傻瓜計量經(jīng)濟學與Stata應用

第1章  計量經(jīng)濟學導論
1.1什么是計量經(jīng)濟學
1.2為什么要學計量經(jīng)濟學
1.3為什么叫“傻瓜”計量經(jīng)濟學
1.4Stata基本簡介
1.5計量經(jīng)濟學的核邏輯
1.6殘差項的重要性
1.7計量經(jīng)濟學的定位和不足
第2章  數(shù)據(jù)處理與圖形繪制
2.1數(shù)據(jù)導入
2.2數(shù)據(jù)類型
2.3數(shù)據(jù)合并
2.4數(shù)據(jù)轉換
2.5數(shù)據(jù)值
2.6圖形繪制
2.7主成分分析
2.8信度效度
第3章  基本模型回歸與診斷
3.1共線性問題
3.1.1共線性診斷
3.1.2共線性處理
3.2異方差問題
3.2.1異方差概念
3.2.2異方差診斷
3.2.3異方差處理
3.3自相關問題
3.3.1自相關概述及檢驗方法
3.3.2自相關處理方法
3.4可行的GLS
3.4.1異方差及FGLS估計
3.4.2群組之間的異方差性及GLS估計
3.4.3分組數(shù)據(jù)的異方差
3.4.4序列相關與GLS估計
第4章  模擬
4.1函數(shù)
4.1.1什么是偽隨機數(shù)
4.1.2偽隨機向量征
4.2模擬
4.2.1大數(shù)定律與中限定理
4.2.2大樣本OLS漸進結果
4.3應用
4.3.1大樣本能解決內生性問題嗎
4.3.2基于蒙卡洛模擬的反事實檢驗
第5章  線性工具變量回歸
5.1內生性與工具變量
5.1.1內生性
5.1.2工具變量兩段小二乘法（2SLS）
5.2工具變量檢驗
5.2.1弱工具變量檢驗
5.2.2過度識別約束檢驗
5.3廣義矩估計法GMM
5.3.1廣義矩方法估計量
5.3.2GMM的穩(wěn)健估計
5.3.3GMM與HAC穩(wěn)健標準誤
5.3.4GMM正交性檢驗
5.3.5GMM異方差檢驗
5.3.6GMM冗余檢驗
5.3.7工具變量估計的DWH內生性檢驗
5.4似無關估計
5.4.1系統(tǒng)估計
5.4.2似無關回歸模型
5.4.3似無關回歸與OLS的關系
5.4.4似無關估計案例
第6章  分位數(shù)回歸
6.1認識分位數(shù)
6.1.1條件分位（conditional quantiles）
6.1.2分位回歸估計與標準誤的計算
6.2條件分位數(shù)回歸
6.2.1條件分位數(shù)回歸的Stata命令
6.2.2條件分位數(shù)回歸的Stata案例
6.2.3條件分位數(shù)回歸工具變量法
6.3面板條件分位數(shù)回歸
6.3.1面板分位數(shù)估計基礎命令
6.3.2面板分位數(shù)工具變量估計
6.4無條件分位數(shù)回歸
6.4.1再中化影響函數(shù)
6.4.2多維固定效應RIF分位數(shù)估計
6.4.3無條件分位數(shù)回歸處理效應
6.4.4基于RIF的無條件分位數(shù)估計子
6.4.5面板固定效應無條件分位數(shù)回歸
6.4.6廣義分位數(shù)回歸
第7章  面板數(shù)據(jù)模型回歸
7.1認識面板數(shù)據(jù)
7.1.1面板數(shù)據(jù)和Stata命令
7.1.2面板數(shù)據(jù)平穩(wěn)性檢驗
7.2靜態(tài)面板數(shù)據(jù)模型
7.2.1固定效應模型
7.2.2隨機效應模型
7.2.3混合面板回歸
7.2.4豪斯曼檢驗
7.2.5面板隨機系數(shù)模型
7.3面板工具變量法
7.3.1面板工具變量模型簡介
7.3.2面板工具變量模型估計案例
7.4面板交互固定效應與多維固定效應模型
7.4.1交互固定效應模型簡介
7.4.2交互固定效應估計方法
7.4.3面板多維固定效應估計
7.4.4面板多維固定效應工具變量估計
7.5動態(tài)面板估計
7.5.1動態(tài)面板模型簡介
7.5.2差分GMM估計
7.5.3系統(tǒng)GMM估計
7.5.4差分與系統(tǒng)GMM估計
7.6長面板數(shù)據(jù)模型
7.6.1長面板數(shù)據(jù)概述
7.6.2自相關、異方差和截面相關檢驗
7.6.3DriscollKraay估計
7.6.4面板PCSE估計
7.6.5面板FGLS估計
