Микроэконометрика
книга

Микроэконометрика : методы и их применения

Книга 2

Автор: Э. Кэмерон, Правин Триведи

Форматы: PDF

Серия: Академический учебник

Издательство: Дело

Год: 2015

Место издания: Москва

ISBN: 978-5-7749-0957-5. - ISBN 978-5-7749-0956-8 (кн. 2)

Страниц: 665

Артикул: 75930

цена: 299
Купить и скачать Читать фрагмент

В книге подробно изложена микроэконометрика — наука, занимающаяся анализом экономического поведения отдельных индивидов или фирм с использованием регрессий на пространственных или панельных данных. Эта книга ориентирована на эконометриста-практика. Предполагается хорошее понимание линейной модели регрессии и матричной алгебры. Книга может послужить учебником для продвинутых курсов по микроэконометрике, прикладной эконометрике или по микроэкономической дисциплине, ориентированной на работу с фактическими данными. Также книга может быть использована как справочник магистрантами, аспирантами и прикладными исследователями, желающими восполнить пробелы в своих знаниях. Среди особенностей изложения можно отметить: акцент на нелинейных моделях и робастных статистических процедурах, подробное изложение обобщенного метода моментов, непараметрической регрессии, симуляционных методов, бутстрэп методов, Байесовского подхода, стратифицированных и кластеризованных выборок, оценки эффекта воздействия, моделирования ошибок измерения и пропущенных данных. В книге приводится большое количество эмпирических иллюстраций, в основном использующих семь больших наборов данных.

