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