的形式及阶数选择101

一AR*k++过程的偏自相关函数101

二ARMA模型的形式选择102

三ARMA模型阶数（p，q）的选择102

四 季度ARMA模型及季度ADL模型103

五ARMA模型的建模步骤104

第三节AR模型的条件最大似然估计105

一AR*1++模型的样本似然函数105

二AR*1++模型的精确最大似然估计106

三AR*1++模型的条件最大似然估计107

四AR*p++模型的条件最大似然估计108

第四节 MA模型及ARMA模型的条件最大似然估计108

一 MA模型的条件最大似然估计108

二ARMA模型的条件最大似然估计111

第五节 自回归条件异方差模型112

一ARCH模型的概念112

二ARCH*m++过程参数之间的约束关系113

三ARCH模型的条件最大似然估计114

四 扩展的ARCH模型115

五ARCH模型的LM检验116

思考题117

第七章协整与误差修正模型120

第一节 趋势、单位根与伪回归120

一 趋势平稳过程与差分平稳过程120

二 除去趋势的方法121

三单位根过程122

四 伪回归123

第二节 单位根检验123

一DF检验124

二ADF检验125

三 位移项和趋势项检验125

第三节 协整与误差修正模型127

一 协整的概念127

二 协整检验（EG检验）127

三 误差修正模型129

思考题132

第八章 向量自回归135

第一节 平稳向量自回归135

一 向量自回归的概念135

二 平稳向量自回归VAR（p）及其VAR+表示136

三yt的方差协方差矩阵与自协方差138

四st的方差协方差矩阵138

五st的自协方差140

第二节 格兰杰因果检验与向量自回归模型的估计141

一 过度参数化与平稳向量自回归的OLS估计141

二 格兰杰因果关系检验142

三 向量自回归模型的条件似然函数143

四 系数Φ的条件最大似然估计145

五 方差Ω的条件最大似然估计147

六 滞后长度的选择：似然比检验149

第三节 脉冲响应分析与方差分解分析151

一 平稳VAR（p++的VMA表示151

二 脉冲—响应函数153

三 正交化的脉冲—响应函数155

四 基于乔利斯基分解的正交化脉冲—响应函数158

五 方差分解分析159

第四节 向量协整与误差修正模型161

一 协整变换161

二 约翰森（Johansen）协整检验162

思考题165

第九章 状态空间模型与卡尔曼滤波167

第一节 常用的状态空间模型167

一 状态空间模型的一般形式167

二 自回归模型AR*p++的状态空间表示168

三 移动平均模型MA*1++的状态空间表示169

四ARMA（p，q）模型的状态空间表示170

第二节 卡尔曼滤波与状态向量的动态估计171

一 线性投影172

二 设定递推初值173

三 预测：t|t-1及其方差174

四 滤波：t|t及其方差175

五 预测：t+|t及其方差176

六 预测：t+|t及其方差177

第三节 状态空间模型超参数的最大似然估计177

一 基于卡尔曼滤波的精确最大似然估计177

二 案例分析178

第四节 随机变参数模型的状态空间表示179

一 随机变参数模型的状态空间表示179

二 随机变参数线性回归模型181

思考题182

第十章 离散选择模型与托比特模型184

第一节 两项选择模型184

一 指针函数模型与随机效用模型184

二 两项选择模型的几种典型形式186

三 两项选择模型的边际效应187

第二节 两项选择模型的最大似然估计189

一 两项选择模型的最大似然估计189

二 β的渐近协方差矩阵191

三 两项选择模型的假设检验193

四 两项选择模型的拟合优度194

第三节 多项选择模型194

一 有序选择模型194

二 无序选择模型195

第四节 托比特模型198

一 审查数据模型198

二 截断数据模型199

三 样本选择模型200

四 样本选择模型的Heckman两阶段估计法202

思考题204

第十一章 面板数据分析207

第一节随机效应估计207

一 面板数据模型及其假设条件207

二 随机效应模型的GLS估计209

三 组间估计量与组内估计量210

第二节 固定效应估计211

一 固定效应估计211

二 最小二乘虚拟变量（LSDV）回归212

三 豪斯曼检验213

第三节 动态面板及两项选择面板模型214

一 动态面板数据模型214

二 两项选择的面板数据模型214

思考题216

第十二章 非平稳面板数据分析218

第一节 截面不相关的面板单位根检验218

一LLC检验219

二IPS检验221

三Breitung检验223

四 组合p值检验224

第二节 截面相关的面板单位根检验226

一Pesaran检验226

二Moon-Perron检验227

三Phillips-Sul检验228

四Bai-Ng检验229

五Choi检验229

六CADF检验230

第三节 面板协整检验230

一Kao检验231

二Pedroni检验232

三McCoskey-Kao检验233

四Westerlund检验233

第四节 面板协整模型与面板误差修正模型234

一 非平稳面板模型OLS估计的不一致性236

二 面板协整模型的FM - OLS估计236

三 面板误差修正模型（PECM++236

思考题239

主要参考书目243