Часть IV. Модели пространственных данных
Глава 14. Модели бинарного выбора
14.1. Введение
14.2. Пример бинарной зависимой переменной: Выбор способа рыбалки
14.3. Логит и пробит-модели
14.3.1. Общая модель бинарного выбора
14.3.2. Предельные эффекты
14.3.3. Метод максимального правдоподобия
14.3.4. Логит-модель
14.3.5. Пробит-модель
14.3.6. Линейная регрессионная модель
14.3.7. Выбор бинарной модели
14.3.8. Определение адекватности модели
14.4. Модели скрытых переменных
14.4.1. Индексная модель
14.4.2. Модели случайной полезности
14.4.3. Регрессоры, изменяющиеся в зависимости от выбранной альтернативы
14.5. Выборки с самоотбором
14.6. Группировка и агрегирование данных
14.6.1. Метод Берксона минимизации хи-квадрат
14.6.2. Моделирование агрегированных данных
14.6.3. Обсуждение
14.7. Полупараметрические методы
14.7.1. Полупараметрические методы оценки условного среднего
14.7.2. Оценивание по методу максимального счета
14.7.3. Метод максимальной ранговой корреляции
14.7.4. Полупараметрический метод максимального правдоподобия
14.7.5. Cравнение полупараметрических методов
14.8. От распределения экстремальных значений к логит-модели
14.9. Практические соображения
14.10. Библиографические заметки
Глава 15. Мультиномиальные модели
15.1. Введение
15.2. Пример: Выбор способа рыбалки
15.2.1. Условная логит-модель: Регрессоры, значения которых зависят от альтернатив
15.2.2. Мультиномиальная логит-модель: Независимые от альтернатив регрессоры
15.2.3. Смешанная логит-модель
15.3. Общие выводы
15.3.1. Мультиномиальные модели
15.3.2. Оценка методом максимального правдоподобия
15.3.3. Оценка методом моментов
15.3.4. Зависимые от выбора альтернативы регрессоры
15.3.5. Данные о выявленных и заявленных предпочтениях
15.3.6. Оценивание и выбор модели
15.4. Мультиномиальная логит-модель
15.4.1. Условная, мультиномиальная и смешанная логитмодели
15.4.2. ММП для смешанной и множественной логит-моделей
15.4.3. Интерпретация параметров регрессии
15.4.4. Независимость от посторонних альтернатив
15.5. Аддитивные модели случайной полезности
15.5.1. Модель ARUM
15.5.2. Различные мультиномиальные модели с неупорядоченными исходами
15.5.3. Согласованность с моделями случайной полезности
15.5.4. Анализ благосостояния
15.6. Вложенная логит-модель
15.6.1. Модель с ошибками, имеющими обобщенное распределение экстремальных значений
15.6.2. Вложенная логит-модель
15.6.3. Оценка вложенной логит-модели
15.6.4. Обсуждение
15.6.5. Анализ благосостояния
15.7. Логит-модель со случайными параметрами
15.7.1. Логит-модель со случайными параметрами
15.7.2. Оценка логит-модели со случайными параметрами
15.7.3. Обобщенная модель случайной полезности
15.8. Мультиномиальная пробит-модель
15.8.1. Мультиномиальная пробит-модель
15.8.2. Оценка мультиномиальной пробит-модели
15.8.3. Обсуждение
15.9. Упорядоченные, последовательные и ранжированные исходы
15.9.1. Мультиномиальные модели с упорядоченными исходами
15.9.2. Мультиномиальные модели с последовательным выбором
15.9.3. Модели для ранжированных данных
15.10. Ситуации многомерного дискретного выбора
15.10.1. Двумерная дискретная переменная
15.10.2. Двумерная пробит-модель
15.11. Оценка полупараметрическими методами
15.12. Вывод формул для мультиномиальной, условной и вложенной логит-моделей
15.12.1. Условная логит-модель
15.12.2. Мультиномиальная логит-модель
15.12.3. Вложенная логит-модель
15.13. Практические соображения
15.14. Библиографические заметки
Глава 16. Тобит-модели и модели выбора
16.1. Введение
16.2. Эконометрические модели с цензурированными и усеченными данными
16.2.1. Пример цензурированной и усеченной модели
16.2.2. Механизмы цензурирования и усечения
16.2.3. Цензурироваанная и усеченная оценка с помощью ММП
16.2.4. Пример пуассоновской усеченной и цензурированной регрессии
16.2.5. Условное среднее в цензурированных и усеченных регрессиях
16.3. Тобит-модель
16.3.1. Тобит-модель
