-
清华大学出版社
- 9787302453192
-
1-1
-
179084
-
16开
-
2016年11月
-
经济学
-
应用经济学
-
F224.0
-
经济管理
-
高职高专
内容简介
本书是一本理论和实验高度融合的教材，将介绍非参数估计的经典计量方法(密度函数、回归函数)、部分线性回归模型和变系数回归模型的估计方法、单指数模型、加法模型面板数据模型的半参数和非参数估计方法。在每一部分，将给出大量的模拟实验范例以说明相应估计量的小样本表现，同时给出一些实证应用例子，说明半参数和非参数估计方法的应用。相应地，这些模拟和实证的例子都配以GAUSS程序，允许读者结合相应模型重复模拟和实证例子的结果，更好地复习和消化各章内容。
目录
第1章准备知识及非参数和半参数估计的动因1．1随机变量及其分布1．2随机变量序列及Op(?瘙簚)和op(?瘙簚)的性质1．3收敛定理1．4非参数与半参数估计的动因1．5Monte Carlo模拟与bootstrap1．6关于GAUSS编程第2章密度函数的非参数估计2．1密度函数的非参数核估计2．2密度函数核估计的有限样本性质2．3窗宽的选取2．4密度函数核估计的大样本性质2．5分布函数的核估计2．6多元密度函数的核估计2．7混合变量密度函数的频率估计和核估计2．8密度函数核估计的例子第3章回归函数的非参数核估计及检验3．1回归函数的非参数核估计3．2回归函数核估计的偏误与方差3．3窗宽的选取3．4回归函数核估计的渐近性质3．5局部线性核估计3．6含有离散型解释变量的回归函数的非参数核估计3．7回归模型参数设定的假设检验第4章部分线性模型和变系数模型的半参数估计4.1部分线性回归模型及其识别4.2Robinson半参数估计方法4.2.1参数部分的估计4.2.2非参数部分的估计4.3线性回归模型与部分线性回归模型的设定检验4.4广义回归模型4.5变系数回归模型的估计和检验4.5.1变系数模型的估计4.5.2变系数模型的设定检验第5章单指数模型的半参数估计5.1单指数模型的例子5.1.1二元选择模型(binary choicemodel)5.1.2归并数据回归模型(censoredregression model)5.2单指数模型的识别5.3单指数模型的半参数估计5.3.1半参数最小二乘估计方法（SLS估计量，Ichimura估计量）5.3.2直接半参数估计量（PSS估计量）5.3.3非参数函数g(?瘙簚)的估计5.4参数单指数模型的设定检验5.5二元选择模型的半参数估计5.5.1KleinSpady估计量5.5.2Hermite多项式半参数估计方法5.5.3Lewbel估计量5.5.4最大秩相关估计量(MRC)第6章加法模型的非参数估计6.1加法模型的识别和边际积分估计6.2加法模型的Oracle有效估计6.3加法模型的Backfitting估计量6.4加法部分线性模型的估计方法第7章面板数据模型的非参数估计和检验7.1混合数据非参数估计及可混合性检验7.1.1局部常数非参数估计量7.1.2局部线性非参数估计量7.1.3面板数据的可混合性(poolability)检验7.2随机效应模型的非参数估计7.2.1不考虑扰动项的方差结构7.2.2考虑扰动项的方差结构7.2.3二步估计法7.3固定效应模型的非参数估计7.4个体效应的非参数Hausman检验7.5面板数据部分线性回归模型的估计7.5.1随机效应模型7.5.2固定效应模型7.5.3模型设定检验参考文献附录各章实例操作的GAUSS程序
