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