高级经济计量学PDF电子书下载

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GMM 33

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