7.6.6偏差校正LSDV動態(tài)面板估計
7.7面板中介效應模型
7.7.1中介效應模型概述
7.7.2面板數(shù)據(jù)固定效應中介模型估計
7.7.3基于結構方程的中介模型估計
7.8面板隨機前沿模型
7.8.1隨機前沿模型概述
7.8.2面板隨機前沿模型估計
第8章  離散與受限因變量模型
8.1二值Logit和Probit模型
8.1.1潛在變量模型
8.1.2邊際效應與預測
8.1.3工具變量法
8.1.4二值Logit和Probit模型的Stata案例
8.1.5面板二值選擇模型
8.2多元結果模型
8.2.1有序的Logit和Probit模型
8.2.2無序的Logit和Probit模型
8.3決策選擇模型
8.3.1多元Probit和Logit選擇模型
8.3.2條件Logit模型
8.3.3嵌入Logit模型
8.4樣本選擇模型
8.4.1截尾回歸（truncated regression）
8.4.2審查回歸Tobit模型
8.4.3偶發(fā)截尾與Heckman樣本選擇模型
8.4.4似無關Probit模型與Heckman樣本選擇模型
8.5貝葉斯模型估計
8.5.1貝葉斯理論簡介
8.5.2貝葉斯模型估計案例
第9章  傾向得分匹配與雙重差分模型
9.1傾向得分匹配
9.1.1什么是傾向得分匹配？
9.1.2傾向得分匹配估計
9.1.3偏差校正匹配估計
9.2DID與PSMDID
9.2.1認識DID的實驗前提
9.2.2DID雙重差分法
9.2.3雙重差分法面板模型
9.2.4平行趨勢檢驗
9.2.5PSMDID估計
9.3多期DID
9.3.1多期DID的處理
9.3.2DID交互項及其他變量可識別影響機制
9.3.3DDD三重差分
9.4DID和多期DID處理Stata案例
9.4.1雙重差分法面板模型——虛擬數(shù)據(jù)案例
9.4.2雙重差分法面板模型——真實數(shù)據(jù)案例
9.4.3雙重差分法面板模型——PSMDID估計
9.4.4多維面板固定效應雙重差分法及“安慰劑檢驗”
9.5合成控制法及“安慰劑檢驗”
9.5.1單試點合成控制法及“安慰劑檢驗”
9.5.2多試點合成控制法及“安慰劑檢驗”
9.5.3合成控制雙重差分估計及“安慰劑檢驗”
第10章  斷點回歸分析
10.1斷點回歸概述
10.1.1斷點回歸的基本思想
10.1.2斷點回歸的基本原理
10.2斷點回歸模型
10.2.1清晰斷點回歸
10.2.2模糊斷點回歸
10.3斷點回歸檢驗
10.3.1局平滑性檢驗
10.3.2斷點“安慰劑檢驗”
10.3.3帶寬選擇敏感性檢驗
10.3.4樣本選擇敏感性檢驗
10.4逆傾向得分加權斷點回歸分析（IPSWRDD）
10.4.1命令rddsga及語法結構
10.4.2Stata應用案例分析
第11章  非線性回歸與再抽樣方法
11.1非線性回歸估計
11.1.1基本回歸命令
11.1.2非線性小二乘法與大似然估計
11.1.3幾種常用的非線性回歸命令
11.2Bootstrap和Jackknife方法
11.2.1Bootstrap方法
11.2.2Jackknife方法
11.3預測與邊際效應計算
11.3.1預測（prediction）
11.3.2邊際效應與彈性 
11.3.3MER、APE和AME的計算
11.3.4手動計算AME
第12章  非參數(shù)與半?yún)?shù)估計
12.1非參數(shù)回歸分析
12.1.1基本估計理論
12.1.2Stata應用案例
12.1.3非參數(shù)估計的邊際效應
12.2半?yún)?shù)回歸分析
12.2.1半?yún)?shù)估計基準模型
12.2.2Abadie半?yún)?shù)雙重差分SDID
第13章  時間序列分析與DSGE模型
13.1平穩(wěn)時間序列分析
13.1.1ARMA與ARMAX模型估計
13.1.2VAR模型估計
13.2非平穩(wěn)時間序列分析
13.2.1單位根檢驗
13.2.2向量誤差修正模型與協(xié)整分析
13.3動態(tài)隨機般均衡（DSGE）模型
13.3.1基礎理論分析
13.3.2Stata案例分析（）
13.3.3脈沖-響應分析
13.3.4Stata案例分析（二）
13.3.5DSGE模型反事實檢驗
13.3.6更復雜的DSGE模型
