第1部分 非参数核方法 3
第1章 密度估计 3
1.1 单变量密度估计 4
1.2 单变量窗宽选择：经验法则和插入法 11
1.3 单变量窗宽选择：交错鉴定法 12
1.4 单变量累积分布函数估计 16
1.5 单变量累积分布函数窗宽选择：交错鉴定法 19
1.6 多变量密度估计 19
1.7 多变量窗宽选择：经验法则和插入法 20
1.8 多变量窗宽选择：交错鉴定法 21
1.9 密度估计量的渐近正态性 22
1.10 一致收敛速度 24
1.11 高阶核函数 26
1.12 定理1.4的证明 28
1.13 应用 32
1.14 习题 37
第2章 回归 45
2.1 局部常数核估计 47
2.2 局部常数窗宽选择 52
2.3 一致收敛速度 62
2.4 局部线性核估计 63
2.5 局部多项式回归 67
2.6 应用 72
2.7 证明 77
2.8 习题 86
第3章 混合数据的频率估计 91
3.1 离散数据的概率函数估计 92
3.2 有离散回归元的回归 93
3.3 混合数据的估计：频率方法 93
3.4 关于频率方法一些要注意的说明 95
3.5 证明 96
3.6 习题 97
第4章 混合数据的核估计 99
4.1 离散数据联合分布的平滑估计 100
4.2 离散数据的平滑回归 103
4.3 有离散回归元的核回归：无关回归元的情形 106
4.4 混合数据的回归：相关回归元的情形 107
4.5 混合数据的回归：无关回归元的情形 111
4.6 应用 115
4.7 习题 118
第5章 条件密度估计 122
5.1 条件密度估计：相关变量的情形 122
5.2 条件密度窗宽选择 123
5.3 条件密度估计：无关变量的情形 127
5.4 多元因变量的情形 129
5.5 应用 135
5.6 习题 141
第6章 条件累积分布函数与分位数估计 142
6.1 没有平滑因变量情况下估计具有连续协变量的条件累积分布函数 142
6.2 平滑因变量情况下估计具有连续协变量的条件累积分布函数 144
6.3 条件分位数函数的非参数估计 148
6.4 检验函数方法 150
6.5 离散和连续协变量混合的条件累积分布函数和分位数估计 152
6.6 一个小的蒙特卡洛模拟研究 154
6.7 风险函数的非参数估计 155
6.8 应用 157
6.9 证明 163
6.10 习题 168
第2部分 半参数方法 173
第7章 半参数的部分线性模型 173
7.1 部分线性模型 173
7.2 罗宾逊的估计量 174
7.3 Andrews的MINPIN方法 180
7.4 半参数的效率边界 182
7.5 证明 186
7.6 习题 192
第8章 半参数单指标模型 194
8.1 识别条件 196
8.2 估计 197
8.3 β的直接半参数估计量 201
8.4 窗宽选择 205
8.5 Klein和Spady的估计量 207
8.6 Lewbel的估计量 208
8.7 Manski的最大得分估计量 209
8.8 Horowitz的平滑最大得分估计量 210
8.9 Han的最大秩估计量 211
8.10 多项式离散选择模型 211
8.11 Ai的半参数最大似然方法 212
8.12 定理8.1的证明概要 214
8.13 应用 216
8.14 习题 219
第9章 可加和平滑（变）系数半参数模型 221
9.1 一个可加模型 221
9.2 一个可加的部分线性模型 233
9.3 一个半参数变（平滑）系数模型 236
9.4 习题 244
第10章 选择模型 246
10.1 半参数类型2 Tobit模型 246
10.2 半参数类型2 Tobit模型的估计 247
10.3 半参数类型3 Tobit模型 250
10.4 Das,Newey和Vella的非参数选择模型 256
10.5 习题 257
第11章 截断模型 258
11.1 参数截断模型 259
11.2 半参数截断回归模型 261
11.3 具有非参数异方差的半参数截断回归模型 262
11.4 单变量Kaplan-Meier累积分布函数估计量 263
