横截面与面板数据的计量经济分析（第二版）（经济科学译丛）（上、下册）

图书标准信息

• 作者 杰弗里·M·伍德里奇
• 出版社 中国人民大学出版社
• 出版时间 2016-01
• 版次 1
• ISBN 9787300219387
• 定价 128.00元
• 装帧 平装
• 开本 其他
• 纸张 其他
• 页数 892页
• 字数 1千字

【内容简介】

这本备受赞誉的研究生教材第二版提供了用在现代计量经济学研究的两类数据结构分析的一个统一处理：横截面数据和面板数据。本书同时涵盖了线性和非线性模型，包括含有动态性和/或个体异质性的模型。除了一般估计框架（特别是矩方法与极大似然法）外，还详细介绍了一些特定的线性与非线性方法，包括probit和logit模型、多项选择和有序选择模型、Tobit模型和两部拓展式、关于计数数据的模型、多种截取和缺失数据设计、因果（或处理）效应估计，以及期限分析,并扩展了控制函数和相关随机效应方法以允许估计存在内生性和异质性的复杂模型。

  相比第一版，第二版已经被实质性地更新和修订。改进包括：更大的一类关于缺失数据问题的模型；整群抽样问题更详细的处理，这对经验研究而言是一个重要主题；关于＂广义工具变量＂(GIV)估计的展开讨论；对逆概率加权的新覆盖；一个用于估计含有关于干预和不同数据结构——包括面板数据，和一个在对非线性面板数据的计量经济学方法与在统计学及其他领域中流行的＂广义估计方法＂文献之间牢固确立的联系——方面假设的处理效应之更完整的框架。对解释特殊的计量经济学方法可以在何时应用给予了新的关注；目标不仅是告诉读者什么是起作用的，而且还说明某些＂显然的＂程序为何不可行。许多列入书中的习题，无论是理论性的还是基于计算机的，都允许读者拓展涵盖在书中的方法并发现新的洞见。

【作者简介】

杰弗里.M.伍德里奇是密歇根州立大学的经济学＂大学杰出教授＂和计量经济学会院士。

【目录】

第Ⅰ篇  引论与背景

第1章  引论

1.1  因果关系与其余条件不变分析

1.2  随机设置与渐近分析

1.2.1  数据结构

1.2.2  渐近分析

1.3  一些例子

1.4  为什么不使用固定的解释变量?

第2章   计量经济学中条件期望与相关概念

2.1  条件期望在计量经济学中的作用

2.2  条件期望的特征

2.2.1  定义与例子

2.2.2  偏效应、弹性与半弹性

2.2.3  条件期望模型的误差形式

2.2.4  条件期望的若干性质

2.2.5  平均偏效应

2.3  线性投影

习题

附录2A

2A.1  条件期望的性质

2A.2  条件方差与协方差的性质

2A.3  线性投影的性质

第3章   基本渐近理论

3.1  确定性序列收敛

3.2  依概率收敛与依概率有界

3.3  依分布收敛

3.4  随机样本的极限定理

3.5  估计量与检验统计量的极限特性

3.5.1  估计量的渐近性质

3.5.2  检验统计量的渐近性质

习题

第Ⅱ篇  线性模型

第4章   单方程线性模型与普通最小二乘法估计

4.1  单方程线性模型概述

4.2  普通最小二乘法的渐近性质

4.2.1  一致性

4.2.2  利用普通最小二乘法的渐近推断

4.2.3  异方差性稳健的推断

4.2.4  拉格朗日乘子（得分）检验

4.3  遗漏变量问题的普通最小二乘法解

4.3.1  忽略被遗漏变量的普通最小二乘法

4.3.2  代理变量——普通最小二乘法解

4.3.3  含有在不可观测项中存在的交互作用的模型:随机系数模型

4.4  测量误差下普通最小二乘法的性质

4.4.1  因变量的测量误差

4.4.2  解释变量的测量误差

习题

第5章   单方程线性模型的工具变量估计

5.1  工具变量与两阶段最小二乘法

5.1.1  工具变量估计的动机

5.1.2  多重工具：两阶段最小二乘法

5.2  两阶段最小二乘法的一般处理

5.2.1  一致性

5.2.2  两阶段最小二乘法的渐近正态性

5.2.3  两阶段最小二乘法的渐近有效性

5.2.4  使用两阶段最小二乘法的假设检验

5.2  两阶段最小二乘法的异方差性稳健推断

5.2.6  使用两阶段最小二乘法的潜在陷阱

5.3  遗漏变量与测量误差问题的IV解

5.3.1  误差项中的遗漏因素

5.3.2  利用不可观测指示符求解

习题

第6章   附加的单方程专题

6.1  使用生成回归元与工具的估计

6.1.1  使用生成回归元的普通最小二乘法

6.1.2  使用生成工具的二阶段最小二乘法

6.1.3  生成工具与回归元

6.2  处理内生性的控制函数法

6.3  一些设定检验

6.3.1  内生性检验

6.3.2  过度识别约束检验

6.3.3  函数形式检验

6.3.4  异方差性检验

6.4  相关的随机系数模型

6.4.1  何时一般的IV估计量是一致的？

6.4.2  控制函数法

6.5  混合的截面数据与倍差法估计

6.5.1  跨时间混合横截面

6.5.2  政策分析和倍差法估计

习题

附录6A

第7章   利用普通最小二乘法与广义最小二乘法估计方程组

7.1  简介

7.2  一些例子

7.3  多变量线性方程组的系统普通最小二乘法估计

7.3.1  预备知识

7.3.2  系统普通最小二乘法的渐近性质

7.3.3  多重假设检验

7.4  广义最小二乘法的一致性与渐近正态性

7.4.1  一致性

7.4.2  渐近正态性

7.5  可行的广义最小二乘法

7.5.1  渐近性质

7.5.2  标准假设下可行的广义最小二乘法的渐近方差

7.5.3  含有对无条件方差矩阵（可能不正确）约束的可行广义最小二乘法的性质

7.6  检验可行广义最小二乘法的使用

7.7  似无关回归的再研究

7.7.1  关于似无关回归方程组的普通最小二乘法与可行广义最小二乘法之间的比较

7.7.2  含有方程间约束的方程组   

7.7.