目    录

第1章  经济计量简介与基础知识  1

1.1  计量经济学简介  1

1.1.1  什么是计量经济学  1

1.1.2  因果推断简介  3

1.1.3  数据的类型和结构  5

1.2  概率论复习  6

1.2.1  随机变量及分布  6

1.2.2  随机变量数字特征  11

1.2.3  随机向量  12

1.2.4　极限定理  15

1.3  统计学复习  17

1.3.1  样本和统计量  17

1.3.2  参数估计  18

1.3.3  假设检验  22

本章小结  23

第2章  一元线性回归模型  25

2.1  回归分析概述  25

2.1.1  回归分析基本概念  25

2.1.2  总体回归函数  26

2.1.3  随机干扰项  28

2.1.4  样本回归函数  29

2.2  一元线性回归模型的基本假设  31

2.2.1  对模型设定的假设  31

2.2.2  对解释变量的假设  32

2.2.3  对随机干扰项的假设  32

2.3  一元线性回归模型的参数估计  35

2.3.1  参数估计的普通最小二乘法(OLS)  35

2.3.2  参数估计的最大似然法  37

2.3.3  参数估计的矩估计法  38

2.3.4  最小二乘估计量的统计性质  39

2.3.5  参数估计量的概率分布及随机干扰项方差的估计  42

2.4  一元线性回归模型的统计检验  44

2.4.1  拟合优度检验  44

2.4.2  变量的显著性检验  47

2.4.3  参数检验的置信区间估计  48

2.5  一元线性回归模型的案例分析  49

2.5.1  回归模型检验  50

2.5.2  计量结果及分析  52

2.6  分位数回归估计  53

2.6.1  分位数回归的提出  53

2.6.2  分位数回归及其估计  55

本章小结  56

第3章  多元线性回归分析  57

3.1  多元线性回归模型设定  57

3.2  多元线性回归模型参数估计  59

3.3.1  回归系数估计  59

3.2.2  误差估计——残差  60

3.2.3  的分布  62

3.3  更多假设下OLS估计量性质  62

3.4  回归模型的相关检验  64

3.4.1  回归系数检验(t检验)  64

3.4.2  调整R2、信息准则和变量选择  64

3.4.3  回归模型检验(F检验)  66

3.5  多重共线性  67

3.5.1  多重共线性的含义  67

3.5.2  实际经济问题中的多重共线性  67

3.5.3  多重共线性的后果  68

3.5.4  多重共线性的检验  70

3.5.5  克服多重共线性的方法  70

3.6  异方差性  72

3.6.1  异方差的类型  72

3.6.2  异方差性的后果  73

3.6.3  异方差性的检验  73

3.6.4  异方差的修正  75

3.7  序列相关性问题  78

3.7.1  序列相关性  78

3.7.2  实际经济问题中的序列相关性  79

3.7.3  序列相关性的后果  80

3.7.4  序列相关性的检验  81

3.7.5  序列相关的补救  84

3.7.6  虚假序列相关问题  87

本章小结  87

第4章  线性回归模型的拓展与应用  89

4.1  多元线性回归分析与因素控制  89

4.1.1  多元线性回归与因素控制  89

4.1.2  缺失变量偏差  90

4.1.3  分割回归、F-W定理和影响消除  91

4.2  模型中变量的形式  92

4.2.1  对数模型和弹性  92

4.2.2  非线性自变量  93

4.3  虚拟变量  95

4.3.1  虚拟变量引入模型的方式  95

4.3.2  引入多个虚拟变量  96

4.4  参数约束检验  98

4.4.1  参数约束检验方法  98

4.4.2  参数约束检验应用  99

4.5  二值因变量回归模型  100

4.5.1  效用理论和指标模型  100

4.5.2  probit模型和logit模型  102

4.6  选择性样本计量模型  104

4.6.1  经济生活中的选择性样本问题  104

4.6.2  “截断”问题的计量经济学模型  105

4.6.3 “归并”问题的计量经济学模型  108

4.6.4  样本选择模型  109

本章小结  111

第5章  因果关系与因果图  112

5.1  因果关系简介  112

5.1.1  相关关系与因果关系  112

5.1.2  因果推断的基本方法  114

5.2  因果图的基本概念  116

5.3  因果图和边际独立性  117

5.4  选择偏差和因果效应识别  120

5.5  选择偏差的处理  123

5.6  辛普森悖论  124

5.7  样本选择相关问题  126

5.7.1  样本选择性偏差  126

5.7.2  选择性偏差产生的原因  128

5.7.3  如何避免选择性偏差  129

本章小结  130

第6章  工具变量估计方法  131

6.1  内生性  131

6.1.1  OLS估计的不一致性  131

6.1.2  内生性产生的原因  133

6.2  工具变量估计方法  133

6.2.1  工具变量估计法  133

6.2.2  两阶段最小二乘法：TSLS  137

6.3  内生性检验  140

6.4  异质性效应下的工具变量法  141

6.5  案例：工具变量的历史起点  142

本章小结  143

第7章  样本选择模型  144

7.1  样本自选择偏差产生的原因  144

