微观计量经济学 方法与应用【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

微观计量经济学 方法与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 预备知识1

第1章 概论1

1.1 引言3

1.2 微观计量经济学的特点5

1.3 本书概要10

1.4 怎样使用本书14

1.5 软件15

1.6 符号与约定16

第2章 因果模型和非因果模型18

2.1 引言18

2.2 结构模型20

2.3 外生性22

2.4 线性联立方程模型23

2.5 识别概念29

2.6 单方程模型31

2.7 潜在产出模型31

2.8 因果模型和估计方法35

2.9 参考文献38

第3章 微观经济数据结构39

3.1 引言39

3.2 观察数据40

3.3 社会实验数据48

3.4 自然实验数据54

3.5 应用研究58

3.6 参考文献61

第二部分 核心方法65

第4章 线性模型65

4.1 引言65

4.2 回归和损失函数66

4.3 实例：教育收益69

4.4 普通最小二乘法70

4.5 加权最小二乘法81

4.6 中值和分位数回归85

4.7 不确定模型90

4.8 工具变量95

4.9 工具变量的应用103

4.10 应用研究112

4.11 参考文献112

第5章 最大似然估计和非线性最小二乘估计116

5.1 引言116

5.2 非线性估计量概述117

5.3 极值估计量124

5.4 估计方程133

5.5 统计推断135

5.6 最大似然法139

5.7 准最大似然法146

5.8 非线性最小二乘法150

5.9 实例：ML和NLS估计159

5.10 应用研究163

5.11 参考文献163

第6章 广义矩法和系统估计166

6.1 引言166

6.2 实例167

6.3 广义矩法172

6.4 线性工具变量183

6.5 非线性工具变量192

6.6 连续两阶段M估计200

6.7 最小距离估计202

6.8 经验似然法203

6.9 线性系统方程206

6.10 方程的非线性集214

6.11 应用研究219

6.12 参考文献220

第7章 假设检验223

7.1 引言223

7.2 沃德检验224

7.3 最大似然检验233

7.4 实例：最大似然假设检验241

7.5 非最大似然集检验243

7.6 检验的功效和水平246

7.7 蒙特卡罗实验250

7.8 自举实例254

7.9 应用研究256

7.10 参考文献257

第8章 设定检验和模型选择259

8.1 引言259

8.2 M-检验260

8.3 Hausman检验271

8.4 一些非规范性检验274

8.5 非嵌套模型间的识别278

8.6 检验的重要性285

8.7 模型诊断287

8.8 应用研究291

8.9 参考文献292

第9章 半参数方法294

9.1 引言294

9.2 非参数实例：小时工资295

9.3 核心密度估计298

9.4 非参数局部回归307

9.5 核回归311

9.6 非参数回归估计量的选择319

9.7 半参数回归322

9.8 核估计量的均值和方差的推导330

9.9 应用研究333

9.10 参考文献333

第10章 数值优化336

10.1 引言336

10.2 一般性考虑336

10.3 特定方法341

10.4 应用研究348

10.5 参考文献352

第三部分 基于模拟的方法357

第11章 自举方法357

11.1 引言357

11.2 自举概述358

11.3 自举实例366

11.4 自举理论368

11.5 自举扩展373

11.6 自举应用376

11.7 应用研究382

11.8 参考文献382

第12章 基于模拟的方法384

12.1 引言384

12.2 实例385

12.3 单整计算基础387

12.4 最大似然模拟估计393

12.5 矩模拟估计398

12.6 非直接推断404

12.7 模拟量406

12.8 随机变量抽样方法410

12.9 参考文献416

第13章 贝叶斯方法419

13.1 引言419

13.2 贝叶斯方法420

13.3 线性回归的贝叶斯分析435

13.4 蒙特卡罗积分443

13.5 马尔科夫链蒙特卡罗模拟445

13.6 MCMC实例：SUR的吉布斯样本452

13.7 数据扩展454

13.8 贝叶斯模型选择456

13.9 应用研究458

13.10 参考文献458

第三部分 横截面数据模型463

第14章 二元结果模型463

14.1 引言463

14.2 二元结果实例：捕鱼模式的选择464

14.3 Logit和Probit模型465

14.4 潜变量模型475

14.5 样本的选择478

14.6 分组数据和总体数据480

14.7 半参数估计推导482

14.8 源于类型Ⅰ极值的Logit推导486

14.9 应用研究487

14.10 参考文献487

第15章 多项模型490

15.1 引言490

15.2 实例：捕鱼模式的选择491

15.3 一般性结论495

15.4 多项Logit500

15.5 附加随机效用模型504

15.6 嵌套型Logit507

15.7 随机参数Logit512

15.8 多项Probit516

