傻瓜計(jì)量經(jīng)濟(jì)學(xué)與Stata應(yīng)用

第1章  計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論
1.1什么是計(jì)量經(jīng)濟(jì)學(xué)
1.2為什么要學(xué)計(jì)量經(jīng)濟(jì)學(xué)
1.3為什么叫“傻瓜”計(jì)量經(jīng)濟(jì)學(xué)
1.4Stata基本簡介
1.5計(jì)量經(jīng)濟(jì)學(xué)的核邏輯
1.6殘差項(xiàng)的重要性
1.7計(jì)量經(jīng)濟(jì)學(xué)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(dǎo)入
2.2數(shù)據(jù)類型
2.3數(shù)據(jù)合并
2.4數(shù)據(jù)轉(zhuǎn)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(guān)問題
3.3.1自相關(guān)概述及檢驗(yàn)方法
3.3.2自相關(guān)處理方法
3.4可行的GLS
3.4.1異方差及FGLS估計(jì)
3.4.2群組之間的異方差性及GLS估計(jì)
3.4.3分組數(shù)據(jù)的異方差
3.4.4序列相關(guān)與GLS估計(jì)
第4章  模擬
4.1函數(shù)
4.1.1什么是偽隨機(jī)數(shù)
4.1.2偽隨機(jī)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(jìn)結(jié)果
4.3應(yīng)用
4.3.1大樣本能解決內(nèi)生性問題嗎
4.3.2基于蒙卡洛模擬的反事實(shí)檢驗(yàn)
第5章  線性工具變量回歸
5.1內(nèi)生性與工具變量
5.1.1內(nèi)生性
5.1.2工具變量兩段小二乘法（2SLS）
5.2工具變量檢驗(yàn)
5.2.1弱工具變量檢驗(yàn)
5.2.2過度識(shí)別約束檢驗(yàn)
5.3廣義矩估計(jì)法GMM
5.3.1廣義矩方法估計(jì)量
5.3.2GMM的穩(wěn)健估計(jì)
5.3.3GMM與HAC穩(wěn)健標(biāo)準(zhǔn)誤
5.3.4GMM正交性檢驗(yàn)
5.3.5GMM異方差檢驗(yàn)
5.3.6GMM冗余檢驗(yàn)
5.3.7工具變量估計(jì)的DWH內(nèi)生性檢驗(yàn)
5.4似無關(guān)估計(jì)
5.4.1系統(tǒng)估計(jì)
5.4.2似無關(guān)回歸模型
5.4.3似無關(guān)回歸與OLS的關(guān)系
5.4.4似無關(guān)估計(jì)案例
第6章  分位數(shù)回歸
6.1認(rèn)識(shí)分位數(shù)
6.1.1條件分位（conditional quantiles）
6.1.2分位回歸估計(jì)與標(biāo)準(zhǔn)誤的計(jì)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(jì)基礎(chǔ)命令
6.3.2面板分位數(shù)工具變量估計(jì)
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(yīng)RIF分位數(shù)估計(jì)
6.4.3無條件分位數(shù)回歸處理效應(yīng)
6.4.4基于RIF的無條件分位數(shù)估計(jì)子
6.4.5面板固定效應(yīng)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(rèn)識(shí)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(yàn)
7.2靜態(tài)面板數(shù)據(jù)模型
7.2.1固定效應(yīng)模型
7.2.2隨機(jī)效應(yīng)模型
7.2.3混合面板回歸
7.2.4豪斯曼檢驗(yàn)
7.2.5面板隨機(jī)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(jì)案例
7.4面板交互固定效應(yīng)與多維固定效應(yīng)模型
7.4.1交互固定效應(yīng)模型簡介
7.4.2交互固定效應(yīng)估計(jì)方法
7.4.3面板多維固定效應(yīng)估計(jì)
7.4.4面板多維固定效應(yīng)工具變量估計(jì)
7.5動(dòng)態(tài)面板估計(jì)
7.5.1動(dòng)態(tài)面板模型簡介
7.5.2差分GMM估計(jì)
7.5.3系統(tǒng)GMM估計(jì)
7.5.4差分與系統(tǒng)GMM估計(jì)
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(guān)、異方差和截面相關(guān)檢驗(yàn)
7.6.3DriscollKraay估計(jì)
7.6.4面板PCSE估計(jì)
