第一部分 预备知识

第1章 概论

1.1 引言

1.2 微观计量经济学的特点

1.3 本书概要

1.4 怎样使用本书

1.5 软件

1.6 符号与约定

第2章 因果模型和非因果模型

2.1 引言

2.2 结构模型

2.3 外生性

2.4 线性联立方程模型

2.5 识别概念

2.6 单方程模型

2.7 潜在产出模型

2.8 因果模型和估计方法

2.9 参考文献

第3章 微观经济数据结构

3.1 引言

3.2 观察数据

3.3 社会实验数据

3.4 自然实验数据

3.5 应用研究

3.6 参考文献

第二部分 核心方法

第4章 线性模型

4.1 引言

4.2 回归和损失函数

4.3 实例：教育收益

4.4 普通最小二乘法

4.5 加权最小二乘法

4.6 中值和分位数回归

4.7 不确定模型

4.8 工具变量

4.9 工具变量的应用

4.10 应用研究

4.11 参考文献

第5章 最大似然估计和非线性最小二乘估计

5.1 引言

5.2 非线性估计量概述

5.3 极值估计量

5.4 估计方程

5.5 统计推断

5.6 最大似然法

5.7 准最大似然法

5.8 非线性最小二乘法

5.9 实例：ML和NLS估计

5.10 应用研究

5.11 参考文献

第6章 广义矩法和系统估计

6.1 引言

6.2 实例

6.3 广义矩法

6.4 线性工具变量

6.5 非线性工具变量

6.6 连续两阶段M估计

6.7 最小距离估计

6.8 经验似然法

6.9 线性系统方程

6.10 方程的非线性集

6.11 应用研究

6.12 参考文献

第7章 假设检验

7.1 引言

7.2 沃德检验

7.3 最大似然检验

7.4 实例：最大似然假设检验

7.5 非最大似然集检验

7.6 检验的功效和水平

7.7 蒙特卡罗实验

7.8 自举实例

7.9 应用研究

7.10 参考文献

第8章 设定检验和模型选择

8.1 引言

8.2 M-检验

8.3 Hausman检验

8.4 一些非规范性检验

8.5 非嵌套模型间的识别

8.6 检验的重要性

8.7 模型诊断

8.8 应用研究

8.9 参考文献

第9章 半参数方法

9.1 引言

9.2 非参数实例：小时工资

9.3 核心密度估计

9.4 非参数局部回归

9.5 核回归

9.6 非参数回归估计量的选择

9.7 半参数回归

9.8 核估计量的均值和方差的推导

9.9 应用研究

9.10 参考文献

第10章 数值优化

10.1 引言

10.2 一般性考虑

10.3 特定方法

10.4 应用研究

10.5 参考文献

第三部分 基于模拟的方法

第11章 自举方法

11.1 引言

11.2 自举概述

11.3 自举实例

11.4 自举理论

11.5 自举扩展

11.6 自举应用

11.7 应用研究

11.8 参考文献

第12章 基于模拟的方法

12.1 引言

12.2 实例

12.3 单整计算基础

12.4 最大似然模拟估计

12.5 矩模拟估计

12.6 非直接推断

12.7 模拟量

12.8 随机变量抽样方法

12.9 参考文献

第13章 贝叶斯方法

13.1 引言

13.2 贝叶斯方法

13.3 线性回归的贝叶斯分析

13.4 蒙特卡罗积分

13.5 马尔科夫链蒙特卡罗模拟

13.6 MCMC实例：SUR的吉布斯样本

13.7 数据扩展

13.8 贝叶斯模型选择

13.9 应用研究

13.10 参考文献

第三部分 横截面数据模型

第14章 二元结果模型

14.1 引言

14.2 二元结果实例：捕鱼模式的选择

14.3 Logit和Probit模型

14.4 潜变量模型

14.5 样本的选择

14.6 分组数据和总体数据

14.7 半参数估计推导

14.8 源于类型Ⅰ极值的Logit推导

14.9 应用研究

14.10 参考文献

第15章 多项模型

15.1 引言

15.2 实例：捕鱼模式的选择

15.3 一般性结论

15.4 多项Logit

15.5 附加随机效用模型

15.6 嵌套型Logit

15.7 随机参数Logit

15.8 多项Probit

15.9 有序、连续及有秩的结果

15.10 多变量离散结果

15.11 半参数的估计

