面板数据的计量经济分析 pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:南开大学

作者:白仲林

出品人:

页数:300

译者:

出版时间:2008-5

价格:36.00元

装帧:

isbn号码:9787310029150

丛书系列:

图书标签:

计量经济学
面板数据
预购
经济学
方法论
quantitative
MOF
面板数据
计量经济学
固定效应
随机效应
时间序列
因果推断
Stata
R
经济学
统计学

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到本本书屋

onlinetoolsland.com

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

《面板数据的计量经济分析》分为五部分。第一部分较系统地讨论了静态面板数据线性回归模型和面板数据离散选择模型的模型设定、参数估计及其显著性检验；第二部分介绍了面板数据动态线性回归模型和面板数据向量自回归模型的相关理论及其应用；第三部分研究了面板数据单位根检验的理论方法；第四部分研究了面板数据的各种收敛理论、面板数据虚假回归问题和面板协整理论；第五部分介绍了《面板数据的计量经济分析》需要的一些基础知识和前四部分中的一些Matlab程序。

计量经济学前沿与应用：数据驱动的决策艺术导言在当今日益复杂和数据爆炸的时代，传统统计学方法在处理宏观经济、金融市场以及企业运营中的海量、高维、异构数据时显得力不从心。本手册旨在为研究人员、高级学生以及行业分析师提供一套系统化、前沿化的计量经济学工具箱，重点关注如何利用现代计量方法，特别是那些不依赖于面板数据结构的分析技术，来揭示经济现象背后的因果关系、预测未来趋势，并指导审慎的政策制定。本书聚焦于时间序列分析的深度拓展、横截面数据的因果推断利器，以及高频数据的精细刻画，旨在构建一个既有坚实理论基础又富含实际操作指导的知识体系。第一部分：高频与非平稳时间序列的精细刻画经济数据往往具有显著的自相关性和异方差性，并且许多关键宏观经济和金融指标（如股价、汇率、通胀率）表现出显著的非平稳性。本部分将系统介绍如何有效处理这类复杂时间序列结构。第一章：时间序列的平稳性检验与预处理本章将深入探讨单位根检验的最新进展，包括 ADF、PP 检验的局限性以及 KPSS 检验的应用场景。我们将详细论述协整关系的存在性检验（如 Engle-Granger 两步法与 Johansen 检验），强调协整关系对于长期均衡分析的理论意义。更进一步，我们将引入分数差分 ARIMA (ARFIMA) 模型，用于刻画和建模具有长程依赖性的时间序列，这对于分析自然资源价格或某些特定金融资产波动性至关重要。处理非线性时间依赖性时，我们将比较 GARCH 族模型（ARCH, GARCH, EGARCH, GJR-GARCH）在捕捉金融市场波动率聚类效应方面的优劣，并提供基于极大似然估计的参数估计与模型诊断的实用指南。第二章：向量自回归（VAR）模型的深化与应用 VAR 模型是分析多个相互影响的时间序列系统的核心工具。本章将超越基础的 VAR(p) 设定，重点介绍结构化 VAR（SVAR）的构建。我们将详述识别策略，包括 Cholesky 分解、基于理论约束的识别（零约束和符号约束）以及更具鲁棒性的非线性约束识别方法。脉冲响应函数（IRF）的解读将结合蒙特卡洛模拟，以提供更加稳健的置信区间。此外，我们将介绍广义脉冲响应函数（GIRF）在处理非线性残差时的优势，并探讨预测误差方差分解在确定各变量相对重要性方面的应用。对于高维系统，我们将介绍因子增广 VAR (FAVAR) 模型，利用大量信息变量来估计潜在因子，从而提高预测精度并克服“维度灾难”。第三章：高频数据与微观结构计量金融市场的高频交易数据揭示了信息传递和市场微观结构（Market Microstructure）的复杂动态。本章专注于处理非同步交易和不规则到时点数据。我们将详细讲解基于到达率模型的计量方法，如状态空间模型在处理不可观测状态变量时的应用。