第1章 导论 1
1.1 研究背景和意义 1
1.2 国内外相关文献综述 4
1.2.1 国外的研究现状 4
1.2.2 国内的研究现状 6
1.3 研究的基本思路和方法 7
1.4 研究的创新点和主要框架 9
第2章 模型估计的基本问题 11
2.1 模型的基本形式 11
2.1.1 动态面板结构方程模型（DPSEM） 11
2.1.2 模型的可观测形式和识别条件 13
2.1.3 模型估计需要的假设条件 16
2.2 模型估计需要解决的问题 17
2.2.1 OFS形式中变量的内生性 17
2.2.2 大量工具变量的弱外生性 18
2.2.3 个体效应的过滤 20
2.2.4 模型误差项的序列相关 21
2.3 现有估计方法及问题 23
2.3.1 广义工具变量估计 23
2.3.2 全信息最大似然估计 25
第3章 有限信息最大似然（LIML）估计引进的探讨 27
3.1 LIML估计引进的思路和依据 27
3.1.1 单方程估计的灵活性 27
3.1.2 工具变量的选择及其弱外生性的影响 28
3.2 LIML估计引进需要解决的问题 29
3.2.1 个体效应的过滤 29
3.2.2 工具变量的选取 33
3.2.3 误差项的低阶序列相关的处理 35
3.3 LIML估计量的推导和计算 36
3.3.1 方程系数的LIML估计量 36
3.3.2 误差方差的LIML估计量 41
3.4 方程系数的LIML估计量渐近性质的证明 43
3.4.1 系数估计量的一致性 43
3.4.2 特殊设定下系数估计量的渐近正态性 44
3.5 LIML估计效果的模拟 54
3.5.1 具体模型和模拟样本的产生 54
3.5.2 系数估计量的收敛性 59
3.5.3 LIML的估计量的有限分布 64
第4章 有限信息最大似然估计量方差计算的讨论 70
4.1 方差计算的重要性和存在的问题 70
4.2 解决方差计算的思路和根据 72
4.3 方差计算的方法 73
4.3.1 分块刀切法 73
4.3.2 参数自助法 75
4.4 分块刀切法LIML估计效果的模拟 77
4.4.1 分块刀切法LIML估计量的经验分布 77
4.4.2 分块刀切法对LIML估计量分布的影响 81
第5章 有限信息最大似然估计结果检验方法的探讨 84
5.1 现有的LIML估计结果检验的方法 84
5.2 现有方法引入DPSEM需要解决的问题 86
5.3 合适检验统计量的构造 87
5.3.1 调整的Anderson Rubin检验 87
5.3.2 调整的K检验 88
5.3.3 调整的条件似然比检验 90
5.3.4 密集计算估计的Z检验 93
5.4 LIML估计结果检验的蒙特卡罗模拟 94
5.4.1 分块刀切法的Z检验统计量零假设的标准分布 94
5.4.2 几种检验方法势的比较分析 98
第6章 研究结论和有待进一步解决的问题 102
6.1 DPSEM的LIML估计的优势 102
6.1.1 估计量的有限样本性质 102
6.1.2 估计结果检验的建立 103
6.2 LIML估计有待进一步解决的问题 103
6.2.1 LIML估计的局限性 103
6.2.2 模型误差序列相关下估计量的渐近方差 104
6.3 相关课题进一步研究的方向 105
参考文献 107
后记 113