“傻瓜”计量经济学与Stata应用

图书标准信息

• 作者 习明明
• 出版社 经济科学出版社
• 出版时间 2022-09
• 版次 1
• ISBN 9787521837711
• 定价 76.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 1.128页
• 字数 650.000千字

【内容简介】

傻瓜”计量经济学与Stata应用
  计量经济学是门应用性强的学科，因为它不仅在统计、经济、金融、会计、际贸易、管理、财税、市场营销等几乎所有经济管理业有广泛的应用，而且在法学、社会学、理学、医学、新闻传播等业也有大量的使用，足见其学科地位和作用。但是，因为计量经济学需要用到大量的数理统计理论作为基础，想要学好它也有定的“难度”。在大学里，计量经济学令很多人望而却步，甚成为内外很多大学生的“滑铁卢”。我曾见过很多秀的大学生，好不容易在大和大二学年培养了很好的经济学兴趣，但是到大三学年学完计量经济学之后，就有不少人开始坚持不下去，认为自己不适合走经济学研究这条路。
  对于初而言，计量经济学确实“不好”学并且不易入门。不是因为计量经济学真的很难，而是因为没有“合适”的教材作为引导。众所周知，计量经济学可以帮助我们透过现象看本质，识别变量之间的因果关系。但也正是因为这样个定位，使得我们不仅要把计量经济学讲得通俗易懂，而且不能讲得太浅。不仅要把理论讲透，还要讲全面。否则，学生“学艺不”，容易做出“伪回归”，得出很多错误的结论和统计推断，后甚闹出不少笑话。与其如此，倒真还不如不学。

