因果推斷計量經濟學

徐小君，男，華僑大學經濟與金融學院副教授，經濟學博士，主要從事經濟與金融學的教學和科研工作。長期教授本科生和研究生《計量經濟學》和《因果推斷》等課程。主持並完成國家社科基金一般項目，在《統計研究》、《財貿經濟》和《國際金融研究》等核心學術期刊發表多篇專業研究論文。

目    錄

 

第1章  經濟計量簡介與基礎知識  1

1.1  計量經濟學簡介  1

1.1.1  什麼是計量經濟學  1

1.1.2  因果推斷簡介  3

1.1.3  數據的類型和結構  5

1.2  概率論復習  6

1.2.1  隨機變量及分布  6

1.2.2  隨機變量數字特征  11

1.2.3  隨機向量  12

1.2.4　極限定理  15

1.3  統計學復習  17

1.3.1  樣本和統計量  17

1.3.2  參數估計  18

1.3.3  假設檢驗  22

本章小結  23

第2章  一元線性回歸模型  25

2.1  回歸分析概述  25

2.1.1  回歸分析基本概念  25

2.1.2  總體回歸函數  26

2.1.3  隨機幹擾項  28

2.1.4  樣本回歸函數  29

2.2  一元線性回歸模型的基本假設  31

2.2.1  對模型設定的假設  31

2.2.2  對解釋變量的假設  32

2.2.3  對隨機幹擾項的假設  32

2.3  一元線性回歸模型的參數估計  35

2.3.1  參數估計的普通最小二乘法(OLS)  35

2.3.2  參數估計的最大似然法  37

2.3.3  參數估計的矩估計法  38

2.3.4  最小二乘估計量的統計性質  39

2.3.5  參數估計量的概率分布及隨機幹擾項方差的估計  42

2.4  一元線性回歸模型的統計檢驗  44

2.4.1  擬合優度檢驗  44

2.4.2  變量的顯著性檢驗  47

2.4.3  參數檢驗的置信區間估計  48

2.5  一元線性回歸模型的案例分析  49

2.5.1  回歸模型檢驗  50

2.5.2  計量結果及分析  52

2.6  分位數回歸估計  53

2.6.1  分位數回歸的提出  53

2.6.2  分位數回歸及其估計  55

本章小結  56

第3章  多元線性回歸分析  57

3.1  多元線性回歸模型設定  57

3.2  多元線性回歸模型參數估計  59

3.3.1  回歸系數估計  59

3.2.2  誤差估計——殘差  60

3.2.3  的分布  62

3.3  更多假設下OLS估計量性質  62

3.4  回歸模型的相關檢驗  64

3.4.1  回歸系數檢驗(t檢驗)  64

3.4.2  調整R2、信息準則和變量選擇  64

3.4.3  回歸模型檢驗(F檢驗)  66

3.5  多重共線性  67

3.5.1  多重共線性的含義  67

3.5.2  實際經濟問題中的多重共線性  67

3.5.3  多重共線性的後果  68

3.5.4  多重共線性的檢驗  70

3.5.5  克服多重共線性的方法  70

3.6  異方差性  72

3.6.1  異方差的類型  72

3.6.2  異方差性的後果  73

3.6.3  異方差性的檢驗  73

3.6.4  異方差的修正  75

3.7  序列相關性問題  78

3.7.1  序列相關性  78

3.7.2  實際經濟問題中的序列相關性  79

3.7.3  序列相關性的後果  80

3.7.4  序列相關性的檢驗  81

3.7.5  序列相關的補救  84

3.7.6  虛假序列相關問題  87

本章小結  87

第4章  線性回歸模型的拓展與應用  89

4.1  多元線性回歸分析與因素控制  89

4.1.1  多元線性回歸與因素控制  89

4.1.2  缺失變量偏差  90

4.1.3  分割回歸、F-W定理和影響消除  91

4.2  模型中變量的形式  92

4.2.1  對數模型和彈性  92

4.2.2  非線性自變量  93

4.3  虛擬變量  95

4.3.1  虛擬變量引入模型的方式  95

4.3.2  引入多個虛擬變量  96

4.4  參數約束檢驗  98

4.4.1  參數約束檢驗方法  98

4.4.2  參數約束檢驗應用  99

4.5  二值因變量回歸模型  100

4.5.1  效用理論和指標模型  100

4.5.2  probit模型和logit模型  102

4.6  選擇性樣本計量模型  104

4.6.1  經濟生活中的選擇性樣本問題  104

4.6.2  “截斷”問題的計量經濟學模型  105

4.6.3 “歸並”問題的計量經濟學模型  108

4.6.4  樣本選擇模型  109

本章小結  111

第5章  因果關系與因果圖  112

5.1  因果關系簡介  112

5.1.1  相關關系與因果關系  112

5.1.2  因果推斷的基本方法  114

5.2  因果圖的基本概念  116

5.3  因果圖和邊際獨立性  117

5.4  選擇偏差和因果效應識別  120

5.5  選擇偏差的處理  123

5.6  辛普森悖論  124

5.7  樣本選擇相關問題  126

5.7.1  樣本選擇性偏差  126

5.7.2  選擇性偏差產生的原因  128

5.7.3  如何避免選擇性偏差  129

本章小結  130

第6章  工具變量估計方法  131

6.1  內生性  131

6.1.1  OLS估計的不一致性  131

6.1.2  內生性產生的原因  133

6.2  工具變量估計方法  133

6.2.1  工具變量估計法  133

6.2.2  兩階段最小二乘法：TSLS  137

6.3  內生性檢驗  140

6.4  異質性效應下的工具變量法  141