15.12 MNL、CL和NL模型的推导

15.13 应用研究

15.14 参考文献

第16章 Tobit模型和选择模型

16.1 引言

16.2 审查和删减模型

16.3 Tobit模型

16.4 两部分模型

16.5 样本选择模型

16.6 选择实例：健康支出

16.7 罗伊模型

16.8 结构模型

16.9 半参数估计

16.10 Tobit模型的推导

16.11 应用研究

16.12 参考文献

第17章 转移数据：生存分析

17.1 引言

17.2 实例：罢工的持续

17.3 基本概念

17.4 审查

17.5 非参数模型

17.6 参数回归模型

17.7 一些重要的持续模型

17.8 考克斯PH模型

17.9 时间变化回归因子

17.10 离散时间比例风险

17.11 实例：失业的持续

17.12 应用研究

17.13 参考文献

第18章 混合模型和未观察到的异方差

18.1 引言

18.2 未观察到的异方差和离差

18.3 混合模型的识别

18.4 异方差分布的设定

18.5 离散异方差和潜类别分析

18.6 存量和流量举例

18.7 设定检验

18.8 未观察到的异方差实例：失业持续期

18.9 应用研究

18.10 参考文献

第19章 多重风险模型

19.1 引言

19.2 竞争风险

19.3 联合连续分布

19.4 多元研究

19.5 竞争风险实例：失业持续期

19.6 应用研究

19.7 参考文献

第20章 计数数据模型

20.1 引言

20.2 基本计数数据回归

20.3 计数实例：联系内科医生

20.4 参数计数回归模型

20.5 局部参数模型

20.6 多元计数和内生回归

20.7 计数实例：进一步分析

20.8 应用研究

20.9 参考文献

第五部分 面板数据模型

第21章 线性面板模型基础

21.1 引言

21.2 模型和估计量概述

21.3 线性面板实例：工时和工资

21.4 比较固定效应模型与随机效应模型

21.5 混合模型

21.6 固定效应模型

21.7 随机效应模型

21.8 建模问题

21.9 应用研究

21.10 参考文献

第22章 线性面板模型：扩展

22.1 引言

22.2 线性面板模型的GMM估计

22.3 面板GMM实例：工时和工资

22.4 随机和固定效应面板GMM

22.5 动态模型

22.6 差别差分估计量

22.7 重复横截面和伪面板

22.8 混合线性模型

22.9 应用研究

22.10 参考文献

第23章 非线性面板模型

23.1 引言

23.2 一般结果

23.3 非线性面板举例：专利和研发

23.4 二元产出数据

23.5 Tobit和选择模型

23.6 过渡数据

23.7 计数数据

23.8 半参数估计

23.9 应用研究

23.10 参考文献

第六部分 深层次问题

第24章 层和聚类样本

24.1 引言

24.2 样本检查

24.3 评价

24.4 内生层

24.5 聚类

24.6 等级线性模型

24.7 聚类实例：越南保健支出

24.8 综合考察

24.9 应用研究

24.10 参考文献

第25章 处理评价

25.1 引言

25.2 设定和假设

25.3 处理效果和选择误差

25.4 匹配和倾向分估计量

25.5 差别差分估计量

25.6 回归不连续设计

25.7 工具变量方法

25.8 实例：培训对收入的影响

25.9 参考文献

第26章 度量误差模型

26.1 引言

26.2 线性回归的度量

26.3 识别策略

26.4 非线性回归模型的度量误差

26.5 衰减偏差模拟举例

26.6 参考文献

第27章 丢失数据和归因

27.1 引言

27.2 丢失数据假设

27.3 不用模型处理丢失数据

27.4 观察数据最大似然法

27.5 基于回归的归因

27.6 数据增加和MCMC

27.7 多元归因

27.8 丢失数据MCMC归因举例

27.9 应用研究

27.10 参考文献

附录A 渐近理论

A.1 引言

A.2 概率的收敛

A.3 大数定理

A.4 分布收敛

A.5 中心极限定理

A.6 多元正态极限分布

A.7 随机级的量值

A.8 其他结果

A.9 参考文献

附录B 描绘伪随机平局

参考文献 描绘伪随机平局