高维因子模型的极大似然分析：理论与方法

图书标准信息

• 作者 李鲲鹏 著
• 出版社 商务印书馆
• 出版时间 2020-01
• 版次 1
• ISBN 9787100169011
• 定价 58.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 276页

【内容简介】

高维因子模型是当前计量经济学中的一个重要模型。以美国美联储前主席Ben S. Bernanke、哈佛大学教授James H. Stock以及普林斯顿大学教授Mark M. Watson为代表的欧美学者，在广泛的实证研究中发现，经过高维因子模型增广的计量经济学模型在宏观经济预测(Stock and Watson, 2002, JBES)、政策效果评价(Bernanke, Bovin and Eliasz, 2005, QJE)以及经验事实挖掘(Kose, Othok and Whiteman, 2003, AER)上有着非常重要的应用。 然而现有的高维因子模型的分析，主要集中于主成分分析，更为一般的极大似然分析鲜有文献涉及。本书将建立极大似然分析框架作为研究的主要内容，系统地研究了高维因子模型极大似然估计量的一致性、收敛速度和渐近分布，填补了高维因子分析理论重要的理论空白。此外，作者还将研究思路拓展到存在交互效应的面板数据模型中，用新的框架研究了极大似然方法估计交互效应模型。相关理论成果对于拓展实证研究范围，提高实证研究的可信度有着重要的意义。

【作者简介】

李鲲鹏，现为首都经济贸易大学国际经管学院副教授。毕业于清华大学经济管理学院，获得经济学博士学位。到目前为止，在国内外高水平期刊上发表论文近20篇，包括Annals of Statistics、Review of Economics and Statistics、Journal of Business and Economic Statistics、Economics Letters、Econometric Reviews等，主持国家自然科学基金两项、教育部人文社科基金一项，是Journal of Econometrics、Journal of Business and Economic Statistics等知名期刊的匿名审稿人。 研究领域主要包括高维因子模型、面板数据模型、交互效应模型、空间计量模型等。目前教授首都经贸大学博士生和硕士生的计量经济学课程。

【目录】

章 绪论

节 引言

第二节 高维数据的困境

第三节 高维因子模型：理论进展与局限

第四节 结构以及相关数学符号说明

第二章 高维因子模型的极大似然分析

节 引言

第二节 模型的定

第三节 模型的估计

第四节 对称以及表达式的选择

第五节 识别条件

第六节 极大似然估计量的渐近质

第七节 因子估计量的渐近质

第八节 em算法

第九节 有限样本质

第十节 结论

第十一节 附录：理论结果的详细证明

第三章 交互效应面板数据模型：基准

节 引言

第二节 研究的背景及其文献评述

第三节 模型的定

第四节 模型的估计

第五节 估计量的渐近质

第六节 ecm算法

第七节 有限样本质

第八节 结论

第九节 附录：理论结果的详细证明

第四章 广义交互效应面板数据模型

节 引言

第二节 识别条件

第三节 估计方法

第四节 估计量的渐近质

第五节 ecm算法

第六节 有限样本质

第七节 结论

第八节 附录：理论结果的详细证明

第五章 结论

节 结论评述

第二节 进一步研究的方向

附录 第三章基准模型的mcmc算法

参文献

后记