7.6.5面板FGLS估計(jì)
7.6.6偏差校正LSDV動(dòng)態(tài)面板估計(jì)
7.7面板中介效應(yīng)模型
7.7.1中介效應(yīng)模型概述
7.7.2面板數(shù)據(jù)固定效應(yīng)中介模型估計(jì)
7.7.3基于結(jié)構(gòu)方程的中介模型估計(jì)
7.8面板隨機(jī)前沿模型
7.8.1隨機(jī)前沿模型概述
7.8.2面板隨機(jī)前沿模型估計(jì)
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(yīng)與預(yù)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(jié)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(guān)Probit模型與Heckman樣本選擇模型
8.5貝葉斯模型估計(jì)
8.5.1貝葉斯理論簡介
8.5.2貝葉斯模型估計(jì)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(jì)
9.1.3偏差校正匹配估計(jì)
9.2DID與PSMDID
9.2.1認(rèn)識(shí)DID的實(shí)驗(yàn)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(yàn)
9.2.5PSMDID估計(jì)
9.3多期DID
9.3.1多期DID的處理
9.3.2DID交互項(xiàng)及其他變量可識(shí)別影響機(jī)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(shí)數(shù)據(jù)案例
9.4.3雙重差分法面板模型——PSMDID估計(jì)
9.4.4多維面板固定效應(yīng)雙重差分法及“安慰劑檢驗(yàn)”
9.5合成控制法及“安慰劑檢驗(yàn)”
9.5.1單試點(diǎn)合成控制法及“安慰劑檢驗(yàn)”
9.5.2多試點(diǎn)合成控制法及“安慰劑檢驗(yàn)”
9.5.3合成控制雙重差分估計(jì)及“安慰劑檢驗(yàn)”
第10章  斷點(diǎn)回歸分析
10.1斷點(diǎn)回歸概述
10.1.1斷點(diǎn)回歸的基本思想
10.1.2斷點(diǎn)回歸的基本原理
10.2斷點(diǎn)回歸模型
10.2.1清晰斷點(diǎn)回歸
10.2.2模糊斷點(diǎn)回歸
10.3斷點(diǎn)回歸檢驗(yàn)
10.3.1局平滑性檢驗(yàn)
10.3.2斷點(diǎn)“安慰劑檢驗(yàn)”
10.3.3帶寬選擇敏感性檢驗(yàn)
10.3.4樣本選擇敏感性檢驗(yàn)
10.4逆傾向得分加權(quán)斷點(diǎn)回歸分析（IPSWRDD）
10.4.1命令rddsga及語法結(jié)構(gòu)
10.4.2Stata應(yīng)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(jì)
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(jì)
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(yù)測與邊際效應(yīng)計(jì)算
11.3.1預(yù)測（prediction）
11.3.2邊際效應(yīng)與彈性 
11.3.3MER、APE和AME的計(jì)算
11.3.4手動(dòng)計(jì)算AME
第12章  非參數(shù)與半?yún)?shù)估計(jì)
12.1非參數(shù)回歸分析
12.1.1基本估計(jì)理論
12.1.2Stata應(yīng)用案例
12.1.3非參數(shù)估計(jì)的邊際效應(yīng)
12.2半?yún)?shù)回歸分析
12.2.1半?yún)?shù)估計(jì)基準(zhǔn)模型
12.2.2Abadie半?yún)?shù)雙重差分SDID
第13章  時(shí)間序列分析與DSGE模型
13.1平穩(wěn)時(shí)間序列分析
13.1.1ARMA與ARMAX模型估計(jì)
13.1.2VAR模型估計(jì)
13.2非平穩(wěn)時(shí)間序列分析
13.2.1單位根檢驗(yàn)
13.2.2向量誤差修正模型與協(xié)整分析
13.3動(dòng)態(tài)隨機(jī)般均衡（DSGE）模型
13.3.1基礎(chǔ)理論分析
13.3.2Stata案例分析（）
13.3.3脈沖-響應(yīng)分析
13.3.4Stata案例分析（二）
13.3.5DSGE模型反事實(shí)檢驗(yàn)
13.3.6更復(fù)雜的DSGE模型
第14章  空間計(jì)量經(jīng)濟(jì)學(xué)概述
14.1空間依賴及其關(guān)系表述
14.1.1空間依賴的原因
14.1.2空間依賴關(guān)系的數(shù)學(xué)描述
14.1.3空間依賴關(guān)系的模型化
