第Ⅰ篇 引论与背景 3
第1章 引论 3
1.1 因果关系与其余条件不变分析 3
1.2 随机设置与渐近分析 4
1.2.1 数据结构 4
1.2.2 渐近分析 6
1.3 一些例子 7
1.4 为什么不使用固定的解释变量？ 9
第2章 计量经济学中条件期望与相关概念 11
2.1 条件期望在计量经济学中的作用 11
2.2 条件期望的特征 12
2.2.1 定义与例子 12
2.2.2 偏效应、弹性与半弹性 13
2.2.3 条件期望模型的误差形式 16
2.2.4 条件期望的若干性质 16
2.2.5 平均偏效应 19
2.3 线性投影 21
习题 24
附录2A 26
2.A.1 条件期望的性质 26
2.A.2 条件方差与协方差的性质 27
2.A.3 线性投影的性质 29
第3章 基本渐近理论 32
3.1 确定性序列收敛 32
3.2 依概率收敛与依概率有界 33
3.3 依分布收敛 35
3.4 随机样本的极限定理 36
3.5 估计量与检验统计量的极限特性 37
3.5.1 估计量的渐近性质 37
3.5.2 检验统计量的渐近性质 39
习题 42
第Ⅱ篇 线性模型 47
第4章 单方程线性模型与普通最小二乘法估计 47
4.1 单方程线性模型概述 47
4.2 普通最小二乘法的渐近性质 49
4.2.1 一致性 50
4.2.2 利用普通最小二乘法的渐近推断 52
4.2.3 异方差性稳健的推断 53
4.2.4 拉格朗日乘子（得分）检验 55
4.3 遗漏变量问题的普通最小二乘法解 58
4.3.1 忽略被遗漏变量的普通最小二乘法 58
4.3.2 代理变量——普通最小二乘法解 60
4.3.3 含有在不可观测项中存在的交互作用的模型：随机系数模型 64
4.4 测量误差下普通最小二乘法的性质 66
4.4.1 因变量的测量误差 67
4.4.2 解释变量的测量误差 68
习题 71
第5章 单方程线性模型的工具变量估计 76
5.1 工具变量与两阶段最小二乘法 76
5.1.1 工具变量估计的动机 76
5.1.2 多重工具：两阶段最小二乘法 82
5.2 两阶段最小二乘法的一般处理 84
5.2.1 一致性 84
5.2.2 两阶段最小二乘法的渐近正态性 86
5.2.3 两阶段最小二乘法的渐近有效性 88
5.2.4 使用两阶段最小二乘法的假设检验 89
5.2.5 两阶段最小二乘法的异方差性稳健推断 91
5.2.6 使用两阶段最小二乘法的潜在陷阱 92
5.3 遗漏变量与测量误差问题的IV解 96
5.3.1 误差项中的遗漏因素 96
5.3.2 利用不可观测指示符求解 96
习题 98
第6章 附加的单方程专题 104
6.1 使用生成回归元与工具的估计 104
6.1.1 使用生成回归元的普通最小二乘法 104
6.1.2 使用生成工具的二阶段最小二乘法 106
6.1.3 生成工具与回归元 106
6.2 处理内生性的控制函数法 107
6.3 一些设定检验 110
6.3.1 内生性检验 110
6.3.2 过度识别约束检验 114
6.3.3 函数形式检验 116
6.3.4 异方差性检验 118
6.4 相关的随机系数模型 121
6.4.1 何时一般的IV估计量是一致的？ 121
6.4.2 控制函数法 124
6.5 混合的截面数据与倍差法估计 125
6.5.1 跨时间混合横截面 125
6.5.2 政策分析和倍差法估计 126
习题 129
附录6A 134
第7章 利用普通最小二乘法与广义最小二乘法估计方程组 137
7.1 简介 137
7.2 一些例子 138
7.3 多变量线性方程组的系统普通最小二乘法估计 141
7.3.1 预备知识 141
7.3.2 系统普通最小二乘法的渐近性质 142
7.3.3 多重假设检验 146
7.4 广义最小二乘法的一致性与渐近正态性 147
7.4.1 一致性 147
7.4.2 渐近正态性 149
7.5 可行的广义最小二乘法 150
7.5.1 渐近性质 150
7.5.2 标准假设下可行的广义最小二乘法的渐近方差 153