重点讨论高频数据中的异方差性处理，例如利用二次变差（Realized Variance）来估计波动率，并介绍如何利用高频成交量和订单簿信息来检验市场有效性假设。第二部分：横截面数据的因果推断：超越回归的界限在许多经济学研究中，我们无法进行随机对照试验（RCT），只能依赖观察性数据。本部分致力于介绍一系列严谨的方法，用以从观察数据中提取可靠的因果效应估计。第四章：工具变量法（IV）与内生性处理的再审视内生性问题（遗漏变量、测量误差、同时性）是计量分析的常见陷阱。本章将从理论层面剖析 IV 估计量的无偏性与一致性条件，并重点关注其有效性检验。我们将对比传统的二阶段最小二乘法（2SLS）与更强大的广义矩估计（GMM）。在 GMM 框架下，我们将深入探讨最优 GMM 估计量的构建，以及 Hansen 检验（过度识别约束检验）的实际操作。特别地，本章将引入弱工具变量的诊断和应对策略，如基于 Anderson-Rubin 检验的稳健推断。第五章：准实验设计与自然实验的计量策略当不存在完美的工具变量时，研究设计（Research Design）成为提取因果推断的关键。本章将聚焦于“准实验”方法。我们将详细讲解断点回归设计（Regression Discontinuity Design, RDD），包括清晰、模糊断点下的估计技术，以及如何利用协变量来提高局部平均处理效应（LATE）估计的精确性。倾向得分匹配（Propensity Score Matching, PSM）的完整流程，包括选择匹配算法（如最近邻、核匹配）和协变量的平衡性检验，将被详尽阐述。此外，我们将引入差分中的差分（Difference-in-Differences, DiD）模型，并扩展到多期和多组别的面板数据应用中，同时探讨平行趋势假设的检验与修正。第六章：因果图模型与结构因果模型为了在复杂系统中更好地识别因果路径，本章引入了更强大的图形化工具。我们将介绍 Judea Pearl 的有向无环图（DAGs）理论，用于直观地表示变量间的因果假设。学习如何利用 DAGs 来识别混淆因子集（Backdoor Criterion）和中介变量（Frontdoor Criterion），从而指导计量模型的设定和工具变量的选择。在此基础上，我们将探讨结构方程模型（SEM）在处理潜变量和检验复杂理论模型方面的能力，并讨论其与路径分析的区别与联系。第三部分：异质性、非线性和前沿估计技术现代经济分析越来越关注政策或冲击在不同群体或不同条件下的不同影响（异质性处理效应），以及模型中存在的非线性效应。第七章：处理效应估计的异质性分析本章将讨论如何从观察数据中估计条件平均处理效应（CATE）。我们将详细介绍双重稳健估计（Doubly Robust Estimation），它要求模型要么正确设定结果方程，要么正确设定倾向得分模型，从而提供更可靠的估计。局部平均处理效应（LATE）在 IV 框架下的估计将被深入分析，并介绍如何利用工具变量的强度来识别特定子群体的效应。此外，我们将探讨分位数回归（Quantile Regression）在揭示处理效应如何影响分布不同部分（如低收入者与高收入者）的差异化影响方面的独特价值。第八章：非线性模型与半参数方法许多经济关系是高度非线性的，线性模型可能导致严重的设定偏差。本章将介绍如何利用非参数和半参数方法来灵活地估计关系。重点讨论局部加权回归（Locally Weighted Scatterplot Smoothing, LOWESS）和核回归，以及在经济学中具有重要地位的非参数回归模型。我们将探索非参数的 GARCH 模型和非参数的 VAR 模型，以应对模型设定风险。对于存在截断或审查的因变量，我们将系统回顾 Tobit 模型、Heckman 选择模型及其扩展形式的适用性与识别挑战。结语本书旨在为读者提供一套超越基础回归分析的、面向现代经济研究挑战的计量工具。通过对时间序列前沿、横截面因果推断以及非线性异质性分析的深入探讨，我们期望读者能够以更审慎、更具洞察力的方式，利用数据来验证理论、评估政策，并最终推动决策的科学性与有效性。掌握这些技术，即是掌握了在复杂经济世界中发现真实信号的能力。