第14章  空間計量經(jīng)濟學概述
14.1空間依賴及其關系表述
14.1.1空間依賴的原因
14.1.2空間依賴關系的數(shù)學描述
14.1.3空間依賴關系的模型化
14.2空間權重矩陣及其作用邏輯
14.2.1空間權重矩陣的定義與設定
14.2.2空間權重矩陣的構造
14.2.3空間權重矩陣的作用邏輯
14.3空間自回歸數(shù)據(jù)生成過程
14.3.1帶有常數(shù)項的空間自回歸模型的初步分解
14.3.2外生化過程詳解
14.3.3空間自回歸模型外生化的期望形式與解釋
14.4莫蘭散點圖
14.4.1空間關聯(lián)系數(shù)與莫蘭散點圖
14.4.2用Stata計算莫蘭指數(shù)和繪制莫蘭散點圖
第15章  空間計量經(jīng)濟學基礎模型
15.1空間計量經(jīng)濟學模型的主要類型
15.1.1空間計量經(jīng)濟基礎模型
15.1.2其他空間計量經(jīng)濟學模型
15.2空間計量模型的相互轉化和數(shù)據(jù)生成過程
15.2.1針對時間依賴關系的空間自回歸模型（SAR）
15.2.2針對遺漏重要變量的空間杜賓模型（SDM）
15.2.3針對空間異質性（個體差別）的空間誤差模型（SEM）
15.2.4針對外性的空間X滯后模型（SXL）
15.2.5針對不確定性的空間計量經(jīng)濟模型（后驗概率模型）
15.3SDM模型的參數(shù)效應解釋
15.3.1空間杜賓模型的外生化表達過程
15.3.2空間杜賓模型的外生化表達的矩陣形式
15.3.3空間杜賓模型參數(shù)效應過程的闡釋
15.3.4空間杜賓模型參數(shù)效應過程的圖示描述
15.3.5空間杜賓模型參數(shù)效應的幾個重要定義
15.4SAR、SDEM模型的參數(shù)效應解釋
15.4.1空間自回歸模型的總效應闡釋
15.4.2對空間自回歸模型的總效應分解的其他設定
15.4.3空間杜賓誤差模型（SDEM）的參數(shù)效應闡釋
15.4.4SAR模型參數(shù)效應的般計算
15.5空間計量經(jīng)濟模型的Stata檢驗
15.5.1環(huán)形放射狀城市的通勤時間
15.5.2截面數(shù)據(jù)的空間計量回歸
第16章  空間計量模型大似然估計
16.1SAR與SDM模型的大似然估計
16.1.1普通小二乘法的矩陣過程回顧
16.1.2SAR和SDM模型中多參數(shù)化向單參數(shù)化的轉化
16.1.3空間相關系數(shù)ρ化的對數(shù)似然函數(shù)及其簡化
16.1.4SAR、SDM模型的大似然估計過程
16.1.5用Stata做SAR和SDM模型大似然估計
16.2SEM模型參數(shù)的大似然估計
16.2.1SEM模型及其單參數(shù)化過程
16.2.2SEM模型的對數(shù)似然函數(shù)設定及簡化
16.2.3SEM模型的大似然估計結果
16.2.4SEM模型向SDM模型的可轉化性
16.3基于OLS方法的SEM模型參數(shù)估計有效性
16.3.1含遺漏變量SEM模型的OLS參數(shù)估計表達式
16.3.2含遺漏變量SEM模型的OLS參數(shù)估計有效性分析
16.3.3遺漏變量SEM模型中γ=0的豪斯曼檢驗
16.3.4γ=0時GLS參數(shù)估計無偏性的證明
16.3.5用Stata做SEM模型大似然估計
第17章  空間面板計量模型檢驗
17.1空間面板數(shù)據(jù)回歸基礎模型
17.1.1空間面板數(shù)據(jù)導入與處理
17.1.2計算空間關聯(lián)系數(shù)與繪制莫蘭散點圖
17.1.3面板數(shù)據(jù)空間計量回歸
17.1.4空間面板數(shù)據(jù)大似然估計
17.2空間面板計量雙重差分模型
17.2.1空間雙重差分估計
17.2.2空間雙重差分“安慰劑檢驗”
17.3動態(tài)空間面板計量模型
17.3.1HanPhilips動態(tài)空間面板線性回歸
17.3.2ArellanoBond動態(tài)空間面板線性回歸
17.3.3其他動態(tài)空間面板計量模型
17.4空間面板雙權重矩陣的Mata應用
17.4.1什么是Mata
17.4.2mmat格式文件的讀入與生成
17.4.3空間面板雙權重矩陣SPM估計 參考文獻