微观计量经济学 方法与应用PDF电子书下载

第一部分 预备知识 1

第1章 概论 1

1.1 引言 3

1.2 微观计量经济学的特点 5

1.3 本书概要 10

1.4 怎样使用本书 14

1.5 软件 15

1.6 符号与约定 16

第2章 因果模型和非因果模型 18

2.1 引言 18

2.2 结构模型 20

2.3 外生性 22

2.4 线性联立方程模型 23

2.5 识别概念 29

2.6 单方程模型 31

2.7 潜在产出模型 31

2.8 因果模型和估计方法 35

2.9 参考文献 38

第3章 微观经济数据结构 39

3.1 引言 39

3.2 观察数据 40

3.3 社会实验数据 48

3.4 自然实验数据 54

3.5 应用研究 58

3.6 参考文献 61

第二部分 核心方法 65

第4章 线性模型 65

4.1 引言 65

4.2 回归和损失函数 66

4.3 实例：教育收益 69

4.4 普通最小二乘法 70

4.5 加权最小二乘法 81

4.6 中值和分位数回归 85

4.7 不确定模型 90

4.8 工具变量 95

4.9 工具变量的应用 103

4.10 应用研究 112

4.11 参考文献 112

第5章 最大似然估计和非线性最小二乘估计 116

5.1 引言 116

5.2 非线性估计量概述 117

5.3 极值估计量 124

5.4 估计方程 133

5.5 统计推断 135

5.6 最大似然法 139

5.7 准最大似然法 146

5.8 非线性最小二乘法 150

5.9 实例：ML和NLS估计 159

5.10 应用研究 163

5.11 参考文献 163

第6章 广义矩法和系统估计 166

6.1 引言 166

6.2 实例 167

6.3 广义矩法 172

6.4 线性工具变量 183

6.5 非线性工具变量 192

6.6 连续两阶段M估计 200

6.7 最小距离估计 202

6.8 经验似然法 203

6.9 线性系统方程 206

6.10 方程的非线性集 214

6.11 应用研究 219

6.12 参考文献 220

第7章 假设检验 223

7.1 引言 223

7.2 沃德检验 224

7.3 最大似然检验 233

7.4 实例：最大似然假设检验 241

7.5 非最大似然集检验 243

7.6 检验的功效和水平 246

7.7 蒙特卡罗实验 250

7.8 自举实例 254

7.9 应用研究 256

7.10 参考文献 257

第8章 设定检验和模型选择 259

8.1 引言 259

8.2 M-检验 260

8.3 Hausman检验 271

8.4 一些非规范性检验 274

8.5 非嵌套模型间的识别 278

8.6 检验的重要性 285

8.7 模型诊断 287

8.8 应用研究 291

8.9 参考文献 292

第9章 半参数方法 294

9.1 引言 294

9.2 非参数实例：小时工资 295

9.3 核心密度估计 298

9.4 非参数局部回归 307

9.5 核回归 311

9.6 非参数回归估计量的选择 319

9.7 半参数回归 322

9.8 核估计量的均值和方差的推导 330

9.9 应用研究 333

9.10 参考文献 333

第10章 数值优化 336

10.1 引言 336

10.2 一般性考虑 336

10.3 特定方法 341

10.4 应用研究 348

10.5 参考文献 352

第三部分 基于模拟的方法 357

第11章 自举方法 357

11.1 引言 357

11.2 自举概述 358

11.3 自举实例 366

11.4 自举理论 368

11.5 自举扩展 373

11.6 自举应用 376

11.7 应用研究 382

11.8 参考文献 382

第12章 基于模拟的方法 384

12.1 引言 384

12.2 实例 385

12.3 单整计算基础 387

12.4 最大似然模拟估计 393

12.5 矩模拟估计 398

12.6 非直接推断 404

12.7 模拟量 406

12.8 随机变量抽样方法 410

12.9 参考文献 416

第13章 贝叶斯方法 419

13.1 引言 419

13.2 贝叶斯方法 420

13.3 线性回归的贝叶斯分析 435

13.4 蒙特卡罗积分 443

13.5 马尔科夫链蒙特卡罗模拟 445

13.6 MCMC实例：SUR的吉布斯样本 452

13.7 数据扩展 454

13.8 贝叶斯模型选择 456

13.9 应用研究 458

13.10 参考文献 458

第三部分 横截面数据模型 463

第14章 二元结果模型 463

14.1 引言 463

14.2 二元结果实例：捕鱼模式的选择 464

14.3 Logit和Probit模型 465

14.4 潜变量模型 475

14.5 样本的选择 478

14.6 分组数据和总体数据 480

14.7 半参数估计推导 482

14.8 源于类型Ⅰ极值的Logit推导 486

14.9 应用研究 487

14.10 参考文献 487

第15章 多项模型 490

15.1 引言 490

15.2 实例：捕鱼模式的选择 491

15.3 一般性结论 495

15.4 多项Logit 500

15.5 附加随机效用模型 504

15.6 嵌套型Logit 507

15.7 随机参数Logit 512

15.8 多项Probit 516

15.9 有序、连续及有秩的结果 519

15.10 多变量离散结果 521

15.11 半参数的估计 523

