截面、面板數(shù)據(jù)分析與STATA應(yīng)用
定 價(jià)：36 元
- 作者：蘭草編著
- 出版時(shí)間：2012/6/1
- ISBN：9787307097278
- 出 版 社：武漢大學(xué)出版社
- 中圖法分類(lèi)：F224.0
- 頁(yè)碼：324頁(yè)
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：16開(kāi)
《經(jīng)濟(jì)學(xué)與管理學(xué)實(shí)驗(yàn)教學(xué)系列教材：截面、面板數(shù)據(jù)分析與STATA應(yīng)用》主要面向已具有一定計(jì)量經(jīng)濟(jì)學(xué)理論基礎(chǔ)的大中院校學(xué)生，有助于提升他們的實(shí)際操作與應(yīng)用能力。本書(shū)共分為十二章，前三章分別介紹Stata軟件的基礎(chǔ)知識(shí)、數(shù)據(jù)管理與基本統(tǒng)計(jì)分析應(yīng)用、作圖等基本功能；第四章則對(duì)經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)線性單方程模型基礎(chǔ)理論、最小二乘估計(jì)方法等進(jìn)行了介紹并通過(guò)具體案例演示在Stata11.0內(nèi)進(jìn)行參數(shù)估計(jì)、統(tǒng)計(jì)檢驗(yàn)以及預(yù)測(cè)；第五章介紹了蒙特卡羅隨機(jī)模擬方法；第六章到第九章則一一介紹了模型違背基本假設(shè)的情況，由于本書(shū)主要針對(duì)截面數(shù)據(jù)和面板數(shù)據(jù)，因此著重于異方差性、內(nèi)生解釋變量以及多重共線性的檢驗(yàn)和修正；第十章和第十一章分析了面板數(shù)據(jù)模型和動(dòng)態(tài)面板數(shù)據(jù)模型；本書(shū)最后一章則簡(jiǎn)要介紹了二元離散選擇模型及其估計(jì)方法等。
第一章 Stata簡(jiǎn)介
1.1 Stata界面
1.2 Stata命令語(yǔ)句
1.3 do文件
1.4 日志（log）文件
1.5 共用宏和局部宏（Global and Local Macros）
1.6 Stata資源
1.7 小結(jié)
第二章 數(shù)據(jù)管理與概要統(tǒng)計(jì)分析
2.1 數(shù)據(jù)形式
2.2 數(shù)據(jù)錄入
2.3 數(shù)據(jù)管理
2.4 數(shù)據(jù)集操作
2.5 概要統(tǒng)計(jì)分析
2.6 小結(jié)
第三章 作圖與概要統(tǒng)計(jì)分析
3.1 二維標(biāo)繪圖（twoway graph）
3.2 條形圖和點(diǎn)圖
3.3 餅圖
3.4 直方圖
3.5 箱線圖與散點(diǎn)矩陣圖
3.6 圖形管理與合并圖形
3.7 小結(jié)
第四章 經(jīng)典單方程線性模型
4.1 經(jīng)典線性回歸模型
4.2 線性回歸模型的參數(shù)估計(jì)
4.3 線性回歸模型統(tǒng)計(jì)檢驗(yàn)
4.4 基本回歸分析實(shí)例：Stata下的參數(shù)估計(jì)
4.5 預(yù)測(cè)
4.6 使用Stata菜單進(jìn)行線性回歸
4.7 小結(jié)
第五章 隨機(jī)模擬
5.1 大樣本（漸近）理論[Large-ample Theory（Asymptoties）]
5.2 偽隨機(jī)數(shù)（Pseudorandom—number）的生成
5.3 隨機(jī)模擬
5.4 小結(jié)
第六章 隨機(jī)誤差項(xiàng)假設(shè)診斷和廣義最小二乘法
6.1 異方差性
6.2 序列相關(guān)性
6.3 廣義最小二乘估計(jì)量（Generalized Least Square Estimator）
6.4 回歸診斷和GLS在Stata中的實(shí)現(xiàn)：案例分析
6.5 調(diào)查數(shù)據(jù)：加權(quán)、聚類(lèi)和分層
6.6 使用Stata菜單進(jìn)行檢驗(yàn)
6.7 小結(jié)
第七章 內(nèi)生解釋變量
7.1 內(nèi)生解釋變量的來(lái)源及后果
7.2 工具變量法
7.3 兩階段最小二乘法（TWO Stage Least Square Method）
7.4 內(nèi)生性的豪斯曼檢驗(yàn)
7.5 Stata下的工具變量估計(jì)量
7.6 小結(jié)
第八章 廣義矩方法
8.1 弱工具變量（Weak I truments）
8.2 弱工具變量的檢驗(yàn)：實(shí)例分析
8.3 廣義矩方法（（~eneralized Method of Moments，GMM）
8.4 Stata下的GMM估計(jì)量
8.5 小結(jié)
第九章 多重共線性
9.1 多重共線性的分類(lèi)與后果
