Handbook of New Institutional Economics pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Springer

作者:Ma(c)Nard, Claude 编

出品人:

页数:884

译者:

出版时间:2008-4-30

价格:USD 99.00

装帧:Paperback

isbn号码:9783540776604

丛书系列:

图书标签:

社会学
新制度经济学
制度经济学
经济学
经济发展
组织经济学
产权经济学
交易成本经济学
信息经济学
法律经济学
政治经济学

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

New Institutional Economics (NIE) has skyrocketed in scope and influence over the last three decades. This first Handbook of NIE provides a unique and timely overview of recent developments and broad orientations. Contributions analyse the domain and perspectives of NIE; sections on legal institutions, political institutions, transaction cost economics, governance, contracting, institutional change, and more capture NIE's interdisciplinary nature. This Handbook will be of interest to economists, political scientists, legal scholars, management specialists, sociologists, and others wishing to learn more about this important subject and gain insight into progress made by institutionalists from other disciplines. This compendium of analyses by some of the foremost NIE specialists, including Ronald Coase, Douglass North, Elinor Ostrom, and Oliver Williamson, gives students and new researchers an introduction to the topic and offers established scholars a reference book for their research.

计量经济学前沿：模型、方法与应用本书旨在为读者提供一个全面、深入且前沿的计量经济学导论与高级应用指南。本书的撰写立足于当前经济学研究的实际需求，涵盖了从基础的线性回归模型到复杂的时间序列分析、面板数据方法以及因果推断的前沿技术。我们力求在理论严谨性与实际操作性之间取得完美的平衡，使之成为经济学、金融学、政治学、公共政策以及相关社会科学领域研究生、高级本科生和一线研究人员的必备参考书。第一部分：计量经济学基础与模型设定本书的开篇部分将扎实地奠定读者对计量经济学核心原理的理解。我们不满足于简单的公式罗列，而是深入探讨模型设定的经济学动机、统计学假设及其对推断的含义。第一章：回顾与巩固：线性回归模型的基石本章首先回顾了经典线性回归模型（CLRM）的核心内容，重点强调了高斯-马尔可夫定理的意义以及 OLS 估计量的最佳线性无偏估计（BLUE）性质。我们详细分析了多重共线性、异方差性和自相关性这三大核心问题，并引入了应对策略，例如稳健标准误（Huber-White）和广义最小二乘法（GLS）。特别地，本章通过引入非参数估计的视角，为后续引入更灵活模型奠定了思想基础。第二章：模型设定的挑战与诊断在实际应用中，模型选择并非一蹴而就。本章专注于模型设定的经济学合理性检验和统计诊断。我们将探讨函数形式的选择（对数线性、多项式），虚拟变量（Dummy Variables）的有效利用，以及交互项的解释。重点在于，我们引入了模型设定误差（Specification Error）的概念，并详细介绍了包括 RESET 检验、嵌套与非嵌套模型比较方法（如 AIC, BIC, Likelihood Ratio Test）在内的全套诊断工具包，确保读者能够构建既具理论支撑又符合数据特征的模型。第三章：有限样本性质与非正态性虽然渐近性质在大量数据下十分重要，但对于小样本研究，有限样本的性质至关重要。本章探讨了在误差项不满足正态性假设时，OLS 估计量的有限样本分布问题。我们介绍了基于重采样的估计方法，如置信区间构建中的 Bootstrap 方法，并讨论了如何根据数据分布的先验信息选择合适的统计推断工具。第二部分：高级回归技术与面板数据分析随着数据复杂度的增加，单一横截面模型已无法满足研究需求。本部分聚焦于处理具备时间维度或多层次结构数据的先进技术。