高級計量經濟分析及 Stata 應用

前言
教學建議
第1章 多元時間序列
1.1 多元GARCH模型
1.2 誤差修正模型
1.3 向量自回歸模型
1.4 結構向量自回歸模型
1.5 向量誤差修正模型
1.6 向量誤差修正模型的協整秩
1.7 動態因子模型
1.8 狀態空間模型
1.9 VAR模型的診斷和檢驗
1.10 VEC模型的診斷和檢驗
1.11 VAR/VEC模型預測
1.12 脈沖響應和方差分解分析
第2章 面板數據分析
2.1 面板數據模型設定的Stata基本實用工具
2.2 線性面板回歸
2.3 隨機效應的拉格朗日乘子檢驗
2.4 帶AR（1）幹擾項的面板線性回歸
2.5 隨機系數廣義最小二乘回歸
2.6 動態面板數據
2.7 面板數據的刪失結果
2.8 面板數據的同期相關
第3章 面板數據分析拓展
3.1 面板二元結果
3.2 面板序數結果
3.3 面板分類結果
3.4 面板計數結果
3.5 廣義線性面板模型
3.6 面板樣本選擇線性模型
3.7 面板數據協整檢驗
3.8 面板單位根檢驗
3.9 面板折線圖
3.10 面板隨機前沿模型
3.11 面板數據模型的分位數回歸估計
3.12 面板門限回歸模型
3.13 動態面板門限回歸模型
3.14 面板平滑轉換模型
第4章 多層混合效應模型與有限混合模型
4.1 多層混合效應線性回歸
4.2 多層混合效應非線性回歸
4.3 多層混合效應logistic回歸
4.4 有限混合模型
第5章 生存分析
5.1 風險函數
5.2 生存數據的歸並與描述分析
5.3 Cox比例風險模型
5.4 檢驗Cox比例風險模型的假設
5.5 間隔審查的Cox比例風險模型
5.6 競爭風險回歸
5.7 參數生存模型
5.8 面板數據隨機效應參數生存回歸模型
5.9 多層混合效應參數生存回歸模型
第6章 內生協變量
6.1含內生協變量的線性回歸
6.2 含內生協變量的擴展線性回歸分析
6.3 三階段最小二乘法
6.4 廣義矩估計法
6.5 含連續內生協變量的probit模型
6.6 含內生協變量的擴展probit回歸
6.7 含內生協變量的擴展有序probit回歸
6.8 含內生協變量的Tobit回歸
6.9 含內生協變量的區間回歸
6.10 含內生協變量的泊松模型估計
6.11 含內生協變量的面板數據分析
6.12 含內生協變量的隨機效應回歸
第7章 因果推斷
7.1 處理效應分析基礎
7.2 回歸調整估計法
7.3 逆概率加權估計法
7.4 增廣逆概率加權估計法
7.5 逆概率加權回歸調整估計法
7.6 最近鄰匹配估計
7.7 傾向性得分匹配
7.8 雙重差分模型與三重差分模型
7.9 合成控製法
7.10 斷點回歸模型
第8章 因果推斷拓展
8.1 處理效應的控制函數估計法
8.2 處理效應的最大似然估計
8.3 處理效應的含內生變量和樣本
選擇的擴展線性回歸分析
8.4 處理效應的擴展probit回歸分析
8.5 處理效應的擴展有序probit回歸分析
8.6 處理效應的含內生變量和樣本選擇的區間回歸模型分析
8.7 處理效應的隨機效應回歸分析
8.8 處理效應的隨機效應probit回歸分析
8.9 處理效應的面板隨機效應有序probit回歸分析
8.10 處理效應的隨機效應區間回歸分析
第9章 結構方程模型
9.1 結構方程模型概述
9.2 結構方程模型的構建方法
9.3 結構方程模型的識別和估計
9.4 結構方程模型的評價和修正
9.5 結構方程模型與廣義結構方程模型
9.6 結構方程模型估計的Stata命令及實現
9.7 廣義結構方程模型估計的Stata命令及實現
第10章 聯立方程模型
10.1 聯立方程模型概述
10.2 聯立方程模型的識別
10.3 多元回歸
10.4 似不相關回歸
10.5 三階段最小二乘法
10.6 系統廣義矩估計
10.7 完全信息最大似然估計法
10.8 非線性似不相關回歸
第11章 基本空間計量經濟分析
11.1 空間計量經濟學緒論
11.2 空間權重矩陣
11.3 空間數據可視化
11.4 空間自相關分析
11.5 空間相關模式識別與空間計量模型設定
11.6 具有空間自相關誤差項的截面空間自相關模型
11.7 空間自回歸模型
11.8 空間誤差模型
11.9 空間杜賓模型
11.10 空間面板模型
第12章 貝葉斯估計
12.1 貝葉斯估計原理
12.2 貝葉斯估計命令
12.3 貝葉斯線性回歸
12.4 MH算法的貝葉斯模型
第13章 lasso回歸
13.1 lasso回歸預測及模型選擇
13.2 平方根lasso回歸
13.3 彈性網絡回歸
第14章 Stata編程基礎
14.1 基本工具
14.2 程序文件的基本格式
14.3 程序控制與循環命令
14.4 矩陣命令
14.5 矩陣編程
參考文獻