16.3.2. Несостоятельность тобит оценок метода максимального правдоподобия
16.3.3. Цензурированное и усеченное среднее в линейной регрессии
16.3.4. Цензурированное и усеченное среднее в тобит-модели
16.3.5. Предельные эффекты в тобит-модели
16.3.6. Альтернативные способы оценки тобит-модели
16.3.7. Тесты на спецификацию для тобит-моделей
16.4. Двухчастная модель
16.4.1. Двухчастная модель
16.4.2. Пример двухчастной модели
16.5. Модели с самоотбором выборки
16.5.1. Модели с самоотбором выборки
16.5.2. Модель двумерного самоотбора выборки, тобит-2
16.5.3. Условное среднее в модели двумерного самоотбора
16.5.4. Двухшаговая оценка Хекмана
16.5.5. Идентификация
16.5.6. Предельные эффекты
16.5.7. Самоотбор по наблюдаемым и ненаблюдаемым переменным
16.6. Модель самоотбора выборки: Оценка затрат на здоровье
16.7. Модель Роя
16.7.1. Модель Роя
16.7.2. Вариации модели Роя
16.8. Структурные модели
16.8.1. Структурные модели, построенные на принципе максимизации полезности
16.8.2. Системы одновременных уравнений в тобити логит-моделях
16.9. Полупараметрическое оценивание
16.9.1. Гибкие параметрические модели
16.9.2. Полупараметрические методы оценки цензурированных регрессий
16.9.3. Полупараметрическая оценка для моделей самоотбора
16.10. Вывод тобит-модели
16.10.1. Моменты стандартного нормального распределения для усеченных данных
16.10.2. Асимптотика двухшаговой процедуры Хекмана к тобит-модели
16.11. Практические соображения
16.12. Библиографические заметки
Глава 17. Транзитные данные: Анализ выживаемости
17.1. Введение
17.2. Пример: Длительность забастовок
17.3. Основные понятия
17.3.1. Функции выживания, риска и кумулятивная функция риска
17.3.2. Дискретные данные
17.4. Цензурирование
17.4.1. Механизмы цензурирования
17.4.2. Независимое (неинформативное) цензурирование
17.5. Непараметрические модели
17.5.1. Непараметрическое оценивание
17.5.2. Доверительные интервалы для непараметрических оценок
17.6. Параметрические модели регрессии
17.6.1. Экспоненциальное распределение и распределение Вейбулла
17.6.2. Некоторые параметрические модели
17.6.3. Оценивание ММП
17.6.4. Компоненты ММП
17.6.5. Пример ММП Вейбулла
17.6.6. Интерпретация оценок модели
17.6.7. Оценивание с помощью МНК
17.7. Некоторые важные модели времени жизни
17.7.1. Модель пропорциональных рисков
17.7.2. Модель ускоренной жизни
17.7.3. Гибкие модели рисков
17.8. Модель пропорциональных рисков Кокса
17.8.1. Модель пропорциональных рисков
17.8.2. Оценивание методом частичного правдоподобия
17.8.3. Функция выживания в модели Кокса
17.8.4. Вывод функции выживания
17.9. Регрессоры, меняющиеся со временем
17.9.1. Расширенная модель Кокса
17.10. Пропорциональные риски в дискретном времени
17.10.1. Пропорциональные риски в дискретном времени
17.10.2. Подход Хана и Хаусмана
17.10.3. Бинарный выбор в дискретном времени
17.11. Пример: Длительность состояния безработицы
17.12. Практические соображения
17.13. Библиографические заметки
Глава 18. Модели смеси и ненаблюдаемая гетерогенность
18.1. Введение
18.2. Ненаблюдаемая гетерогенность и дисперсия
18.2.1. Смешанные модели
18.2.2. Выбор распределения неоднородности
18.2.3. Смесь распределений Вейбулла-гамма
18.2.4. Интерпретация функции риска в моделях смеси
18.3. Идентификация в моделях смеси
18.4. Спецификация распределения неоднородности
18.4.1. Гамма гетерогенность для PH в дискретном времени
18.4.2. Другие модели с гетерогенностью
18.5. Дискретная гетерогенность и анализ латентных классов
18.5.1. Модель конечной смеси
18.5.2. Интерпретация в виде латентных классов
18.5.3. EM алгоритм
18.5.4. Выбор количества латентных классов
18.6. Выборка типа поток и запас
18.7. Тестирование спецификации
18.7.1. Тестирование гипотез
18.7.2. Графические способы выявления неправильной спецификации
18.7.3. Тесты на условный момент
18.8. Пример ненаблюдаемой гетерогенности: Длительность безработицы
18.9. Практические соображения
18.10. Библиографические заметки