【目录】

第1章  计量经济学导论

1.1什么是计量经济学

1.2为什么要学计量经济学

1.3为什么叫“傻瓜”计量经济学

1.4Stata基本简介

1.5计量经济学的核逻辑

1.6残差项的重要性

1.7计量经济学的定位和不足

第2章  数据处理与图形绘制

2.1数据导入

2.2数据类型

2.3数据合并

2.4数据转换

2.5数据值

2.6图形绘制

2.7主成分分析

2.8信度效度

第3章  基本模型回归与诊断

3.1共线性问题

3.1.1共线性诊断

3.1.2共线性处理

3.2异方差问题

3.2.1异方差概念

3.2.2异方差诊断

3.2.3异方差处理

3.3自相关问题

3.3.1自相关概述及检验方法

3.3.2自相关处理方法

3.4可行的GLS

3.4.1异方差及FGLS估计

3.4.2群组之间的异方差性及GLS估计

3.4.3分组数据的异方差

3.4.4序列相关与GLS估计

第4章  模拟

4.1函数

4.1.1什么是伪随机数

4.1.2伪随机向量征

4.2模拟

4.2.1大数定律与中限定理

4.2.2大样本OLS渐进结果

4.3应用

4.3.1大样本能解决内生性问题吗

4.3.2基于蒙卡洛模拟的反事实检验

第5章  线性工具变量回归

5.1内生性与工具变量

5.1.1内生性

5.1.2工具变量两段小二乘法（2SLS）

5.2工具变量检验

5.2.1弱工具变量检验

5.2.2过度识别约束检验

5.3广义矩估计法GMM

5.3.1广义矩方法估计量

5.3.2GMM的稳健估计

5.3.3GMM与HAC稳健标准误

5.3.4GMM正交性检验

5.3.5GMM异方差检验

5.3.6GMM冗余检验

5.3.7工具变量估计的DWH内生性检验

5.4似无关估计

5.4.1系统估计

5.4.2似无关回归模型

5.4.3似无关回归与OLS的关系

5.4.4似无关估计案例

第6章  分位数回归

6.1认识分位数

6.1.1条件分位（conditional quantiles）

6.1.2分位回归估计与标准误的计算

6.2条件分位数回归

6.2.1条件分位数回归的Stata命令

6.2.2条件分位数回归的Stata案例

6.2.3条件分位数回归工具变量法

6.3面板条件分位数回归

6.3.1面板分位数估计基础命令

6.3.2面板分位数工具变量估计

6.4无条件分位数回归

6.4.1再中化影响函数

6.4.2多维固定效应RIF分位数估计

6.4.3无条件分位数回归处理效应

6.4.4基于RIF的无条件分位数估计子

6.4.5面板固定效应无条件分位数回归

6.4.6广义分位数回归

第7章  面板数据模型回归

7.1认识面板数据

7.1.1面板数据和Stata命令

7.1.2面板数据平稳性检验

7.2静态面板数据模型

7.2.1固定效应模型

7.2.2随机效应模型

7.2.3混合面板回归

7.2.4豪斯曼检验

7.2.5面板随机系数模型

7.3面板工具变量法

7.3.1面板工具变量模型简介

7.3.2面板工具变量模型估计案例

7.4面板交互固定效应与多维固定效应模型

7.4.1交互固定效应模型简介

7.4.2交互固定效应估计方法

7.4.3面板多维固定效应估计

7.4.4面板多维固定效应工具变量估计

7.5动态面板估计

7.5.1动态面板模型简介

7.5.2差分GMM估计

7.5.3系统GMM估计

7.5.4差分与系统GMM估计

7.6长面板数据模型

7.6.1长面板数据概述

7.6.2自相关、异方差和截面相关检验

7.6.3DriscollKraay估计

7.6.4面板PCSE估计

7.6.5面板FGLS估计

7.6.6偏差校正LSDV动态面板估计

7.7面板中介效应模型

7.7.1中介效应模型概述

7.7.2面板数据固定效应中介模型估计

7.7.3基于结构方程的中介模型估计

7.8面板随机前沿模型

7.8.1随机前沿模型概述

7.8.2面板随机前沿模型估计

第8章  离散与受限因变量模型

8.1二值Logit和Probit模型

8.1.1潜在变量模型

8.1.2边际效应与预测

8.1.3工具变量法

8.1.4二值Logit和Probit模型的Stata案例

8.1.5面板二值选择模型

8.2多元结果模型

8.2.1有序的Logit和Probit模型

8.2.2无序的Logit和Probit模型

8.3决策选择模型

8.3.1多元Probit和Logit选择模型

8.3.2条件Logit模型

8.3.3嵌入Logit模型

8.4样本选择模型

8.4.1截尾回归（truncated regression）

8.4.2审查回归Tobit模型

8.4.3偶发截尾与Heckman样本选择模型

8.4.4似无关Probit模型与Heckman样本选择模型

8.5贝叶斯模型估计

8.5.1贝叶斯理论简介

8.5.2贝叶斯模型估计案例

第9章  倾向得分匹配与双重差分模型

9.1倾向得分匹配

9.1.1什么是倾向得分匹配？

9.1.2倾向得分匹配估计

9.1.3偏差校正匹配估计

9.2DID与PSMDID

9.2.1认识DID的实验前提

9.2.2DID双重差分法

9.2.3双重差分法面板模型

9.2.4平行趋势检验

9.2.5PSMDID估计

9.3多期DID

9.3.1多期DID的处理

9.3.2DID交互项及其他变量可识别影响机制

9.3.3DDD三重差分

9.4DID和多期DID处理Stata案例

9.4.1双重差分法面板模型——虚拟数据案例

9.4.2双重差分法面板模型——真实数据案例

9.4.3双重差分法面板模型——PSMDID估计

9.4.4多维面板固定效应双重差分法及“安慰剂检验”

9.5合成控制法及“安慰剂检验”

9.5.1单试点合成控制法及“安慰剂检验”

9.5.2多试点合成控制法及“安慰剂检验”

9.5.3合成控制双重差分估计及“安慰剂检验”

第10章  断点回归分析

10.1断点回归概述

10.1.1断点回归的基本思想

10.1.2断点回归的基本原理

10.2断点回归模型

10.2.1清晰断点回归

10.2.2模糊断点回归

10.3断点回归检验

10.3.1局平滑性检验

10.3.2断点“安慰剂检验”

