微观经济计量学 方法与应用PDF电子书下载

序言 1

第一部分 预备知识 3

1　概述 3

1.1　引言 3

1.2　微观经济计量学的特色 4

1.3　全书概览 9

1.4　如何使用本书 13

1.5　软件 14

1.6　记号与习惯 14

2　因果模型与非因果模型 16

2.1　引论 16

2.2　结构模型 18

2.3　外生性 19

2.4　线性联立方程模型 21

2.5　识别概念 25

2.6　单方程模型 27

2.7　潜在结果模型 28

2.8　因果建模及估计策略 30

2.9　文献注释 33

3　微观经济数据结构 34

3.1　引论 34

3.2　观测数据 34

3.3　源自社会实验的数据 41

3.4　源自自然实验的数据 46

3.5　应用研究 49

3.6　文献注释 52

第二部分 核心方法 52

4　线性模型 55

4.1　引论 55

4.2　回归与损失函数 55

4.3　例子：受教育回报 58

4.4　普通最小二乘法 59

4.5　加权最小二乘法 69

4.6 中位数与分位数回归 73

4.7　模型错误设定 77

4.8　工具变量 81

4.9　实践中的工具变量 89

4.10　应用研究 96

4.11　文献注释 97

5　极大似然法与非线性最小二乘法估计 101

5.1　引论 101

5.2　非线性估计量概览 102

5.3　极值估计量 108

5.4　估计方程 117

5.5　统计推断 118

5.6　极大似然法 121

5.7　准极大似然法 128

5.8　非线性最小二乘法 132

5.9　例子：ML与NLS估计 140

5.10　应用研究 143

5.11　文献注释 143

6　广义矩方法与系统估计 147

6.1　引论 147

6.2　例子 148

6.3　广义矩方法 152

6.4　线性工具变量 163

6.5　非线性工具变量 171

6.6　时序两步m估计 178

6.7　最小距离估计 180

6.8　经验似然法 181

6.9　线性方程组 184

6.10　非线性方程组 191

6.11　应用研究 196

6.12　文献注释 196

7　假设检验 199

7.1　引论 199

7.2　沃尔德检验 200

7.3　基于似然的检验 208

7.4　例子：基于似然的假设检验 216

7.5　非ML背景下的检验 217

7.6　检验势与水平 220

7.7　蒙特卡罗研究 224

7.8　自助法例子 228

7.9　应用研究 229

7.10　文献注释 230

8　设定检验与模型选择 232

8.1　引论 232

8.2　m检验 233

8.3　豪斯曼检验 243

8.4　对某些普遍错误设定的检验 246

8.5　区分嵌套模型 249

8.6　检验结果 256

8.7　模型诊断 257

8.8　应用研究 261

8.9　文献注释 262

9　半参数方法 264

9.1　引论 264

9.2　非参数例子：小时工资 265

9.3　核密度估计 267

9.4　非参数局部回归 275

9.5　核回归 279

9.6　可供选择的非参数回归估计量 287

9.7　半参数回归 289

9.8　核估计量均值与方差推导 297

9.9　应用研究 300

9.10　文献注释 300

10　数值最优化 303

10.1　引论 303

10.2　一般性研究 303

10.3　特定方法 308

10.4　应用研究 314

10.5　文献注释 317

第三部分 基于模拟的方法 317

11　自助法 321

11.1　引论 321

11.2　自助法概述 321

11.3　自助法例子 329

11.4　自助法理论 331

11.5　自助法推广 335

11.6　自助法应用 338

11.7　应用研究 343

11.8　文献注释 344

12　基于模拟的方法 346

12.1　引论 346

12.2　例子 346

12.3　积分计算基础 349

12.4　极大似然模拟估计 354

12.5　基于矩模拟估计 358

12.6　间接推断 363

12.7　模拟器 365

12.8　随机变量采样方法 369

12.9　文献注释 375

13　贝叶斯方法 377

13.1　引论 377

13.2　贝叶斯方法 378

13.3　线性回归贝叶斯分析 390

13.4　蒙特卡罗积分 398

13.5　马尔可夫链蒙特卡罗模拟 400

13.6　MCMC例子：SUR吉布斯抽样器 406

13.7　数据增广 408

13.8　贝叶斯模型选择 409

13.9　应用研究 411

13.10　文献注释 411

第四部分 横截面数据模型 411

14　二值结果模型 415

14.1　引论 415

14.2　二值结果例子：钓鱼方式的选择 415

14.3　logit模型与probit模型 417

14.4　潜变量模型 426

14.5　基于选择的样本 429

14.6　分组数据与加总数据 430

14.7　半参数估计 433

14.8　第1类极值的logit推导 436

14.9　应用研究 437

14.10　文献注释 438

15　多项式模型 440

15.1　引论 440

15.2　例子：钓鱼方式的选择 441

15.3　一般性结果 445

15.4　多项式logit 449

15.5　可加随机效用模型 452

15.6　嵌套logit 455

15.7　随机参数logit 460

15.8　多项式probit 463

15.9　有序、序列和分级结果 466

15.10　多变量离散结果 468