7.5.3 含有对无条件方差矩阵（可能不正确）约束的可行广义最小二乘法的性质 155
7.6 检验可行广义最小二乘法的使用 156
7.7 似无关回归的再研究 157
7.7.1 关于似无关回归方程组的普通最小二乘法与可行广义最小二乘法之间的比较 157
7.7.2 含有方程间约束的方程组 160
7.7.3 似无关回归方程组中的奇异方差矩阵 161
7.8 线性面板数据模型的再研究 163
7.8.1 混合普通最小二乘法的假设 163
7.8.2 动态完备性 165
7.8.3 时间序列持久性的一个评注 167
7.8.4 稳健渐近方差矩阵 168
7.8.5 检验混合普通最小二乘法的序列相关性与异方差性 169
7.8.6 严格外生性下可行的广义最小二乘法估计 171
习题 172
第8章 利用工具变量的系统估计 176
8.1 简介与例子 176
8.2 一般线性方程组 179
8.3 广义矩估计方法 182
8.3.1 一般加权矩阵 182
8.3.2 系统两阶段最小二乘法估计量 184
8.3.3 最优加权矩阵 185
8.3.4 广义矩三阶段最小二乘法估计量 187
8.4 广义工具变量估计量 189
8.4.1 广义工具变量估计量的推导及其渐近性质 190
8.4.2 广义矩方法、广义工具变量及传统的三阶段最小二乘估计量之比较 191
8.5 利用广义矩方法的检验 193
8.5.1 检验古典假设 193
8.5.2 检验过度识别约束 194
8.6 更有效估计与最优工具 195
8.7 对如何选择一个估计量的总结评论 198
习题 199
第9章 联立方程模型 204
9.1 联立方程模型的范围 204
9.2 线性方程组的识别 206
9.2.1 排除约束与约简型 206
9.2.2 一般线性约束与结构方程 209
9.2.3 不可识别、恰好识别以及过度识别方程 214
9.3 识别后估计 215
9.3.1 稳健性与有效性的权衡 215
9.3.2 什么时候2SLS与3SLS是等价的？ 217
9.3.3 估计约简型参数 217
9.4 附加的线性联立方程方法的若干专题 218
9.4.1 利用跨方程约束达到识别 218
9.4.2 利用协方差约束达到识别 220
9.4.3 关于线性方程组中的识别与有效性的一些微妙之处 221
9.5 关于内生变量为非线性的联立方程模型 223
9.5.1 识别 223
9.5.2 估计 227
9.5.3 三角形方程组的控制函数估计 229
9.6 不同方程的不同工具 231
习题 232
第10章 基本线性不可观测效应面板数据模型 238
10.1 动机：遗漏变量问题 238
10.2 不可观测效应与解释变量的假设 241
10.2.1 随机效应还是固定效应？ 242
10.2.2 解释变量的严格外生性假设 243
10.2.3 不可观测效应面板数据模型的一些例子 245
10.3 通过混合普通最小二乘法估计不可观测效应模型 246
10.4 随机效应方法 247
10.4.1 基本随机效应假设下的估计与推断 247
10.4.2 稳健方差矩阵估计量 252
10.4.3 一般可行广义最小二乘法分析 252
10.4.4 检验不可观测效应的存在 253
10.5 固定效应方法 255
10.5.1 固定效应估计量的一致性 255
10.5.2 含有固定效应的渐近推断 258
10.5.3 虚拟变量回归 261
10.5.4 序列相关与稳健方差矩阵估计量 263
10.5.5 固定效应广义最小二乘法 265
10.5.6 利用固定效应对政策分析进行估计 267
10.6 一阶差分方法 268
10.6.1 推断 268
10.6.2 稳健方差矩阵 270
10.6.3 序列相关检验 271
10.6.4 利用一阶差分的政策分析 272
10.7 估计量的比较 273
10.7.1 固定效应与一阶差分 273
10.7.2 随机效应估计量与固定效应估计量之间的关系 277
10.7.3 比较随机效应估计量与固定效应估计量的豪斯曼检验 279
习题 284
第11章 线性不可观测效应模型的更多专题 292
11.1 标准线性不可观测效应模型的广义矩方法（GMM） 292