Глава 19. Модели множественных рисков
19.1. Введение
19.2. Конкурирующие риски
19.2.1. Основные понятия
19.2.2. CRM c пропорциональными рисками
19.2.3. Идентификация CRM
19.2.4. Интерпретация коэффициентов регрессии
19.2.5. CRM при наличии ненаблюдаемой гетерогенности
19.2.6. CRM с зависимыми конкурирующими рисками
19.3. Совместные распределения длительностей
19.3.1. Обобщение концепции выживаемости на многомерный случай
19.3.2. Двумерные распределения, основанные на маргинальных
19.3.3. Подход на основе копула-функций
19.4. Многократные события
19.4.1. Модель с двукратными событиями
19.4.2. Общая модель с многократными событиями
19.5. Пример конкурирующих рисков: длительность безработицы
19.5.1. Оценки модели конкурирующих рисков
19.6. Практические соображения
19.7. Библиографические заметки
Глава 20. Модели счетных данных
20.1. Введение
20.2. Основные модели регрессии счетных данных
20.2.1. Регрессия Пуассона
20.2.2. ММП и квази-ММП Пуассона
20.2.3. Интерпретация коэффициентов регрессии
20.2.4. Избыточная дисперсия
20.3. Пример на счетных данных: Визиты к врачу
20.4. Параметрические модели регрессии для счетных данных
20.4.1. Отрицательная биномиальная модель
20.4.2. Имитационное максимальное правдоподобие
20.4.3. Модели конечной смеси
20.4.4. Урезанные и цензурированные данные
20.4.5. Модифицированные модели счетных данных
20.4.6. Модели дискретного выбора
20.5. Частично параметрические модели
20.5.1. Оценивание квази-ММП
20.5.2. Оценивание МНК
20.5.3. Полупараметрические модели
20.6. Многомерные счетные данные и эндогенные регрессоры
20.6.1. Многомерные данные
20.6.2. Модели счетных данных с эндогенными регрессорами
20.7. Пример на счетных данных: дальнейший анализ
20.8. Практические соображения
20.9. Библиографические заметки
Часть V. Модели анализа панельных данных
Глава 21. Линейные модели панельных данных: Основы
21.1. Вступление
21.2. Обзор моделей и оценок
21.2.1. Модели анализа панельных данных
21.2.2. Оценки параметров в моделях панельных данных
21.2.3. Статистические выводы робастные для панельных данных
21.3. Пример линейной модели панельных данных: Количество часов работы и заработная плата
21.3.1. Результаты оценивания
21.3.2. Сравнение оценок, используемых при анализе для панельных данных
21.3.3. Графический анализ
21.3.4. Анализ остатков
21.4. Модели с фиксированным эффектом против моделей со случайным эффектом
21.4.1. Пример применения модели с фиксированными эффектами
21.4.2. Условный анализ против предельного анализа
21.4.3. Тест Хаусмана
21.4.4. Более сложные модели для случайных эффектов
21.5. Модели сквозной регрессии
21.5.1. МНК, доступная ОМНК и взвешенная МНК оценки модели сквозной регрессии
21.5.2. Ковариационная матрица ошибок для коротких панелей
21.5.3. Ковариационная матрица ошибок для длинных панелей
21.5.4. Влияние автокоррелированных ошибок
21.5.5. Количество часов работы и заработная плата. Пример сквозной ОМНК регрессии
21.6. Модели с фиксированными эффектами
21.6.1. Оценка within или оценка с фиксированным эффектом
21.6.2. Оценка в первых разностях
21.6.3. Оценка условного ММП
21.6.4. МНК оценка с фиктивными переменными
21.6.5. Оценка ковариации
21.7. Модель со случайными эффектами
21.7.1. ОМНК оценка
21.7.2. Оценка ММП
21.7.3. Другие оценки
21.8. Особенности моделирования
21.8.1. Тесты на объединение
21.8.2. Тесты на индивидуальные эффекты
21.8.3. Прогнозирование
21.8.4. Модели с двусторонними эффектами
21.8.5. Несбалансированные панельные данные
21.8.6. Ошибки измерения
21.9. Практические соображения
21.10. Библиографические заметки
Глава 22. Линейные модели анализа панельных данных: Дополнения
22.1. Введение
22.2. ОММ оценивание линейных моделей панельных данных
22.2.1. ОММ для панельных данных
22.2.2. Робастные статистические выводы для панельных данных
22.2.3. Одношаговый и двухшаговый ОMM для панельных данных
22.2.4. Выбор инструментальных переменных
22.2.5. Вычисление оценок ОММ для панельных данных