15.12 MNL、CL和NL模型的推导 524

15.13 应用研究 527

15.14 参考文献 528

第16章 Tobit模型和选择模型 529

16.1 引言 529

16.2 审查和删减模型 530

16.3 Tobit模型 536

16.4 两部分模型 544

16.5 样本选择模型 546

16.6 选择实例：健康支出 553

16.7 罗伊模型 555

16.8 结构模型 558

16.9 半参数估计 562

16.10 Tobit模型的推导 566

16.11 应用研究 568

16.12 参考文献 569

第17章 转移数据：生存分析 573

17.1 引言 573

17.2 实例：罢工的持续 574

17.3 基本概念 576

17.4 审查 579

17.5 非参数模型 580

17.6 参数回归模型 584

17.7 一些重要的持续模型 591

17.8 考克斯PH模型 592

17.9 时间变化回归因子 597

17.10 离散时间比例风险 600

17.11 实例：失业的持续 603

17.12 应用研究 608

17.13 参考文献 608

第18章 混合模型和未观察到的异方差 611

18.1 引言 611

18.2 未观察到的异方差和离差 612

18.3 混合模型的识别 618

18.4 异方差分布的设定 620

18.5 离散异方差和潜类别分析 621

18.6 存量和流量举例 625

18.7 设定检验 628

18.8 未观察到的异方差实例：失业持续期 632

18.9 应用研究 637

18.10 参考文献 637

第19章 多重风险模型 640

19.1 引言 640

19.2 竞争风险 642

19.3 联合连续分布 648

19.4 多元研究 655

19.5 竞争风险实例：失业持续期 658

19.6 应用研究 662

19.7 参考文献 663

第20章 计数数据模型 665

20.1 引言 665

20.2 基本计数数据回归 666

20.3 计数实例：联系内科医生 671

20.4 参数计数回归模型 674

20.5 局部参数模型 682

20.6 多元计数和内生回归 685

20.7 计数实例：进一步分析 690

20.8 应用研究 690

20.9 参考文献 691

第五部分 面板数据模型 697

第21章 线性面板模型基础 697

21.1 引言 697

21.2 模型和估计量概述 698

21.3 线性面板实例：工时和工资 708

21.4 比较固定效应模型与随机效应模型 715

21.5 混合模型 720

21.6 固定效应模型 726

21.7 随机效应模型 734

21.8 建模问题 737

21.9 应用研究 740

21.10 参考文献 740

第22章 线性面板模型：扩展 743

22.1 引言 743

22.2 线性面板模型的GMM估计 744

22.3 面板GMM实例：工时和工资 754

22.4 随机和固定效应面板GMM 756

22.5 动态模型 763

22.6 差别差分估计量 768

22.7 重复横截面和伪面板 770

22.8 混合线性模型 774

22.9 应用研究 776

22.10 参考文献 777

第23章 非线性面板模型 779

23.1 引言 779

23.2 一般结果 779

23.3 非线性面板举例：专利和研发 792

23.4 二元产出数据 795

23.5 Tobit和选择模型 800

23.6 过渡数据 801

23.7 计数数据 802

23.8 半参数估计 808

23.9 应用研究 808

23.10 参考文献 809

第六部分 深层次问题 813

第24章 层和聚类样本 813

24.1 引言 813

24.2 样本检查 814

24.3 评价 817

24.4 内生层 822

24.5 聚类 829

24.6 等级线性模型 845

24.7 聚类实例：越南保健支出 848

24.8 综合考察 853

24.9 应用研究 857

24.10 参考文献 857

第25章 处理评价 860

25.1 引言 860

25.2 设定和假设 862

25.3 处理效果和选择误差 865

25.4 匹配和倾向分估计量 871

25.5 差别差分估计量 878

25.6 回归不连续设计 879

25.7 工具变量方法 883

25.8 实例：培训对收入的影响 889

25.9 参考文献 896

第26章 度量误差模型 899

26.1 引言 899

26.2 线性回归的度量 900

26.3 识别策略 905

26.4 非线性回归模型的度量误差 911

26.5 衰减偏差模拟举例 919

26.6 参考文献 920

第27章 丢失数据和归因 923

27.1 引言 923

27.2 丢失数据假设 925

27.3 不用模型处理丢失数据 928

27.4 观察数据最大似然法 929

27.5 基于回归的归因 930

27.6 数据增加和MCMC 932

27.7 多元归因 934

27.8 丢失数据MCMC归因举例 935

27.9 应用研究 939

27.10 参考文献 940

附录A 渐近理论 943

A.1 引言 943

A.2 概率的收敛 944

A.3 大数定理 947

A.4 分布收敛 948

A.5 中心极限定理 949

A.6 多元正态极限分布 951

A.7 随机级的量值 954

A.8 其他结果 955

A.9 参考文献 956

附录B 描绘伪随机平局 957

参考文献 描绘伪随机平局 961