|
动态面板结构方程-有限信息极大似然方法 本书特色
《动态面板结构方程:有限信息极大似然方法》主要内容包括分块刀切法liml估计效果的模拟；分块刀切法liml估计量的经验分布；分块刀切法对liml估计量分布的影响；现有的liml估计结果检验的方法；现有方法引入dpsem需要解决的问题等。
动态面板结构方程-有限信息极大似然方法 目录
第1章导论
1.1研究背景和意义
1.2国内外相关文献综述
1.2.1国外的研究现状
1.2.2国内的研究现状
1.3研究的基本思路和方法
1.4研究的创新点和主要框架
第2章模型估计的基本问题
2.1模型的基本形式
2.1.1动态面板结构方程模型（dpsem）
2.1.2模型的可观测形式和识别条件
2.1.3模型估计需要的假设条件
2.2模型估计需要解决的问题
2.2.1 0fs形式中变量的内生性
2.2.2大量工具变量的弱外生性
2.2.3个体效应的过滤
2.2.4模型误差项的序列相关
2.3现有估计方法及问题
2.3.1广义工具变量估计
2.3.2全信息*大似然估计
第3章有限信息*大似然（liml）估计引进的探讨
3.1 liml估计引进的思路和依据
3.1.1单方程估计的灵活性
3.1.2工具变量的选择及其弱外生性的影响
3.2 liml估计引进需要解决的问题
3.2.1个体效应的过滤
3.2.2工具变量的选取
3.2.3误差项的低阶序列相关的处理
3.3 liml估计量的推导和计算
3.3.1方程系数的liml估计量
3.3.2误差方差的liml估计量
3.4方程系数的liml估计量渐近性质的证明
3.4.1系数估计量的一致性
3.4.2特殊设定下系数估计量的渐近正态性
3.5 liml估计效果的模拟
3.5.1具体模型和模拟样本的产生
3.5.2系数估计量的收敛性
3.5.3 liml的估计量的有限分布
第4章有限信息*大似然估计量方差计算的讨论
4.1方差计算的重要性和存在的问题
4.2解决方差计算的思路和根据
4.3方差计算的方法
4.3.1分块刀切法
4.3.2参数自助法
4.4分块刀切法liml估计效果的模拟
4.4.1分块刀切法liml估计量的经验分布
4.4.2分块刀切法对liml估计量分布的影响
第5章有限信息*大似然估计结果检验方法的探讨
5.1现有的liml估计结果检验的方法
5.2现有方法引入dpsem需要解决的问题
5.3合适检验统计量的构造
5.3.1调整的anderson rubin检验
5.3.2调整的k检验
5.3.3调整的条件似然比检验
5.3.4密集计算估针的z检验
5.4 liml估计结果检验的蒙特卡罗模拟
5.4.1分块刀切法的2检验统计量零假设的标准分布
5.4.2几种检验方法势的比较分析
第6章研究结论和有待进一步解决的问题
6.1 dpsem的liml估计的优势
6.1.1估计量的有限样本性质
6.1.2估计结果检验的建立
6.2 liml估计有待进一步解决的问题
6.2.1 liml估计的局限性
6.2.2模型误差序列相关下估计量的渐近方差
6.3相关课题进一步研究的方向
参考文献
后记
|