第四章：时间序列分析 I：平稳性、预测与单整性本章系统介绍了时间序列数据的核心概念，包括平稳性、自相关函数（ACF）和偏自相关函数（PACF）。我们深入剖析了 ARIMA 模型的结构，并详细阐述了单位根检验（如 ADF、PP 检验）的重要性及其在区分真实趋势与随机游走中的作用。本章特别强调了如何利用差分和平稳化技术将非平稳序列转化为可用于回归分析的平稳序列。第五章：时间序列分析 II：协整与向量自回归（VAR）模型当两个或多个非平稳时间序列之间存在长期均衡关系时，协整（Cointegration）的概念成为关键。本章详细讲解了 Engle-Granger 两步法和 Johansen 检验，并探讨了协整关系在宏观经济学和金融市场中的应用。随后，本书转向多变量分析，介绍了 VAR 模型及其在系统预测和脉冲响应函数（Impulse Response Functions, IRF）分析中的应用，用以追踪政策冲击在系统中的动态传导机制。第六章：面板数据模型：消除遗漏变量偏差面板数据（Panel Data）提供了同时观察多个主体在多个时间点的能力，是控制不可观测异质性的强大工具。本章从基础的混合回归模型（Pooled OLS）出发，逐步引入了固定效应（Fixed Effects, FE）模型和随机效应（Random Effects, RE）模型。我们详细讨论了 FE 和 RE 模型的适用条件（特别是 Hausman 检验），并引入了动态面板数据模型，如广义矩估计（GMM）方法，以应对内生性问题。第三部分：计量经济学的核心挑战：内生性与因果推断现代计量经济学的核心目标往往是识别因果关系而非仅仅描述相关性。本部分是全书的亮点，集中探讨如何处理内生性（Endogeneity）并建立可靠的因果识别策略。第七章：工具变量法（IV）与广义矩估计（GMM）内生性——源于遗漏变量、测量误差或同步性——是计量估计中的主要陷阱。本章详细讲解了工具变量（Instrumental Variables, IV）法的原理，强调了有效工具变量的两个关键条件：相关性和外生性。我们区分了两阶段最小二乘法（2SLS）和更一般的 GMM 框架，并讨论了过度识别约束（Overidentifying Restrictions）的检验，确保工具变量的有效性。第八章：准实验设计与断点回归（RDD）在缺乏完美随机对照试验（RCT）的社会科学中，利用“准实验”来识别因果效应至关重要。本章深入剖析了断点回归（Regression Discontinuity Design, RDD）的原理，包括清晰/模糊断点的区别，以及如何利用局部线性回归来估计因果效应。我们强调了 RDD 在处理因果推断中的优势：它依赖于连续分配变量的局部随机性假设，比全局的 IV 估计更具说服力。第九章：差异中的差异（DID）与合成控制法（SCM）差异中的差异（Difference-in-Differences, DID）是比较处理组与控制组在干预前后的变化幅度的方法。本章详尽阐述了 DID 模型的估计、核心的平行趋势假设（Parallel Trends Assumption）检验及其稳健性验证。进一步地，对于只有少数几个处理对象（如一个国家或一个大省）的政策评估，本书引入了更精细的合成控制法（Synthetic Control Method, SCM），展示了如何为受干预的单元构建一个“合成”的、未受干预的对照组。第四部分：高级主题与非线性模型本书最后一部分将视野扩展到更复杂的模型结构和前沿的经济学计量工具。第十章：离散选择模型：Logit, Probit 与定序/计数数据当因变量是二元、有序或计数数据时，线性概率模型（LPM）的缺陷暴露无遗。本章系统介绍了 Logit 和 Probit 模型，重点解释了边际效应（Marginal Effects）的计算与解释。随后，我们深入研究了定序 Logit/Probit 模型（用于处理有序结果，如满意度等级）和计数数据模型（如 Poisson 与负二项式模型），特别关注了过度离散（Overdispersion）问题的处理。第十一章：半参数与非参数计量：局部回归与核估计为了避免对模型函数形式做出过于强硬的假设，非参数和半参数方法应运而生。本章介绍局部加权回归（LWR）和平滑样条（Splines）的概念，展示了如何利用核回归（Kernel Regression）来估计无模型约束的回归函数。这为理解复杂非线性关系提供了一个重要的补充视角。第十二章：高维数据与机器学习在计量中的应用面对数据维度远超观测数量（$P >> N$）的情形，传统的回归方法难以应用。本章介绍了处理高维数据的降维技术，如主成分回归（PCR）。更重要的是，本书探讨了机器学习方法（如 Lasso, Ridge 回归）如何被整合到计量经济学的因果推断框架中，特别是用于高维协变量的“双重机器学习”（Double Machine Learning, DML）方法，这是识别因果效应的新兴前沿。本书特色：丰富的应用实例：每个章节都配有来自宏观经济学、劳动经济学和金融学的真实数据案例，并使用 R 或 Stata 语言提供完整的代码演示。强调识别策略：大幅侧重于如何从数据中识别出具有经济学意义的因果关系，而非仅停留在拟合模型层面。结构化学习路径：从基础到前沿，逻辑清晰，适合不同水平的读者根据自身需求选择性深入学习。通过研读本书，读者将掌握现代计量经济学研究所需的全套工具箱，能够批判性地评估现有文献，并自信地设计和执行严谨的经验研究。