10.3.3带宽选择敏感性检验

10.3.4样本选择敏感性检验

10.4逆倾向得分加权断点回归分析（IPSWRDD）

10.4.1命令rddsga及语法结构

10.4.2Stata应用案例分析

第11章  非线性回归与再抽样方法

11.1非线性回归估计

11.1.1基本回归命令

11.1.2非线性小二乘法与大似然估计

11.1.3几种常用的非线性回归命令

11.2Bootstrap和Jackknife方法

11.2.1Bootstrap方法

11.2.2Jackknife方法

11.3预测与边际效应计算

11.3.1预测（prediction）

11.3.2边际效应与弹性 

11.3.3MER、APE和AME的计算

11.3.4手动计算AME

第12章  非参数与半参数估计

12.1非参数回归分析

12.1.1基本估计理论

12.1.2Stata应用案例

12.1.3非参数估计的边际效应

12.2半参数回归分析

12.2.1半参数估计基准模型

12.2.2Abadie半参数双重差分SDID

第13章  时间序列分析与DSGE模型

13.1平稳时间序列分析

13.1.1ARMA与ARMAX模型估计

13.1.2VAR模型估计

13.2非平稳时间序列分析

13.2.1单位根检验

13.2.2向量误差修正模型与协整分析

13.3动态随机般均衡（DSGE）模型

13.3.1基础理论分析

13.3.2Stata案例分析（）

13.3.3脉冲-响应分析

13.3.4Stata案例分析（二）

13.3.5DSGE模型反事实检验

13.3.6更复杂的DSGE模型

第14章  空间计量经济学概述

14.1空间依赖及其关系表述

14.1.1空间依赖的原因

14.1.2空间依赖关系的数学描述

14.1.3空间依赖关系的模型化

14.2空间权重矩阵及其作用逻辑

14.2.1空间权重矩阵的定义与设定

14.2.2空间权重矩阵的构造

14.2.3空间权重矩阵的作用逻辑

14.3空间自回归数据生成过程

14.3.1带有常数项的空间自回归模型的初步分解

14.3.2外生化过程详解

14.3.3空间自回归模型外生化的期望形式与解释

14.4莫兰散点图

14.4.1空间关联系数与莫兰散点图

14.4.2用Stata计算莫兰指数和绘制莫兰散点图

第15章  空间计量经济学基础模型

15.1空间计量经济学模型的主要类型

15.1.1空间计量经济基础模型

15.1.2其他空间计量经济学模型

15.2空间计量模型的相互转化和数据生成过程

15.2.1针对时间依赖关系的空间自回归模型（SAR）

15.2.2针对遗漏重要变量的空间杜宾模型（SDM）

15.2.3针对空间异质性（个体差别）的空间误差模型（SEM）

15.2.4针对外性的空间X滞后模型（SXL）

15.2.5针对不确定性的空间计量经济模型（后验概率模型）

15.3SDM模型的参数效应解释

15.3.1空间杜宾模型的外生化表达过程

15.3.2空间杜宾模型的外生化表达的矩阵形式

15.3.3空间杜宾模型参数效应过程的阐释

15.3.4空间杜宾模型参数效应过程的图示描述

15.3.5空间杜宾模型参数效应的几个重要定义

15.4SAR、SDEM模型的参数效应解释

15.4.1空间自回归模型的总效应阐释

15.4.2对空间自回归模型的总效应分解的其他设定

15.4.3空间杜宾误差模型（SDEM）的参数效应阐释

15.4.4SAR模型参数效应的般计算

15.5空间计量经济模型的Stata检验

15.5.1环形放射状城市的通勤时间

15.5.2截面数据的空间计量回归

第16章  空间计量模型大似然估计

16.1SAR与SDM模型的大似然估计

16.1.1普通小二乘法的矩阵过程回顾

16.1.2SAR和SDM模型中多参数化向单参数化的转化

16.1.3空间相关系数ρ化的对数似然函数及其简化

16.1.4SAR、SDM模型的大似然估计过程

16.1.5用Stata做SAR和SDM模型大似然估计

16.2SEM模型参数的大似然估计

16.2.1SEM模型及其单参数化过程

16.2.2SEM模型的对数似然函数设定及简化

16.2.3SEM模型的大似然估计结果

16.2.4SEM模型向SDM模型的可转化性

16.3基于OLS方法的SEM模型参数估计有效性

16.3.1含遗漏变量SEM模型的OLS参数估计表达式

16.3.2含遗漏变量SEM模型的OLS参数估计有效性分析

16.3.3遗漏变量SEM模型中γ=0的豪斯曼检验

16.3.4γ=0时GLS参数估计无偏性的证明

16.3.5用Stata做SEM模型大似然估计

第17章  空间面板计量模型检验

17.1空间面板数据回归基础模型

17.1.1空间面板数据导入与处理

17.1.2计算空间关联系数与绘制莫兰散点图

17.1.3面板数据空间计量回归

17.1.4空间面板数据大似然估计

17.2空间面板计量双重差分模型

17.2.1空间双重差分估计

17.2.2空间双重差分“安慰剂检验”

17.3动态空间面板计量模型

17.3.1HanPhilips动态空间面板线性回归

17.3.2ArellanoBond动态空间面板线性回归

17.3.3其他动态空间面板计量模型

17.4空间面板双权重矩阵的Mata应用

17.4.1什么是Mata

17.4.2mmat格式文件的读入与生成

17.4.3空间面板双权重矩阵SPM估计

参考文献