作者简介

目录信息

第1章　面板数据计量经济分析概述 §1.1　面板数据及其应用研究 §1.2　静态面板数据计量经济学理论研究 §1.3　动态面板数据计量经济学理论研究 §1.4　面板数据的单位根检验研究 §1.5　面板数据的协整检验研究第2章　面板数据及其回归模型 §2.1　面板数据 §2.2　面板数据回归模型第3章　混合回归模型 §3.1　混合回归模型的估计 §3.2　混合回归模型的设定检验 §3.3　混合回归模型应用第4章　固定效应模型 §4.1　个体固定效应模型 §4.2　时点固定效应回归模型 §4.3　时点个体固定效应回归模型第5章　随机效应回归模型 §5.1　个体随机效应模型 §5.2　个体时间随机效应模型 §5.3　固定效应模型和随机效应模型设定检验第6章　变系数回归模型 §6.1　似不相关回归模型(SUR) §6.2　随机系数回归模型(RCR模型) §6.3　面板数据随机系数模型 §6.4　时点个体随机系数模型(Hsiao模型)第7章　动态面板数据回归模型 §7.1 自回归面板数据模型 §7.2　动态面板数据模型的估计 §7.3　存在外生变量的动态面板数据模型 §7.4 动态面板数据模型应用第8章面板数据的向量自回归模型 §8.1 个体固定效应面板数据向量自回归模型 8.1.1 面板数据向量自回归模型 8.1.2 模型假设 §8.2 PVAR模型的2SLS估计 8.2.1 模型识别 8.2.2 PVAR模型的GLS估计 8.2.3 个体固定效应PVAR模型的2SLS估计 §8.3 PVAR(1)模型 8.3.1 PVAR(p)模型 8.3.2 随机效应PVAR(1)模型的QML估计 8.3.3 固定效应PVAR(1)模型的GMM估计第9章离散选择面板数据模型 §9.1 面板数据的二元选择模型 §9.2 随机效应离散选择模型第10章面板单位根检验综述 §10.1 纵剖面独立的面板单位根检验及其应用 §10.2 时间序列同期相关的面板单位根检验及其应用 §10.3 因素分解模型的面板单位根检验及其应用 §10.4 时间序列协整的面板单位根检验及其应用 §10.5 结构突变的面板单位根检验 §10.6 面板单位根检验理论研究的文献概述第11章面板数据的渐近理论 §11.1 序贯极限和联合极限 §11.2 一类特殊的序贯极限和联合极限 §11.3 面板数据的泛函中心极限定理第12章纵剖面时间序列独立的面板单位根检验 §12.1 同质面板的单位根检验 12.1.1 LL检验 12.1.2 LLC检验 §12.2 异质面板的单位根检验 12.2.1 IPS检验 12.2.2 组合p值检验 §12.3 t-bar-GLS检验 12.3.1 GLS退势 12.3.2 t-bar-GLS统计量 12.3.3 t-bar-GLS检验的小样本性质 §12.4 Smith的面板单位根检验 §12.5 面板数据单位检验应用第13章纵剖面时间序列相关的面板单位根检验 §13.1 SUR-ADF单位根检验 13.1.1 AJ检验(Abuaf-Jorion检验) 13.1.2 SUR-DF检验 13.1.3 MADF检验 13.1.4 FPS检验 §13.2 SUR-ADF-GLS检验 13.2.1 SUR-ADF-GLS检验 13.2.2 SUR-ADF-GLS检验的小样本性质 §13.3 自举推断方法 13.3.1 自举推断 13.3.2 Maddala和Wu的自举检验 §13.4 面板单位根K检验 13.4.1 模型与假设 13.4.2 面板单位根K检验 13.4.3 统计量的渐近分布 13.4.4 自举K检验 13.4.5 自举K检验的小样本性质 §13.5 误差分量模型的面板单位根检验 13.5.1 误差分量模型的IPS检验 13.5.2 二维误差分量模型的单位根检验 §13.6 因子分析模型的面板单位根检验 13.6.1 PANIC检验 13.6.2 PANIC单位根检验的小样本性质 13.6.3 MP检验 §13.7 面板单位根的SN检验 13.7.1 模型设定与假设 13.7.2 时间序列的工具变量估计的t统计量 13.7.3 面板单位根的SN检验 13.7.4 面板SN检验的小样本性质 §13.8 纵剖面序列协整的面板单位根检验 13.8.1 面板纵剖面序列协整对LL检验的影响. 13.8.2 面板单位根检验推断PPP不可靠 13.8.3 ILR检验第14章面板数据的协整检验 §14.1 面板数据协整检验研究综述 14.1.1 面板协整检验的理论研究 14.1.2 面板协整检验的应用研究 §14.2 面板数据的虚假回归 14.2.1 模型和假设 14.2.2 序贯极限下常见统计量的渐近分布 §14.3 基于残差的面板数据协整检验 14.3.1 同质面板数据的协整检验 14.3.2 异质面板数据的协整检验 §14.4 异质面板数据的LR-bar协整检验 14.4.1 异质面板数据的LR-bar统计量 14.4.2 LR-bar统计量的渐近分布 §14.5 面板数据协整检验的小样本性质比较 14.5.1 数据生成系统 14.5.2 蒙特卡洛模拟结果 §14.6 PVEC模型与协整检验 14.6.1 PVEC模型 14.6.2 PVEC模型的协整假设 14.6.3 PVEC模型协整向量的极大似然估计 14.6.4 PVEC模型的协整检验统计量IR及其渐近分布. 14.6.5 PVEC模型协整检验LR统计量的小样本性质 §14.7 存在协整关系零假设的协整检验 14.7.1 模型与假设 14.7.2 LM统计量及其渐近分布 §14.8 面板数据协整检验的应用附录A 线性代数基础附录B 概率论与数理统计基础附录C 广义矩估计附录D BretLseh和Pagan的LM统计量计算程序附录E Hansman检验程序(cp_ip.prg)附录F t-bar-GLS检验小样本性质的Matlab程序附录G SUR-ADF-GLS检验的蒙特卡洛模拟程序参考文献后记
· · · · · · (收起)

