前言
教學(xué)建議
第1序號(hào) 項(xiàng)目 考核內(nèi)容 單項(xiàng)分值 備注
1 學(xué)習(xí)態(tài)度 　出勤、課堂問(wèn)答、課堂匯報(bào)交流等 10
2 課后作業(yè) 　3次課后作業(yè)布置、1次文獻(xiàn)研讀交流等 20 　分批次布置、交流
3 實(shí)驗(yàn)報(bào)告 　選題與問(wèn)題提出，模型方法使用準(zhǔn)確，量化分析邏輯嚴(yán)謹(jǐn)合理，軟件實(shí)現(xiàn)步驟清晰，結(jié)果解讀準(zhǔn)確完整，匯報(bào)交流，報(bào)告寫(xiě)作 20 　分批次演示交流
4 課程論文 　選題、問(wèn)題提出與創(chuàng)新貢獻(xiàn)，理論分析與實(shí)證研究方法，結(jié)果分析、結(jié)論啟示，匯報(bào)交流，論文寫(xiě)作 20 　分批次匯報(bào)交流
5 期末考試 　理論知識(shí)與軟件實(shí)現(xiàn)操作，各占50% 30 　分層分類(lèi)，統(tǒng)一教學(xué)
序列1
1.1　多元GARCH模型1
1.2　誤差修正模型12
1.3　向量自回歸模型15
1.4　結(jié)構(gòu)向量自回歸模型20
1.5　向量誤差修正模型22
1.6　向量誤差修正模型的協(xié)整秩25
1.7　動(dòng)態(tài)因子模型27
1.8　狀態(tài)空間模型28
1.9　VAR模型的診斷和檢驗(yàn)29
1.10　VEC模型的診斷和檢驗(yàn)36
1.11　VAR/VEC模型預(yù)測(cè)39
1.12　脈沖響應(yīng)和方差分解分析43
第2章　面板數(shù)據(jù)分析49
2.1　面板數(shù)據(jù)模型設(shè)定的Stata基本
　　　實(shí)用工具49
2.2　線性面板回歸51
2.3　隨機(jī)效應(yīng)的拉格朗日乘子檢驗(yàn)58
2.4　帶AR（1）干擾項(xiàng)的面板線性回歸59
2.5　隨機(jī)系數(shù)廣義最小二乘回歸63
2.6　動(dòng)態(tài)面板數(shù)據(jù)65
2.7　面板數(shù)據(jù)的刪失結(jié)果71
2.8　面板數(shù)據(jù)的同期相關(guān)74
第3章　面板數(shù)據(jù)分析拓展82
3.1　面板二元結(jié)果82
3.2　面板序數(shù)結(jié)果89
3.3　面板分類(lèi)結(jié)果92
3.4　面板計(jì)數(shù)結(jié)果108
3.5　廣義線性面板模型 117
3.6　面板樣本選擇線性模型122
3.7　面板數(shù)據(jù)協(xié)整檢驗(yàn)127
3.8　面板單位根檢驗(yàn)130
3.9　面板折線圖137
3.10　面板隨機(jī)前沿模型137
3.11　面板數(shù)據(jù)模型的分位數(shù)回歸估計(jì)140
3.12　面板門(mén)限回歸模型151
3.13　動(dòng)態(tài)面板門(mén)限回歸模型156
3.14　面板平滑轉(zhuǎn)換模型161
第4章　多層混合效應(yīng)模型與
　　　　有限混合模型169
4.1　多層混合效應(yīng)線性回歸170
4.2　多層混合效應(yīng)非線性回歸171
4.3　多層混合效應(yīng)logistic回歸181
4.4　有限混合模型 185
第5章　生存分析196
5.1　風(fēng)險(xiǎn)函數(shù)196
5.2　生存數(shù)據(jù)的歸并與描述分析197
5.3　Cox比例風(fēng)險(xiǎn)模型198
5.4　檢驗(yàn)Cox比例風(fēng)險(xiǎn)模型的假設(shè)206
5.5　間隔審查的Cox比例風(fēng)險(xiǎn)模型 207