9.2 多重共線性的檢驗(yàn)
9.3 多重共線性的修正
9.4 Stata下的多重共線性
9.5 小結(jié)
第十章 線性面板數(shù)據(jù)模型
10.1 面板數(shù)據(jù)模型形式
10.2 面板數(shù)據(jù)模型參數(shù)估計(jì)方法
10.3 固定效應(yīng)與隨機(jī)效應(yīng)
10.4 線性面板數(shù)據(jù)模型分析在Stata中的實(shí)現(xiàn)
10.5 小結(jié)
第十一章 動(dòng)態(tài)面板數(shù)據(jù)模型
11.1 動(dòng)態(tài)面板數(shù)據(jù)模型
11.2 動(dòng)態(tài)面板數(shù)據(jù)模型估計(jì)法
11.3 帶有序列相關(guān)性的動(dòng)態(tài)面板數(shù)據(jù)模型
11.4 Stata下的動(dòng)態(tài)面板數(shù)據(jù)分析
11.5 案例：香煙的動(dòng)態(tài)需求
11.6 小結(jié)
第十二章 二元離散選擇模型
12.1 二元選擇模型
12.2 二元選擇模型回歸方法
12.3 Stata下的Probit與Logit模型估計(jì)
12.4 擬合優(yōu)度和預(yù)測(cè)
12.5 Stata下的二元選擇模型檢驗(yàn)
12.6 邊際效應(yīng)（Marginal Effects）
12.7 小結(jié)
參考文獻(xiàn)
第四章 經(jīng)典單方程線性模型 單方程計(jì)量經(jīng)濟(jì)學(xué)模型以單一經(jīng)濟(jì)現(xiàn)象為研究對(duì)象，模型中只有一個(gè)方程，是目前應(yīng)用最為普遍的計(jì)量經(jīng)濟(jì)學(xué)模型。經(jīng)典單方程線性模型的理論和方法，更是計(jì)量經(jīng)濟(jì)分析的基礎(chǔ)，在實(shí)證經(jīng)濟(jì)學(xué)中仍舊被廣泛應(yīng)用。盡管現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)實(shí)證分析中包含更為復(fù)雜的計(jì)量經(jīng)濟(jì)學(xué)模型和估計(jì)方法，然而這些模型和估計(jì)方法均是從經(jīng)典線性模型以及與之對(duì)應(yīng)的普通最小二乘法（OLS）發(fā)展深化而來(lái)的。因此，掌握經(jīng)典單方程模型的基本理論、方法以及實(shí)際操作，對(duì)于深入學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)意義重大。在這一章中，我們將對(duì)單方程線性計(jì)量經(jīng)濟(jì)模型、估計(jì)方法以及檢驗(yàn)等理論進(jìn)行概述。由于本書(shū)的主要目的是指導(dǎo)讀者在Stata下完成實(shí)際分析操作，因此不對(duì)理論做深入闡釋和推導(dǎo)，對(duì)理論分析、結(jié)果推導(dǎo)和證明等有興趣的讀者可以參閱相關(guān)計(jì)量經(jīng)濟(jì)學(xué)書(shū)籍。4.1經(jīng)典線性回歸模型 4.1.1線性回歸模型 在計(jì)量經(jīng)濟(jì)學(xué)中，單方程計(jì)量經(jīng)濟(jì)學(xué)模型分為線性模型和非線性模型兩大類(lèi)：在線性模型中，變量間呈線性關(guān)系，這主要是指回歸系數(shù)是線性的，即回歸系數(shù)只以它的一次方的形式出現(xiàn)；在非線性模型中，變量之間的關(guān)系呈現(xiàn)出非線性關(guān)系，但是，某些非線性模型可以通過(guò)函數(shù)變換等轉(zhuǎn)變?yōu)榫�性模型，但是當(dāng)參數(shù)是非線性時(shí)，便不再存在這一可能性。在本書(shū)中，我們將對(duì)線性模型進(jìn)行分析。4.1.2基本回歸理論 計(jì)量經(jīng)濟(jì)學(xué)模型設(shè)定的目的主要是用于回歸分析，所謂回歸分析，就是研究一個(gè)變量關(guān)于另一個(gè)變量的依賴關(guān)系的計(jì)算方法和理論，其目的在于通過(guò)后者的已知或設(shè)定值，去估計(jì)、預(yù)測(cè)前者的總體均值。前一個(gè)變量便是因變量，后一個(gè)為自變量。因此，計(jì)量經(jīng)濟(jì)分析便是通過(guò)收集相關(guān)的變量數(shù)據(jù)，得到待估參數(shù)的估計(jì)量，從而研究變量之間的相關(guān)關(guān)系及其程度。在式（4.2）中，β代表著待估參數(shù)，我們以β表示β的樣本估計(jì)量。由于在現(xiàn)實(shí)中，總體信息往往難以全部獲得，因此，通過(guò)抽樣得到總體樣本并以樣本信息估計(jì)總體回歸函數(shù)。
書(shū)單推薦