读后感

评分☆☆☆☆☆

用户评价

评分☆☆☆☆☆

初次翻阅这本专著时，我最直观的感受是其内容的组织结构极具逻辑性和层次感。它并没有急于抛出那些令人望而生畏的复杂技术，而是从最基础的描述性统计和数据结构识别开始，像剥洋葱一样层层深入。作者在引入新的估计方法时，总是会先用一个非常贴切的现实经济问题作为引子，这极大地帮助我将抽象的概念与实际的政策分析联系起来。例如，在讨论内生性问题时，书籍没有止步于对工具变量法的机械介绍，而是花费了大量笔墨去探讨在不同市场失灵情境下，选择不同工具变量的经济学合理性，以及这种选择如何影响政策推断的可靠性。这种“先说为什么，再说怎么做”的叙事方式，使得学习过程变得非常顺畅，有效地避免了“只见树木不见森林”的窘境。我尤其欣赏作者在处理计量假设的讨论部分，他没有采用那种“只要满足即可”的敷衍态度，而是深入剖析了当假设被违反时，估计量会产生何种偏差，以及这种偏差在经济学上意味着什么，这对于想从事严谨实证研究的人来说，是无价的财富。

评分☆☆☆☆☆

这本书的案例和应用展示部分，是其区别于许多纯理论著作的亮点。作者似乎非常注重“语境化”的学习方法，他没有孤立地讨论统计概念，而是将每一个计量方法都置于一个具体的经济学场景中进行阐述和验证。我发现，这些案例的选择非常贴近当前经济学研究的热点领域，比如劳动经济学中的政策评估，宏观经济学中的冲击分析等。通过这些具体的应用实例，读者能够直观地感受到模型假设的取舍是如何影响最终的政策结论的。更值得称赞的是，作者在展示结果时，非常细致地说明了数据处理的每一步细节，从缺失值处理到变量转换，再到稳健性检验的多种变体，都进行了详尽的描述。这对于希望将这些方法应用到自己数据上的读者来说，简直是如虎添翼。它不仅仅是一本理论书，更像是一本高质量的研究方法手册，它教会我们如何从一个模糊的政策问题出发，一步步构建出一个可信赖的计量模型，并最终给出一个有说服力的实证结论。读完之后，我对如何批判性地评估他人的实证研究，也建立起了一套更成熟的框架。

