非参数计量经济学理论与实践＝NONPARAMETIRIC ECONOMETRICS THEORY AND PRACTICEPDF|Epub|txt|kindle电子书版本网盘下载

非参数计量经济学理论与实践＝NONPARAMETIRIC ECONOMETRICS THEORY AND PRACTICEPDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1部分 非参数核方法3

第1章 密度估计3

1.1 单变量密度估计4

1.2 单变量窗宽选择：经验法则和插入法11

1.3 单变量窗宽选择：交错鉴定法12

1.4 单变量累积分布函数估计16

1.5 单变量累积分布函数窗宽选择：交错鉴定法19

1.6 多变量密度估计19

1.7 多变量窗宽选择：经验法则和插入法20

1.8 多变量窗宽选择：交错鉴定法21

1.9 密度估计量的渐近正态性22

1.10 一致收敛速度24

1.11 高阶核函数26

1.12 定理1.4的证明28

1.13 应用32

1.14 习题37

第2章 回归45

2.1 局部常数核估计47

2.2 局部常数窗宽选择52

2.3 一致收敛速度62

2.4 局部线性核估计63

2.5 局部多项式回归67

2.6 应用72

2.7 证明77

2.8 习题86

第3章 混合数据的频率估计91

3.1 离散数据的概率函数估计92

3.2 有离散回归元的回归93

3.3 混合数据的估计：频率方法93

3.4 关于频率方法一些要注意的说明95

3.5 证明96

3.6 习题97

第4章 混合数据的核估计99

4.1 离散数据联合分布的平滑估计100

4.2 离散数据的平滑回归103

4.3 有离散回归元的核回归：无关回归元的情形106

4.4 混合数据的回归：相关回归元的情形107

4.5 混合数据的回归：无关回归元的情形111

4.6 应用115

4.7 习题118

第5章 条件密度估计122

5.1 条件密度估计：相关变量的情形122

5.2 条件密度窗宽选择123

5.3 条件密度估计：无关变量的情形127

5.4 多元因变量的情形129

5.5 应用135

5.6 习题141

第6章 条件累积分布函数与分位数估计142

6.1 没有平滑因变量情况下估计具有连续协变量的条件累积分布函数142

6.2 平滑因变量情况下估计具有连续协变量的条件累积分布函数144

6.3 条件分位数函数的非参数估计148

6.4 检验函数方法150

6.5 离散和连续协变量混合的条件累积分布函数和分位数估计152

6.6 一个小的蒙特卡洛模拟研究154

6.7 风险函数的非参数估计155

6.8 应用157

6.9 证明163

6.10 习题168

第2部分 半参数方法173

第7章 半参数的部分线性模型173

7.1 部分线性模型173

7.2 罗宾逊的估计量174

7.3 Andrews的MINPIN方法180

7.4 半参数的效率边界182

7.5 证明186

7.6 习题192

第8章 半参数单指标模型194

8.1 识别条件196

8.2 估计197

8.3 β的直接半参数估计量201

8.4 窗宽选择205

8.5 Klein和Spady的估计量207

8.6 Lewbel的估计量208

8.7 Manski的最大得分估计量209

8.8 Horowitz的平滑最大得分估计量210

8.9 Han的最大秩估计量211

8.10 多项式离散选择模型211

8.11 Ai的半参数最大似然方法212

8.12 定理8.1的证明概要214

8.13 应用216

8.14 习题219

第9章 可加和平滑（变）系数半参数模型221

9.1 一个可加模型221

9.2 一个可加的部分线性模型233

9.3 一个半参数变（平滑）系数模型236

9.4 习题244

第10章 选择模型246

10.1 半参数类型2 Tobit模型246

10.2 半参数类型2 Tobit模型的估计247

10.3 半参数类型3 Tobit模型250

10.4 Das,Newey和Vella的非参数选择模型256

10.5 习题257

第11章 截断模型258

11.1 参数截断模型259

11.2 半参数截断回归模型261

11.3 具有非参数异方差的半参数截断回归模型262

11.4 单变量Kaplan-Meier累积分布函数估计量263

11.5 多变量Kaplan-Meier累积分布函数估计量266

11.6 非参数截断回归269

11.7 习题272

第3部分 一致模型的设定检验275

第12章 模型设定检验275

12.1 一个简单的关于参数回归模型函数形式的一致检验277

12.2 概率密度函数等价的检验283

12.3 关于回归函数更多的检验286

12.4 概率密度函数的相关检验296

12.5 应用302

12.6 证明303

12.7 习题308

第13章 非平滑检验311

13.1 对参数回归函数形式的检验312

13.2 概率密度函数的等价性检验314

13.3 非参数显著性检验315

13.4 条件累积分布函数的Andrews检验315

13.5 序列相关的Hong检验317

13.6 更多的非平滑检验320

13.7 证明320

13.8 习题322

第4部分 非参数近邻和序列方法325

第14章 k近邻估计方法325

14.1 密度估计：一元情形325

14.2 回归函数的估计328

14.3 局部线性k-nn估计329

14.4 局部常数k-nn估计的交错鉴定330

14.5 局部线性k-nn估计的交错鉴定333

14.6 k-nn方法估计半参数模型335

14.7 k-nn方法的模型设定检验336

14.8 对于x的不同的分量采用不同的k值339

14.9 证明339

14.10 习题348

第15章 非参数序列方法349

15.1 回归函数的估计349

15.2 序列项K的选择354

15.3 一个部分线性模型356

15.4 部分线性变系数模型的估计367

15.5 其他基于序列的检验378

15.6 证明378

15.7 习题397

第5部分 时间序列、联立方程和面板数据模型401

第16章 工具变量和半参数模型的有效估计401

16.1 在参数部分具有内生回归元的部分线性模型401

16.2 在参数部分具有内生回归元的一个变系数模型404

16.3 Ai和Chen的有条件矩限制的有效估计量406

16.4 公式（16.1 6）的证明410

16.5 习题413

第17章 非参数回归模型的内生性414

17.1 一个非参数模型414

17.2 一个三角联立方程模型415

17.3 Newey-Powell的基于序列估计量418

17.4 Hall和Horowitz的基于核的估计420

17.5 Darolles,Florens和Renault的估计量422

17.6 习题424

第18章 弱依赖数据425

18.1 关于依赖数据的密度估计426

18.2 依赖数据的回归模型430

18.3 依赖数据的半参数模型437

18.4 半参数模型中的序列相关性检验440

18.5 依赖数据的模型设定检验441

18.6 回归函数形式的非平滑性检验443

18.7 检验参数预测模型443

18.8 应用447

18.9 非平稳数据的非参数估计449

18.10 证明450

18.11 习题454

第19章 面板数据模型455

19.1 面板数据模型的非参数估计：忽略方差结构456

19.2 Wang的有效非参数面板数据估计量458

19.3 具有随机效应的部分线性模型462

19.4 具有固定效应的非参数面板数据模型464

19.5 一个固定效应部分线性模型469

19.6 半参数工具变量估计量471

19.7 在半参数模型中检验序列相关以及个体效应475

19.8 面板数据模型的序列估计477

19.9 非线性面板数据模型481

19.10 证明491

19.11 习题495

第20章 非参数估计应用专题497

20.1 连续时间模型的非参数方法497

20.2 平均处置效应的非参数估计508

20.3 拍卖模型的非参数估计512

20.4 多元分布的基于copula的半参数估计517

20.5 一个半参数转换模型525

20.6 习题527

附录A 背景统计概念528

主题索引558

译后记565