11.1.1 GMM的3SLS和标准估计量之间的等价性 292
11.1.2 不可观测效应模型的张伯伦方法 294
11.2 随机和固定效应工具变量法 296
11.3 豪斯曼和泰勒式模型 303
11.4 一阶差分工具变量法 306
11.5 含测量误差的不可观测效应模型 309
11.6 序贯外生性下的估计 311
11.6.1 一般框架 311
11.6.2 含滞后因变量的模型 314
11.7 含有个体特有斜率的模型 317
11.7.1 随机趋势模型 317
11.7.2 含有个体特有斜率的一般模型 319
11.7.3 标准固定效应方法的稳健性 323
11.7.4 相关随机斜率检验 325
习题 327
第Ⅲ篇 非线性估计的一般方法 335
第12章 M估计、非线性回归以及分位数回归 335
12.1 简介 335
12.2 识别、一致收敛性与一致性 339
12.3 渐近正态性 342
12.4 两步骤M估计量 346
12.4.1 一致性 346
12.4.2 渐近正态性 347
12.5 估计渐近方差 349
12.5.1 不含多余参数的估计 349
12.5.2 调整两步骤估计 353
12.6 假设检验 355
12.6.1 瓦尔德检验 355
12.6.2 得分（或拉格朗日乘子）检验 356
12.6.3 基于目标函数中变化的检验 362
12.6.4 备择假设下的统计量表现 363
12.7 最优化方法 365
12.7.1 牛顿-拉夫森方法 365
12.7.2 伯恩特-霍尔-霍尔-豪斯曼算法 367
12.7.3 广义高斯-牛顿方法 367
12.7.4 出自目标函数的集成参数 368
12.8 模拟与再抽样方法 369
12.8.1 蒙特卡罗模拟 369
12.8.2 自助法 370
12.9 多元非线性回归方法 373
12.9.1 多元非线性最小二乘法 374
12.9.2 加权多元非线性最小二乘法 375
12.10 分位数估计 379
12.10.1 分位数、估计问题和一致性 380
12.10.2 渐近推断 383
12.10.3 面板数据的分位数回归 387
习题 390
第13章 极大似然法 395
13.1 简介 395
13.2 预备知识与例子 396
13.3 条件极大似然估计的一般框架 398
13.4 条件极大似然估计的一致性 401
13.5 渐近正态性与渐近方差估计 401
13.5.1 渐近正态性 402
13.5.2 估计渐近方差 404
13.6 假设检验 406
13.7 设定检验 407
13.8 面板数据的偏（或混合）似然方法 409
13.8.1 面板数据设置 410
13.8.2 渐近推断 413
13.8.3 动态完备模型的推断 415
13.9 含不可观测效应的面板数据模型 417
13.9.1 含严格外生解释变量的模型 417
13.9.2 含滞后因变量的模型 419
13.10 涉及极大似然的两步法估计量 420
13.10.1 第二步估计量为极大似然估计量 421
13.10.2 当第一步估计量是条件极大似然估计量时令人惊讶的有效性结果 421
13.11 准极大似然估计 423
13.11.1 一般误设 424
13.11.2 模型选择检验 425
13.11.3 线性指数族中的准极大似然估计 429
13.11.4 面板数据的广义估计方程 433
习题 436
附录13A 440
第14章 广义矩方法与最小距离估计 442
14.1 广义矩方法的渐近性质 442
14.2 在正交性条件下的估计 446
14.3 非线性方程组 448
14.4 有效估计 453
14.4.1 一般有效性框架 453
14.4.2 极大似然估计的有效性 455
14.4.3 在条件矩约束下对工具的有效选取 456
14.5 古典最小距离估计 459
14.6 面板数据的应用 461
14.6.1 非线性动态模型 461
14.6.2 不可观测效应模型的最小距离方法 463
14.6.3 含有关于不可观测效应的时变系数的模型 464
习题 468
附录14A 470