5.6　競(jìng)爭(zhēng)風(fēng)險(xiǎn)回歸207
5.7　參數(shù)生存模型208
5.8　面板數(shù)據(jù)隨機(jī)效應(yīng)參數(shù)生存
　　　回歸模型216
5.9　多層混合效應(yīng)參數(shù)生存回歸模型218
第6章　內(nèi)生協(xié)變量220

5.^ò21^?效應(yīng)線性回歸1^ò21^6.1　含內(nèi)生協(xié)變量的線性回歸220
6.2　含內(nèi)生協(xié)變量的擴(kuò)展線性回歸分析223
6.3　三階段最小二乘法229
6.4　廣義矩估計(jì)法229
6.5　含連續(xù)內(nèi)生協(xié)變量的probit模型231
6.6　含內(nèi)生協(xié)變量的擴(kuò)展probit回歸233
6.7　含內(nèi)生協(xié)變量的擴(kuò)展有序probit回歸236
6.8　含內(nèi)生協(xié)變量的Tobit回歸238
6.9　含內(nèi)生協(xié)變量的區(qū)間回歸241
6.10　含內(nèi)生協(xié)變量的泊松模型估計(jì)244
6.11　含內(nèi)生協(xié)變量的面板數(shù)據(jù)分析247
6.12　含內(nèi)生協(xié)變量的隨機(jī)效應(yīng)回歸253
第7章　因果推斷259
7.1　處理效應(yīng)分析基礎(chǔ)259
7.2　回歸調(diào)整估計(jì)法263
7.3　逆概率加權(quán)估計(jì)法265
7.4　增廣逆概率加權(quán)估計(jì)法266
7.5　逆概率加權(quán)回歸調(diào)整估計(jì)法268
7.6　最近鄰匹配估計(jì)270
7.7　傾向性得分匹配271
7.8　雙重差分模型與三重差分模型273
7.9　合成控制法293
7.10　斷點(diǎn)回歸模型297
第8章　因果推斷拓展303
8.1　處理效應(yīng)的控制函數(shù)估計(jì)法303
8.2　處理效應(yīng)的最大似然估計(jì)307
8.3　處理效應(yīng)的含內(nèi)生變量和樣本
　　　選擇的擴(kuò)展線性回歸分析309
8.4　處理效應(yīng)的擴(kuò)展probit回歸分析318
8.5　處理效應(yīng)的擴(kuò)展有序probit回歸分析326
8.6　處理效應(yīng)的含內(nèi)生變量和樣本
　　　選擇的區(qū)間回歸模型分析331
8.7　處理效應(yīng)的隨機(jī)效應(yīng)回歸分析333
8.8　處理效應(yīng)的隨機(jī)效應(yīng)probit回歸分析336
8.9　處理效應(yīng)的面板隨機(jī)效應(yīng)有序
　　　probit回歸分析339
8.10　處理效應(yīng)的隨機(jī)效應(yīng)區(qū)間回歸分析343
第9章　結(jié)構(gòu)方程模型347
9.1　結(jié)構(gòu)方程模型概述347
9.2　結(jié)構(gòu)方程模型的構(gòu)建方法348
9.3　結(jié)構(gòu)方程模型的識(shí)別和估計(jì)352
9.4　結(jié)構(gòu)方程模型的評(píng)價(jià)和修正353
9.5　結(jié)構(gòu)方程模型與廣義結(jié)構(gòu)方程模型354
9.6　結(jié)構(gòu)方程模型估計(jì)的Stata命令
　　　及實(shí)現(xiàn)355
9.7　廣義結(jié)構(gòu)方程模型估計(jì)的Stata
　　　命令及實(shí)現(xiàn)360
第10章　聯(lián)立方程模型369
10.1　聯(lián)立方程模型概述369
10.2　聯(lián)立方程模型的識(shí)別370
10.3　多元回歸371
10.4　似不相關(guān)回歸372
10.5　三階段