面板数据模型回归系数估计及Hausman检验统计量的统计诊断
定 价：68 元
丛书名：江西财经大学东亿学术论丛·第一辑
- 作者：杨婷 著
- 出版时间：2020/4/1
- ISBN：9787509651001
- 出 版 社：经济管理出版社
- 中图法分类：F224.0
- 页码：145
- 纸张：胶版纸
- 版次：1
- 开本：16开
面板数据是一类重要的统计数据形式，面板数据模型是计量经济学研究的重要内容，它具有单纯截面数据模型或时间序列数据模型所不具备的优势，在应用研究中被广泛采用。
《面板数据模型回归系数估计及Hausman检验统计量的统计诊断》基于数据删除模型、广义影响函数、Cook曲率度量三种方法，对面板数据模型三种参数估计方法（协方差估计、广义小二乘估计、极大似然估计）以及模型设定Hausman检验统计量展开统计诊断研究，并将理论成果应用于中国宏观经济数据。
异常值的识别和处理一直是统计学研究中的重要内容。统计诊断作为异常值识别的一种重要手段而被研究者关注。不同模型下的参数估计和假设检验统计量的统计诊断被广泛研究。笔者正是在这一学术背景下确定了博士论文选题：《面板数据模型回归系数估计及Hausman检验统计量的统计诊断》。
面板数据模型可以分为固定效应模型和随机效应模型，不同模型设定下的参数估计方法也不相同。协方差估计适用于固定效应模型，估计量具有无偏性、一致性、有效性，在随机效应模型中虽然仍具有无偏的和一致的，但却不是有效的。广义最小二乘估计则适用于随机效应模型，在固定效应模型中不仅不是有效的，还是非一致的。由此可见，模型设定检验对面板数据建模的重要性。Hausman检验是当前最广为接受的面板数据模型设定检验方法。由于Hausman检验统计量是基于模型参数估计构建的，所以本书将先研究面板数据模型参数估计的统计诊断，并在此基础上，对Hausman检验统计量的统计诊断问题进行研究。本书的研究分为八章，具体结构安排如下：
第1章为绪论，对本书的研究背景和研究意义进行介绍，简要总结了本书主要的研究内容和创新之处，并对本书结构安排进行说明。
第2章对统计诊断方法和面板数据模型进行介绍。对于统计诊断方法，本书重点介绍了基于数据删除模型的诊断方法、基于广义影响函数的诊断方法以及基于Cook曲率度量的诊断方法；对于面板数据模型，本书重点介绍模型参数估计和设定检验-Hausman检验，其中参数估计包括固定效应模型的协方差估计、随机效应模型的广义最小二乘估计和极大似然估计。
杨婷，江西财经大学统计学院金融统计与风险管理系讲师。2013年毕业于厦门大学经济学院统计系，获经济学博士学位。研究方向：面板数据模型的统计诊断、空间计量模型的理论与应用。
第1章 绪论
1．1 研究背景和意义
1．1．1 研究背景
1．1．2 研究意义
1．2 国内外研究综述
1．2．1 国外研究综述
1．2．2 国内研究综述
1．3 研究内容和创新点
1．3．1 研究内容
1．3．2 创新点
1．4 本书结构
第2章 统计诊断方法和面板数据模型介绍
2．1 统计诊断方法介绍
2．1．1 基于数据删除模型的统计诊断方法
2．1．2 基于Cook曲率度量的统计诊断方法
2．1．3 基于广义影响函数的统计诊断方法
2．1．4 其他统计诊断方法
2．2 面板数据模型
2．2．1 面板数据固定效应模型
2．2．2 面板数据随机效应模型
2．2．3 面板数据模型的Hausman检验
2．2．4 其他面板数据模型理论
第3章 协方差估计的统计诊断
3．1 基于数据删除模型的统计诊断
3．1．1 基于截面数据删除的统计诊断
3．1．2 基于时间数据删除的统计诊断
3．2 基于广义影响函数的统计诊断
3．2．1 方差扰动下的统计诊断
3．2．2 自变量扰动下的统计诊断
3．2．3 因变量扰动下的统计诊断
第4章 广义最小二乘估计的统计诊断
4．1 基于数据删除模型的统计诊断
4．1．1 基于截面数据删除的统计诊断
4．1．2 基于时间数据删除的统计诊断
4．2 基于广义影响函数的统计诊断
4．2．1 方差扰动下的统计诊断
4．2．2 自变量扰动下的统计诊断
4．2．3 因变量扰动下的统计诊断
第5章 极大似然估计的统计诊断
5．1 基于数据删除模型的统计诊断
5．1．1 基于截面数据删除的统计诊断
5．1．2 基于时间数据删除的统计诊断
5．2 基于Cook曲率度量的统计诊断
5．2．1 方差扰动下的统计诊断
5．2．2 自变量扰动下的统计诊断
5．2．3 因变量扰动下的统计诊断
……
第6章 Hausman检验统计量的统计诊断
第7章 实际数据应用和解释
第8章 研究总结和展望
附录
参考文献
后记
书单推荐
