截面相关条件下面板数据协整回归估计方法研究PDF电子书下载

1绪论 1

1.1本书的研究背景、问题和意义 2

1.1.1本书研究的背景 2

1.1.2本书研究的问题 9

1.1.3本书研究的意义 10

1.2研究思路、篇章结构与创新点 11

1.2.1本书的研究思路 11

1.2.2本书的篇章结构 12

1.2.3本书的主要创新 14

1.3本书的不足之处 15

2文献综述 17

2.1相关概念 19

2.1.1面板非平稳分析 19

2.1.2面板协整 19

2.1.3面板协整回归估计 20

2.1.4截面相关 20

2.1.5长期协方差矩阵 21

2.1.6异质性面板数据 24

2.2截面相关性 24

2.2.1截面相关的设定方法 24

2.2.2刻划截面相关的方法 26

2.2.3截面相关性对面板估计的影响 28

2.3截面不相关假设下面板数据协整回归估计 29

2.3.1完全修正最小二乘法 30

2.3.2动态最小二乘法 32

2.3.3完全修正最小二乘法与动态最小二乘法的比较 33

2.4共同因子结构下截面相关面板数据回归估计 34

2.5共同因子结构下非平稳面板协整回归估计 38

2.5.1共同因子为平稳条件下的协整回归估计 39

2.5.2带全局随机趋势的面板协整 40

2.6面板数据协整回归中的异质性 42

2.6.1面板协整回归中各个体间斜率系数βi的异质性 43

2.6.2面板协整回归长期协方差矩阵的异质性 43

2.6.3截面不相关条件下异方差面板数据协整回归估计 45

2.7本章小结 48

3面板协整回归新方法——带全局随机趋势的面板数据连续更新动态最小二乘（CupDOLS） 49

3.1问题的提出 51

3.2模型和假设 54

3.3模型的估计 60

3.3.1模型中不带有固定效应、时间效应和个体固定趋势 60

3.3.2模型中仅带有个体固定效应 65

3.3.3模型中带有个体固定效应和固定趋势 68

3.3.4模型中同时带有个体固定效应和时间固定效应 69

3.4模拟研究 72

3.5 Cup-Dols估计与CupFM的比较 80

3.6本章小结 84

4动态最小二乘回归中其他相关问题的研究 85

4.1动态最小二乘回归中滞后项和超前项阶数的确定方法 86

4.1.1动态最小二乘回归中滞后项和超前项阶数的两步确定法 87

4.1.2动态最小二乘协整回归中滞后项和超前项阶数的逐步回归法 88

4.1.3蒙特卡洛模拟 89

4.2动态最小二乘回归估计中的假设检验 91

4.2.1假设检验 91

4.2.2模拟研究 92

4.3本章小结 98

5异质性面板数据的协整回归估计修正 99

5.1问题的提出 100

5.2共同因子平稳条件下面板数据截面长期协方差矩阵为异质性的协整回归估计 101

5.2.1模型的提出 102

5.2.2共同因子平稳条件下异质性面板数据协整回归模型的估计 105

5.2.3随机模拟 112

5.2.4结论 116

5.3共同因子非平稳条件下的异质性面板协整回归估计 118

5.3.1模型和假设 118

5.3.2长期协方差矩阵异质性的协整回归估计完全修正最小二乘估计 120

5.3.3蒙特卡洛模拟 126

5.3.4结论 128

5.4异质性协整回归估计相关问题的讨论 130

5.5本章小结 132

6面板协整回归估计应用——全国农村居民收入与消费关系的实证研究 133

6.1本章的研究目的 134

6.2相关文献综述 135

6.3理论依据和理论方法 137

6.3.1理论依据 137

6.3.2理论方法 138

6.4实证研究 140

6.4.1数据的处理 140

6.4.2协整分析 141

6.5三种估计方法的样本内表现比较 144

6.6回归结果的经济意义 145

6.7本章小结 147

7结论与展望 149

7.1本书的主要结论 150

7.2未来研究方向 152

参考文献 153

附录：定理和引理的证明 167

致谢 177