预购商品
书目分类
特别推荐
高維因數模型是當前計量經濟學中的一個重要模型。以美國美聯儲前主席Ben S. Bernanke、哈佛大學教授James H. Stock以及普林斯頓大學教授Mark M. Watson為代表的歐美學者，在廣泛的實證研究中發現，經過高維因數模型增廣的計量經濟學模型在宏觀經濟預測(Stock and Watson, 2002, JBES)、政策效果評價(Bernanke, Bovin and Eliasz, 2005, QJE)以及經驗事實挖掘(Kose, Othok and Whiteman, 2003, AER)上有著非常重要的應用。 然而現有的高維因數模型的分析，主要集中于主成分分析，更為一般的極大似然分析鮮有文獻涉及。本書將建立極大似然分析框架作為研究的主要內容，系統地研究了高維因數模型極大似然估計量的一致性、收斂速度和漸近分佈，填補了高維因數分析理論重要的理論空白。此外，作者還將研究思路拓展到存在交互效應的面板資料模型中，用新的框架研究了極大似然方法估計交互效應模型。相關理論成果對於拓展實證研究範圍，提高實證研究的可信度有著重要的意義。
第一章 緒論 第一節 引言 第二節 高維數據的困境 第三節 高維因數模型：理論進展與局限 第四節 結構以及相關數學符號說明 第二章 高維因數模型的極大似然分析 第一節 引言 第二節 模型的假定 第三節 模型的估計 第四節 對稱性以及運算式的選擇 第五節 識別條件 第六節 極大似然估計量的漸近性質 第七節 因數估計量的漸近性質 第八節 EM演算法 第九節 有限樣本性質 第十節 結論 第十一節 附錄：理論結果的詳細證明 第三章 交互效應面板資料模型：基準 第一節 引言 第二節 研究的背景及其文獻評述 第三節 模型的假定 第四節 模型的估計 第五節 估計量的漸近性質 第六節 ECM演算法 第七節 有限樣本性質 第八節 結論 第九節 附錄：理論結果的詳細證明 第四章 廣義交互效應面板資料模型 第一節 引言 第二節 識別條件 第三節 估計方法 第四節 估計量的漸近性質 第五節 ECM演算法 第六節 有限樣本性質 第七節 結論 第八節 附錄：理論結果的詳細證明 第五章 結論 第一節 結論性評述 第二節 進一步研究的方向 附錄 第三章基準模型的MCMC演算法 參考文獻 後記
李鯤鵬，現為首都經濟貿易大學國際經管學院副教授。畢業於清華大學經濟管理學院，獲得經濟學博士學位。到目前為止，在國內外高水準期刊上發表論文近20篇，包括Annals of Statistics、Review of Economics and Statistics、Journal of Business and Economic Statistics、Economics Letters、Econometric Reviews等，主持國家自然科學基金兩項、教育部人文社科基金一項，是Journal of Econometrics、Journal of Business and Economic Statistics等知名期刊的匿名審稿人。 研究領域主要包括高維因數模型、面板資料模型、交互效應模型、空間計量模型等。目前教授首都經貿大學博士生和碩士生的計量經濟學課程。
客服公告
热门活动
订阅电子报
