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