评分☆☆☆☆☆

与其他同类书籍相比，这本书在“可读性与深度”的平衡上找到了一个近乎完美的点。我过去也读过一些计量经济学著作，有些过于侧重于纯数学证明，导致实务工作者难以消化；而有些又过于简化，使得理论基础显得单薄，无法应对复杂的现实挑战。这本书的作者显然深谙此道，他成功地做到了“深入浅出”。例如，在讲解时间序列模型的收敛性和渐近性质时，他采用了清晰的定理和推论结构，但每当一个复杂概念出现时，总会配有一个简洁的“经济学含义”的段落进行总结和提炼。这使得我们这些在学习过程中不断提醒自己“这到底有什么用”的读者，能够及时得到正向反馈。我特别喜欢它在每一个章节末尾设置的“思考题”，这些问题往往不是简单的计算，而是需要读者结合所学知识对一个设想的实证问题进行批判性思考，这种互动式的学习体验，极大地增强了知识的内化效果。这本书无疑是为那些既重视理论严谨性，又注重实际操作能力的读者量身定做的精品。

评分☆☆☆☆☆

这本书的封面设计给我留下了极其深刻的印象，那种深邃的蓝色调，仿佛一下子就把人拉进了学术研究的严谨世界。我一直对经济学理论的应用情有独钟，尤其是在处理那些跨越时间维度和截面信息的复杂数据时，总觉得需要一本能够提供清晰路径的“指南”。这本书的排版布局非常讲究，字体大小和行距拿捏得恰到好处，即便是初次接触计量经济学模型的读者，也能在繁杂的公式和理论推导中找到一种视觉上的舒适感。更让我欣赏的是，作者在理论阐述的间隙，巧妙地穿插了一些历史背景的介绍，这使得枯燥的数学模型不再是孤立的符号堆砌，而是有了鲜活的时代气息和现实逻辑。比如，在讲解固定效应模型时，它不仅仅停留在数学公式层面，还追溯了早期研究者是如何为了解决个体异质性问题而进行方法的革新，这种对思想演变的关注，极大地提升了阅读的深度和趣味性。整体而言，这本书给人的感觉是既专业又富有温度，是那种值得放在案头，时不时翻阅，总能获得新启发的学术伴侣。它不像一些教材那样冷冰冰地堆砌知识点，而是更像一位经验丰富的导师，引导你逐步深入理解每一个模型背后的经济直觉与统计哲学。

评分☆☆☆☆☆

这本书给我最大的震撼来自于它对前沿方法的介绍和梳理，展现出了作者紧跟学术脉搏的视野。在这个计量工具快速迭代的时代，一本教材如果不能及时更新其内容，很快就会落伍。然而，这本专著在处理那些近年来备受关注的识别策略时，表现得尤为出色。它不仅仅罗列了最新的计量工具名称，更关键的是，它清晰地阐述了这些新方法（比如一些差异中的差异的扩展形式，或者断点回归设计的非线性修正）是如何解决传统方法在特定识别挑战面前的局限性的。阅读这些章节时，我感觉自己仿佛是坐在一个高水平的研讨会上，听着领域内的专家对最新进展进行深入解读。作者在解释复杂算法时，善于使用图形化的辅助说明，那些原本需要花费大量时间在脑海中构建的空间关系，通过书中的图示一下子变得清晰明了。对于那些希望将学到的知识转化为实际研究成果的读者来说，这本书提供了非常可靠的“操作手册”，它教会你的不仅仅是运行一个回归，而是如何设计一个稳健的识别策略，这才是计量经济学的精髓所在。

评分☆☆☆☆☆

有些东西没讲透，有些东西能用更简单的办法说清楚，why Eviews？why not Stata?

评分☆☆☆☆☆

白噪声？糊里糊涂的..

评分☆☆☆☆☆

白噪声？糊里糊涂的..

评分☆☆☆☆☆

白噪声？糊里糊涂的..

评分☆☆☆☆☆

有些东西没讲透，有些东西能用更简单的办法说清楚，why Eviews？why not Stata?