22.2.6. Другие типы оценивания ОММ
22.2.7. Оценка Чемберлина
22.3. Пример оценивания ОММ для панельных данных: Часы и заработная плата
22.4. ОММ для панельных данных со случайными и фиксированными эффектами
22.4.1. Фиксированные или случайные эффекты
22.4.2. Инструментальные переменные для моделей с фиксированными эффектами
22.4.3. IV для моделей со случайными эффектами
22.4.4. IV для гибридной модели Хаусмана–Тейлора
22.4.5. Внешне не связанные уравнения и оценка одновременных уравнений
22.5. Динамические модели
22.5.1. Зависимость от состояния и ненаблюдаемая гетерогенность
22.5.2. Несостоятельность стандартных оценок панельных данных
22.5.3. Оценка Ареллано–Бонда
22.5.4. Оценивание ковариационных структур
22.5.5. Нестационарные панели
22.6. Оценка разность разностей
22.6.1. Фиксированные эффекты и бинарное воздействие
22.6.2. Разность разностей
22.6.3. Предположения для DID оценки
22.6.4. Другие более сложные модели
22.7. Повторяющиеся пространственные данные и псевдопанели
22.7.1. Повторяющиеся пространственные данные
22.7.2. Псевдопанели
22.7.3. Оценки ошибок измерения для псевдопанелей
22.8. Смешанные линейные модели
22.8.1. Смешанные линейные модели
22.8.2. Оценивание
22.8.3. Прогнозирование
22.9. Практические соображения
22.10. Библиографические заметки
Глава 23. Нелинейные модели панельных данных
23.1. Введение
23.2. Общие результаты
23.2.1. Модели с индивидуальными эффектами
23.2.2. Модели с фиксированными эффектами
23.2.3. Модели со случайными эффектами
23.2.4. Модели сквозной регрессии
23.2.5. Фиксированные эффекты против случайных эффектов
23.2.6. Оценивание и робастные статистические выводы
23.2.7. Динамические модели
23.2.8. Эндогенные регрессоры
23.3. Пример нелинейной модели панельных данных: Патенты и НИОКР
23.4. Данные бинарного выбора
23.4.1. Модели бинарного выбора с индивидуальными эффектами
23.4.2. Модели бинарного выбора со случайными эффектами
23.4.3. Логит-модель с фиксированными эффектами
23.4.4. Динамические модели бинарного выбора
23.4.5. Модель множественного выбора
23.4.6. Выводы для логит-модели фиксированных эффектов
23.5. Тобит-модель и модели самоотбора
23.5.1. Модели с цензурированными и урезанными выборками
23.5.2. Модели самоотбора
23.6. Данные о переходах
23.7. Счетные данные
23.7.1. Счетные модели с индивидуальными эффектами
23.7.2. Счетные модели со случайными эффектами
23.7.3. Счетные модели с фиксированными эффектами
23.7.4. Динамические счетные модели
23.7.5. Выводы для моделей Пуассона со случайными ификсированными эффектами
23.8. Полупараметрическое оценивание
23.9. Практические соображения
23.10. Библиографические заметки
Часть VI. Дальнейшие темы
Глава 24. Стратифицированные и кластеризованные выборки
24.1. Введение
24.2. Формирование выборки
24.2.1. Текущее обследование населения
24.2.2. Организация выборки
24.3. Взвешивание
24.3.1. Веса в выборке
24.3.2. Взвешенная регрессия
24.3.3. Прогнозирование
24.4. Эндогенная стратификация
24.4.1. Схемы стратификации
24.4.2. Эндогенность, вызванная стратификацией
24.4.3. Эндогенный отбор
24.4.4. Эндогенно стратифицированные выборки
24.4.5. Взвешенные оценки
24.5. Кластеризация
24.5.1. Модели с индивидуальными эффектами кластеров
24.5.2. Оценки метода наименьших квадратов
24.5.3. Индивидуальные для кластеров случайные эффекты
24.5.4. Индивидуальные для кластеров постоянные эффекты
24.5.5. Тесты на наличие кластерных эффектов
24.5.6. Кластеризация в нелинейных моделях
24.5.7. Другие методы работы с кластеризованными данными
24.6. Иерархические линейные модели
24.6.1. Структура модели
24.6.2. Иерархические линейные модели для панельных данных
24.7. Пример кластеризации: Расходы на медицинское обслуживание во Вьетнаме
24.7.1. Обсуждение результатов
24.8. Комплексные опросы
24.8.1. Оценка дисперсии в комплексных опросах
24.9. Практические соображения
24.10. Библиографические заметки
Глава 25. Оценка эффектов воздействия