15.11　半参数估计 470

15.12　MNL、CL以及NL模型推导 470

15.13　应用研究 473

15.14　文献注释 474

16　Tobit模型与选择模型 476

16.1　引论 476

16.2　删失模型与截尾模型 477

16.3　Tobit模型 482

16.4　两部分模型 490

16.5　样本选择模型 491

16.6　选择例子：健康支出 497

16.7　罗伊模型 500

16.8　结构模型 502

16.9　半参数估计 506

16.10　推导Tobit模型 509

16.11　应用研究 512

16.12　文献注释 512

17　过渡数据：生存分析 516

17.1　引论 516

17.2　罢工期限例子 517

17.3　基本概念 518

17.4　删失 521

17.5　非参数模型 523

17.6　参数回归模型 526

17.7　某些重要的持续期限模型 532

17.8　考克斯PH模型 534

17.9　时变回归元 538

17.10　离散时间比例风险 540

17.11　持续期限失业例子 543

17.12　应用研究 548

17.13　文献注释 548

18　混合模型与不可观测异质性 550

18.1　引论 550

18.2　不可观测异质性与离散度 551

18.3　混合模型的识别 556

18.4　异质性分布设定 557

18.5　离散异质性与潜类别分析 559

18.6　存量抽样与流动抽样 562

18.7　设定检验 565

18.8　不可观测异质性例子：失业持续期限 568

18.9　应用研究 572

18.10　文献注释 573

19　多重风险模型 576

19.1　引论 576

19.2　竞争风险 577

19.3　联合持续期限分布 583

19.4　多重时期 589

19.5　竞争风险例子：失业持续期限 591

19.6　应用研究 595

19.7　文献注释 596

20　计数数据模型 598

20.1　引论 598

20.2　基本计数数据回归 599

20.3　计数例子：就医次数 603

20.4　参数计数回归模型 606

20.5　部分参数模型 612

20.6　多变量计数与内生回归元 615

20.7　计数例子：进一步分析 619

20.8　应用研究 620

20.9　文献注释 620

第五部分 面板数据模型 620

21　线性面板模型：基础 625

21.1　引论 625

21.2　模型与估计量概览 626

21.3　线性面板例子：小时与工资 635

21.4　固定效应与随机效应模型 641

21.5　混合模型 644

21.6　固定效应模型 650

21.7　随机效应模型 657

21.8　建模问题 659

21.9　应用研究 662

21.10　文献注释 663

22　线性面板模型：扩展 665

22.1　引论 665

22.2　线性面板模型GMM估计 665

22.3　面板GMM例子：小时与工资 674

22.4　随机效应与固定效应面板GMM 676

22.5　动态模型 682

22.6　差异中差分估计量 687

22.7　重复横截面与伪面板 689

22.8　混合线性模型 692

22.9　应用研究 695

22.10　文献注释 695

23　非线性面板模型 697

23.1　引论 697

23.2　一般结果 697

23.3　非线性面板例子：专利与研发 709

23.4　二值结果数据 711

23.5　Tobit模型与选择模型 715

23.6　过渡数据 717

23.7　计数数据 718

23.8 半参数估计 723

23.9　应用研究 723

23.10　文献注释 724

第六部分 深入专题 729

24　分层样本与整群样本 729

24.1　引论 729

24.2　抽样调查 730

24.3　加权 732

24.4　内生分层 736

24.5 聚集 743

24.6　分层线性模型 756

24.7　聚集例子：越南保健支出 759

24.8　复杂调查 763

24.9　应用研究 766

24.10　文献注释 767

25　处理评估 769

25.1 引论 769

25.2　背景设置与假设 770

25.3　处理效应与选择偏倚 774

25.4　匹配估计量与倾向得分估计量 778

25.5　差异中差分估计量 785

25.6　回归非连续设计 786

25.7　工具变量法 789

25.8　例子：培训对工资的效应 794

25.9　文献注释 800

26　测量误差模型 803

26.1　引论 803

26.2　线性回归的测量误差 804

26.3　识别策略 808

26.4　非线性模型测量误差 813

26.5　衰减偏倚模拟例子 820

26.6　文献注释 821

27　缺失数据与估算 823

27.1　引论 823

27.2　缺失数据假设 825

27.3　非模型处理缺失数据 827

27.4　观测数据似然函数 828

27.5　基于回归的估算 829

27.6　数据扩大与MCMC 831

27.7　多重估算 832

27.8　缺失数据的估算例子 834

27.9　应用研究 836

27.10　文献注释 837

A　渐近理论 839

A.1 引言 839

A.2　依概率收敛 840

A.3　大数定律 843

A.4　依分布收敛 844

A.5　中心极限定理 845

A.6　多元正态极限分布 847

A.7　随机数量阶 850

A.8　其他一些结果 850

A.9　文献注释 851

B　伪随机采样 852