11.5 多变量Kaplan-Meier累积分布函数估计量 266
11.6 非参数截断回归 269
11.7 习题 272
第3部分 一致模型的设定检验 275
第12章 模型设定检验 275
12.1 一个简单的关于参数回归模型函数形式的一致检验 277
12.2 概率密度函数等价的检验 283
12.3 关于回归函数更多的检验 286
12.4 概率密度函数的相关检验 296
12.5 应用 302
12.6 证明 303
12.7 习题 308
第13章 非平滑检验 311
13.1 对参数回归函数形式的检验 312
13.2 概率密度函数的等价性检验 314
13.3 非参数显著性检验 315
13.4 条件累积分布函数的Andrews检验 315
13.5 序列相关的Hong检验 317
13.6 更多的非平滑检验 320
13.7 证明 320
13.8 习题 322
第4部分 非参数近邻和序列方法 325
第14章 k近邻估计方法 325
14.1 密度估计：一元情形 325
14.2 回归函数的估计 328
14.3 局部线性k-nn估计 329
14.4 局部常数k-nn估计的交错鉴定 330
14.5 局部线性k-nn估计的交错鉴定 333
14.6 k-nn方法估计半参数模型 335
14.7 k-nn方法的模型设定检验 336
14.8 对于x的不同的分量采用不同的k值 339
14.9 证明 339
14.10 习题 348
第15章 非参数序列方法 349
15.1 回归函数的估计 349
15.2 序列项K的选择 354
15.3 一个部分线性模型 356
15.4 部分线性变系数模型的估计 367
15.5 其他基于序列的检验 378
15.6 证明 378
15.7 习题 397
第5部分 时间序列、联立方程和面板数据模型 401
第16章 工具变量和半参数模型的有效估计 401
16.1 在参数部分具有内生回归元的部分线性模型 401
16.2 在参数部分具有内生回归元的一个变系数模型 404
16.3 Ai和Chen的有条件矩限制的有效估计量 406
16.4 公式（16.1 6）的证明 410
16.5 习题 413
第17章 非参数回归模型的内生性 414
17.1 一个非参数模型 414
17.2 一个三角联立方程模型 415
17.3 Newey-Powell的基于序列估计量 418
17.4 Hall和Horowitz的基于核的估计 420
17.5 Darolles,Florens和Renault的估计量 422
17.6 习题 424
第18章 弱依赖数据 425
18.1 关于依赖数据的密度估计 426
18.2 依赖数据的回归模型 430
18.3 依赖数据的半参数模型 437
18.4 半参数模型中的序列相关性检验 440
18.5 依赖数据的模型设定检验 441
18.6 回归函数形式的非平滑性检验 443
18.7 检验参数预测模型 443
18.8 应用 447
18.9 非平稳数据的非参数估计 449
18.10 证明 450
18.11 习题 454
第19章 面板数据模型 455
19.1 面板数据模型的非参数估计：忽略方差结构 456
19.2 Wang的有效非参数面板数据估计量 458
19.3 具有随机效应的部分线性模型 462
19.4 具有固定效应的非参数面板数据模型 464
19.5 一个固定效应部分线性模型 469
19.6 半参数工具变量估计量 471
19.7 在半参数模型中检验序列相关以及个体效应 475
19.8 面板数据模型的序列估计 477
19.9 非线性面板数据模型 481
19.10 证明 491
19.11 习题 495
第20章 非参数估计应用专题 497
20.1 连续时间模型的非参数方法 497
20.2 平均处置效应的非参数估计 508
20.3 拍卖模型的非参数估计 512
20.4 多元分布的基于copula的半参数估计 517
20.5 一个半参数转换模型 525
20.6 习题 527
附录A 背景统计概念 528
主题索引 558
译后记 565