14.2空間權(quán)重矩陣及其作用邏輯
14.2.1空間權(quán)重矩陣的定義與設(shè)定
14.2.2空間權(quán)重矩陣的構(gòu)造
14.2.3空間權(quán)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(xiàng)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(diǎn)圖
14.4.1空間關(guān)聯(lián)系數(shù)與莫蘭散點(diǎn)圖
14.4.2用Stata計(jì)算莫蘭指數(shù)和繪制莫蘭散點(diǎn)圖
第15章  空間計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)模型
15.1空間計(jì)量經(jīng)濟(jì)學(xué)模型的主要類型
15.1.1空間計(jì)量經(jīng)濟(jì)基礎(chǔ)模型
15.1.2其他空間計(jì)量經(jīng)濟(jì)學(xué)模型
15.2空間計(jì)量模型的相互轉(zhuǎn)化和數(shù)據(jù)生成過程
15.2.1針對時(shí)間依賴關(guān)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(zhì)性（個(gè)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(jì)量經(jīng)濟(jì)模型（后驗(yàn)概率模型）
15.3SDM模型的參數(shù)效應(yīng)解釋
15.3.1空間杜賓模型的外生化表達(dá)過程
15.3.2空間杜賓模型的外生化表達(dá)的矩陣形式
15.3.3空間杜賓模型參數(shù)效應(yīng)過程的闡釋
15.3.4空間杜賓模型參數(shù)效應(yīng)過程的圖示描述
15.3.5空間杜賓模型參數(shù)效應(yīng)的幾個(gè)重要定義
15.4SAR、SDEM模型的參數(shù)效應(yīng)解釋
15.4.1空間自回歸模型的總效應(yīng)闡釋
15.4.2對空間自回歸模型的總效應(yīng)分解的其他設(shè)定
15.4.3空間杜賓誤差模型（SDEM）的參數(shù)效應(yīng)闡釋
15.4.4SAR模型參數(shù)效應(yīng)的般計(jì)算
15.5空間計(jì)量經(jīng)濟(jì)模型的Stata檢驗(yàn)
15.5.1環(huán)形放射狀城市的通勤時(shí)間
15.5.2截面數(shù)據(jù)的空間計(jì)量回歸
第16章  空間計(jì)量模型大似然估計(jì)
16.1SAR與SDM模型的大似然估計(jì)
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(zhuǎn)化
16.1.3空間相關(guān)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(jì)過程
16.1.5用Stata做SAR和SDM模型大似然估計(jì)
16.2SEM模型參數(shù)的大似然估計(jì)
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(shè)定及簡化
16.2.3SEM模型的大似然估計(jì)結(jié)果
16.2.4SEM模型向SDM模型的可轉(zhuǎn)化性
16.3基于OLS方法的SEM模型參數(shù)估計(jì)有效性
16.3.1含遺漏變量SEM模型的OLS參數(shù)估計(jì)表達(dá)式
16.3.2含遺漏變量SEM模型的OLS參數(shù)估計(jì)有效性分析
16.3.3遺漏變量SEM模型中γ=0的豪斯曼檢驗(yàn)
16.3.4γ=0時(shí)GLS參數(shù)估計(jì)無偏性的證明
16.3.5用Stata做SEM模型大似然估計(jì)
第17章  空間面板計(jì)量模型檢驗(yàn)
17.1空間面板數(shù)據(jù)回歸基礎(chǔ)模型
17.1.1空間面板數(shù)據(jù)導(dǎo)入與處理
17.1.2計(jì)算空間關(guān)聯(lián)系數(shù)與繪制莫蘭散點(diǎn)圖
17.1.3面板數(shù)據(jù)空間計(jì)量回歸
17.1.4空間面板數(shù)據(jù)大似然估計(jì)
17.2空間面板計(jì)量雙重差分模型
17.2.1空間雙重差分估計(jì)
17.2.2空間雙重差分“安慰劑檢驗(yàn)”
17.3動(dòng)態(tài)空間面板計(jì)量模型
17.3.1HanPhilips動(dòng)態(tài)空間面板線性回歸
17.3.2ArellanoBond動(dòng)態(tài)空間面板線性回歸
17.3.3其他動(dòng)態(tài)空間面板計(jì)量模型
17.4空間面板雙權(quán)重矩陣的Mata應(yīng)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(quán)重矩陣SPM估計(jì) 參考文獻(xiàn)