7.2  传统Heckman样本选择模型  150

7.2.1  模型设计  150

7.2.2  Heckman模型如何解决样本选择偏差  151

7.3  Heckman样本选择模型的应用案例  152

7.4  内生选择变量处理效应模型  154

7.4.1  模型设置  154

7.4.2  估计方法  156

7.5  样本自选择模型运用中常见问题  156

7.5.1  解释变量的选择  156

7.5.2  二元正态分布假设  156

7.5.3  选择模型必须为Probit模型  157

7.5.4  检查相关系数ρ  157

本章小结  157

第8章  潜在结果分析框架  159

8.1  潜在结果框架的基本内容  159

8.1.1  项目效应评估的概念  159

8.1.2  潜在结果框架的基本要素  160

8.1.3  因果效应参数  162

8.1.4  收益偏差与选择偏差  165

8.2  潜在结果框架与回归框架  166

8.2.1  基于回归表述的潜在结果框架  166

8.2.2  潜在结果框架与回归(可观测结果)框架比较  168

8.3  随机化实验  168

8.3.1  随机化实验与因果效应  168

8.3.2  随机化实验的缺陷  170

8.4  匹配方法  170

8.4.1  基于协变量的匹配  170

8.4.2  基于倾向得分的匹配  173

8.4.3  匹配方法与多元OLS回归  176

8.5  异质性因果效应下的工具变量  178

8.5.1  异质性因果效应下的内生性  178

8.5.2  局部平均处理效应  179

8.5.3  LATE和ATT及ATU的关系  183

本章小结  185

第9章  断点回归设计概述  186

9.1  断点回归设计的基本设定  186

9.2  断点回归设计的参数化估计  187

9.3  断点回归设计的非参数化估计  192

9.3.1  连续性假设与因果效应参数的识别  192

9.3.2  连续性假设的经济学含义  194

9.4  进一步讨论  196

9.4.1  断点回归设计与其他方法的比较  196

9.4.2  模糊断点回归设计简介  199

9.5  断点回归设计中国经济案例分析——检验中国消费之谜  200

本章小结  203

第10章  面板数据回归分析  204

10.1  面板数据和面板数据模型  204

10.1.1  面板数据  204

10.1.2  面板数据模型  204

10.2  固定效应模型估计及其应用  206

10.3  随机效应模型估计及其应用  206

10.4  是固定效应，还是随机效应——Hausman检验  207

10.5  双重差分法  208

10.6  双重差分的回归表达  214

10.6.1  不包含控制变量情形  214

10.6.2  包含控制变量情形  215

10.6.3  用连续变量表示政策实施强度  216

10.7  双重差分法的局限性  218

10.7.1  暂时性个体冲击造成的选择问题  218

10.7.2  不同的宏观趋势  218

10.7.3  样本构成发生变化  219

10.8  共同趋势检验  219

10.9  三重差分法概述  222

本章小结  223

第11章  时间序列基础知识  225

11.1  时间序列的概念  225

11.2  时间序列模型  227

11.2.1  白噪声序列  227

11.2.2  自回归模型  227

11.2.3  移动平均模型  228

11.2.4  自回归模型转化为移动平均模型  228

11.3  自回归模型的平稳性和相关系数  229

11.3.1  自回归模型的平稳性  229

11.3.2  自回归模型的自相关函数  230

11.4  自回归模型的定阶和估计  232

11.4.1  自回归模型定阶  232

11.4.2  自回归模型估计  232

11.4.3  自回归模型再定阶——信息准则  233

11.5  自回归分布滞后模型和格兰杰因果关系检验  233

11.5.1  自回归分布滞后模型  233

11.5.2  格兰杰因果关系检验  235

11.6  ARCH模型  236

11.6.1  ARCH模型的定义  236

11.6.2　ARCH模型的估计  238

11.7  非平稳时间序列与单位根理论  239

11.7.1  随机游动和单位根概述  239

11.7.2　时间序列的时间趋势  240

11.7.3  单位根检验  241

11.7.4  单整序列和ARIMA模型  243

11.8  协整与误差修正模型  244

11.8.1  协整的定义  244

11.8.2  协整检验——E-G两步法  244

11.8.3  误差修正模型  245

本章小结  245

第12章  时间序列模型应用  247

12.1  滞后效应与滞后变量模型  247

12.1.1  滞后效应  247

12.1.2  滞后变量模型  248

12.2  自回归分布滞后模型  250

12.2.1  期望模型  251

12.2.2  部分调整模型  253

12.2.3  阿尔蒙分布滞后模型  254

12.3  结构向量自回归SVAR模型简介  256

12.3.1  向量自回归VAR模型简介  256

12.3.2  SVAR模型短期约束识别方法  257

12.3.3  长期约束识别方法  259

12.3.4  符号约束识别方法  260

12.3.5  脉冲响应的局部投影法  261

本章小结  262

参考文献  263