15.9 有序、连续及有秩的结果519

15.10 多变量离散结果521

15.11 半参数的估计523

15.12 MNL、CL和NL模型的推导524

15.13 应用研究527

15.14 参考文献528

第16章 Tobit模型和选择模型529

16.1 引言529

16.2 审查和删减模型530

16.3 Tobit模型536

16.4 两部分模型544

16.5 样本选择模型546

16.6 选择实例：健康支出553

16.7 罗伊模型555

16.8 结构模型558

16.9 半参数估计562

16.10 Tobit模型的推导566

16.11 应用研究568

16.12 参考文献569

第17章 转移数据：生存分析573

17.1 引言573

17.2 实例：罢工的持续574

17.3 基本概念576

17.4 审查579

17.5 非参数模型580

17.6 参数回归模型584

17.7 一些重要的持续模型591

17.8 考克斯PH模型592

17.9 时间变化回归因子597

17.10 离散时间比例风险600

17.11 实例：失业的持续603

17.12 应用研究608

17.13 参考文献608

第18章 混合模型和未观察到的异方差611

18.1 引言611

18.2 未观察到的异方差和离差612

18.3 混合模型的识别618

18.4 异方差分布的设定620

18.5 离散异方差和潜类别分析621

18.6 存量和流量举例625

18.7 设定检验628

18.8 未观察到的异方差实例：失业持续期632

18.9 应用研究637

18.10 参考文献637

第19章 多重风险模型640

19.1 引言640

19.2 竞争风险642

19.3 联合连续分布648

19.4 多元研究655

19.5 竞争风险实例：失业持续期658

19.6 应用研究662

19.7 参考文献663

第20章 计数数据模型665

20.1 引言665

20.2 基本计数数据回归666

20.3 计数实例：联系内科医生671

20.4 参数计数回归模型674

20.5 局部参数模型682

20.6 多元计数和内生回归685

20.7 计数实例：进一步分析690

20.8 应用研究690

20.9 参考文献691

第五部分 面板数据模型697

第21章 线性面板模型基础697

21.1 引言697

21.2 模型和估计量概述698

21.3 线性面板实例：工时和工资708

21.4 比较固定效应模型与随机效应模型715

21.5 混合模型720

21.6 固定效应模型726

21.7 随机效应模型734

21.8 建模问题737

21.9 应用研究740

21.10 参考文献740

第22章 线性面板模型：扩展743

22.1 引言743

22.2 线性面板模型的GMM估计744

22.3 面板GMM实例：工时和工资754

22.4 随机和固定效应面板GMM756

22.5 动态模型763

22.6 差别差分估计量768

22.7 重复横截面和伪面板770

22.8 混合线性模型774

22.9 应用研究776

22.10 参考文献777

第23章 非线性面板模型779

23.1 引言779

23.2 一般结果779

23.3 非线性面板举例：专利和研发792

23.4 二元产出数据795

23.5 Tobit和选择模型800

23.6 过渡数据801

23.7 计数数据802

23.8 半参数估计808

23.9 应用研究808

23.10 参考文献809

第六部分 深层次问题813

第24章 层和聚类样本813

24.1 引言813

24.2 样本检查814

24.3 评价817

24.4 内生层822

24.5 聚类829

24.6 等级线性模型845

24.7 聚类实例：越南保健支出848

24.8 综合考察853

24.9 应用研究857

24.10 参考文献857

第25章 处理评价860

25.1 引言860

25.2 设定和假设862

25.3 处理效果和选择误差865

25.4 匹配和倾向分估计量871

25.5 差别差分估计量878

25.6 回归不连续设计879

25.7 工具变量方法883

25.8 实例：培训对收入的影响889

25.9 参考文献896

第26章 度量误差模型899

26.1 引言899

26.2 线性回归的度量900

26.3 识别策略905

26.4 非线性回归模型的度量误差911

26.5 衰减偏差模拟举例919

26.6 参考文献920

第27章 丢失数据和归因923

27.1 引言923

27.2 丢失数据假设925

27.3 不用模型处理丢失数据928

27.4 观察数据最大似然法929

27.5 基于回归的归因930

27.6 数据增加和MCMC932

27.7 多元归因934

27.8 丢失数据MCMC归因举例935

27.9 应用研究939

27.10 参考文献940

附录A 渐近理论943

A.1 引言943

A.2 概率的收敛944

A.3 大数定理947

A.4 分布收敛948

A.5 中心极限定理949

A.6 多元正态极限分布951

A.7 随机级的量值954

A.8 其他结果955

A.9 参考文献956

附录B 描绘伪随机平局957

参考文献 描绘伪随机平局961