6.5  案例：工具變量的歷史起點  142

本章小結  143

第7章  樣本選擇模型  144

7.1  樣本自選擇偏差產生的原因  144

7.2  傳統Heckman樣本選擇模型  150

7.2.1  模型設計  150

7.2.2  Heckman模型如何解決樣本選擇偏差  151

7.3  Heckman樣本選擇模型的應用案例  152

7.4  內生選擇變量處理效應模型  154

7.4.1  模型設置  154

7.4.2  估計方法  156

7.5  樣本自選擇模型運用中常見問題  156

7.5.1  解釋變量的選擇  156

7.5.2  二元正態分布假設  156

7.5.3  選擇模型必須為Probit模型  157

7.5.4  檢查相關系數ρ  157

本章小結  157

第8章  潛在結果分析框架  159

8.1  潛在結果框架的基本內容  159

8.1.1  項目效應評估的概念  159

8.1.2  潛在結果框架的基本要素  160

8.1.3  因果效應參數  162

8.1.4  收益偏差與選擇偏差  165

8.2  潛在結果框架與回歸框架  166

8.2.1  基於回歸表述的潛在結果框架  166

8.2.2  潛在結果框架與回歸(可觀測結果)框架比較  168

8.3  隨機化實驗  168

8.3.1  隨機化實驗與因果效應  168

8.3.2  隨機化實驗的缺陷  170

8.4  匹配方法  170

8.4.1  基於協變量的匹配  170

8.4.2  基於傾向得分的匹配  173

8.4.3  匹配方法與多元OLS回歸  176

8.5  異質性因果效應下的工具變量  178

8.5.1  異質性因果效應下的內生性  178

8.5.2  局部平均處理效應  179

8.5.3  LATE和ATT及ATU的關系  183

本章小結  185

第9章  斷點回歸設計概述  186

9.1  斷點回歸設計的基本設定  186

9.2  斷點回歸設計的參數化估計  187

9.3  斷點回歸設計的非參數化估計  192

9.3.1  連續性假設與因果效應參數的識別  192

9.3.2  連續性假設的經濟學含義  194

9.4  進一步討論  196

9.4.1  斷點回歸設計與其他方法的比較  196

9.4.2  模糊斷點回歸設計簡介  199

9.5  斷點回歸設計中國經濟案例分析——檢驗中國消費之謎  200

本章小結  203

第10章  面板數據回歸分析  204

10.1  面板數據和面板數據模型  204

10.1.1  面板數據  204

10.1.2  面板數據模型  204

10.2  固定效應模型估計及其應用  206

10.3  隨機效應模型估計及其應用  206

10.4  是固定效應，還是隨機效應——Hausman檢驗  207

10.5  雙重差分法  208

10.6  雙重差分的回歸表達  214

10.6.1  不包含控制變量情形  214

10.6.2  包含控制變量情形  215

10.6.3  用連續變量表示政策實施強度  216

10.7  雙重差分法的局限性  218

10.7.1  暫時性個體沖擊造成的選擇問題  218

10.7.2  不同的宏觀趨勢  218

10.7.3  樣本構成發生變化  219

10.8  共同趨勢檢驗  219

10.9  三重差分法概述  222

本章小結  223

第11章  時間序列基礎知識  225

11.1  時間序列的概念  225

11.2  時間序列模型  227

11.2.1  白噪聲序列  227

11.2.2  自回歸模型  227

11.2.3  移動平均模型  228

11.2.4  自回歸模型轉化為移動平均模型  228

11.3  自回歸模型的平穩性和相關系數  229

11.3.1  自回歸模型的平穩性  229

11.3.2  自回歸模型的自相關函數  230

11.4  自回歸模型的定階和估計  232

11.4.1  自回歸模型定階  232

11.4.2  自回歸模型估計  232

11.4.3  自回歸模型再定階——信息準則  233

11.5  自回歸分布滯後模型和格蘭傑因果關系檢驗  233

11.5.1  自回歸分布滯後模型  233

11.5.2  格蘭傑因果關系檢驗  235

11.6  ARCH模型  236

11.6.1  ARCH模型的定義  236

11.6.2　ARCH模型的估計  238

11.7  非平穩時間序列與單位根理論  239

11.7.1  隨機遊動和單位根概述  239

11.7.2　時間序列的時間趨勢  240

11.7.3  單位根檢驗  241

11.7.4  單整序列和ARIMA模型  243

11.8  協整與誤差修正模型  244

11.8.1  協整的定義  244

11.8.2  協整檢驗——E-G兩步法  244

11.8.3  誤差修正模型  245

本章小結  245

第12章  時間序列模型應用  247

12.1  滯後效應與滯後變量模型  247

12.1.1  滯後效應  247

12.1.2  滯後變量模型  248

12.2  自回歸分布滯後模型  250

12.2.1  期望模型  251

12.2.2  部分調整模型  253

12.2.3  阿爾蒙分布滯後模型  254

12.3  結構向量自回歸SVAR模型簡介  256

12.3.1  向量自回歸VAR模型簡介  256

12.3.2  SVAR模型短期約束識別方法  257

12.3.3  長期約束識別方法  259

12.3.4  符號約束識別方法  260

12.3.5  脈沖響應的局部投影法  261

本章小結  262

參考文獻  263