25.1. Введение
25.2. Структура и предположения
25.2.1. Условия исследования эффектов воздействия
25.2.2. Предположение об условной независимости
25.2.3. Предположение о пересечении
25.2.4. Предположение об условном среднем
25.2.5. Меры склонности
25.3. Эффекты воздействия и смещение самоотбора
25.3.1. Два основных параметра: ATE и ATET
25.3.2. Отбор и смещение самоотбора
25.3.3. Отбор по наблюдаемым показателям
25.3.4. Отбор по ненаблюдаемым показателям
25.4. Оценки при помощи сопоставления и мер склонности
25.4.1. Предположения для оценки эффектов воздействия
25.4.2. Точное сопоставление
25.4.3. Меры склонности
25.4.4. Измерение эффектов воздействия
25.4.5. Дисперсия ATET на основе x и p(x)
25.5. Оценка методом разность разностей
25.6. Разрывный дизайн
25.6.1. Разрывный механизм назначения воздействия
25.6.2. Идентификация и оценка при четком разрывном дизайне
25.6.3. Нечеткий разрывный дизайн
25.6.4. Двухшаговая оценка
25.7. Метод инструментальных переменных
25.7.1. Локальный ATE (LATE)
25.7.2. Связь с другими мерами
25.7.3. Оценка модели с гетерогенными эффектами воздействия с помощью инструментальных переменных
25.7.4. Эндогенное воздействие в нелинейных моделях
25.8. Пример: Влияние профессиональной подготовки на доходы
25.8.1. Данные Дехеджа и Ваба
25.8.2. Управляющие функции
25.8.3. Разность разностей
25.8.4. Простая оценка меры склонности
25.8.5. Сопоставление при помощи мер склонности
25.9. Библиографические заметки
Глава 26. Модели ошибок измерения
26.1. Введение
26.2. Ошибки измерений в линейной регрессии
26.2.1. Классическая модель ошибок измерений
26.2.2. Несостоятельность оценок метода наименьших квадратов
26.2.3. Ошибки измерений и скалярный регрессор
26.2.4. Обобщения
26.2.5. Ошибки измерений в линейных моделях панельных данных
26.3. Стратегии идентификации
26.3.1. Ограничения на параметры регрессии
26.3.2. Идентификация с помощью инструментальных переменных
26.3.3. Идентификация с помощью дополнительных моментных ограничений
26.3.4. Дублированные данные
26.3.5. Верифицирующие данные
26.4. Ошибки измерений в нелинейных моделях
26.4.1. Идентификация с помощью инструментальных переменных
26.4.2. Идентификация с помощью дублированных данных
26.4.3. Ошибки измерений в зависимых переменных
26.4.4. Пуассоновская регрессия с ошибками измерений в независимых переменных
26.5. Пример симуляции смещения затухания
26.6. Библиографические заметки
Глава 27. Пропущенные данные и восстановление данных
27.1. Введение
27.2. Предположения при работе с пропущенными данными
27.2.1. Случайные пропуски
27.2.2. Полностью случайные пропуски
27.2.3. Игнорируемые и неигнорируемые пропуски
27.3. Работа с пропусками без применения моделей
27.3.1. Использование только доступных данных
27.3.2. Восстановление данных без использования моделей
27.4. Функция правдоподобия по наблюдаемым данным
27.5. Восстановление пропусков на основе регрессии
27.5.1. Пример линейной регрессии с пропущенными значениями зависимой переменной
27.6. Пополнение данных и алгоритм MCMC
27.7. Множественное восстановление пропусков
27.8. Пример восстановления пропусков с помощью MCMC
27.8.1. Линейная регрессия с пропущенными значениями регрессоров
27.8.2. Логит-регрессия с пропущенными значениями регрессоров
27.9. Практические соображения
27.10. Библиографические заметки
Приложения
Приложение A. Асимптотическая теория
A.1. Введение
A.2. Сходимость по вероятности
A.2.1. Сходимость по вероятности
A.2.2. Другие виды сходимости
A.3. Законы больших чисел
A.4. Сходимость по распределению
A.5. Центральная предельная теорема
A.6. Многомерное нормальное предельное распределение
A.6.1. Многомерное нормальное предельное распределение
A.6.2. Линейное преобразование
A.6.3. Предельная ковариационная матрица
A.6.4. Асимптотическое распределение и дисперсия
A.6.5. Асимптотическая эффективность
A.7. Стохастический порядок малости
A.8. Прочие результаты
A.9. Библиографические заметки
Приложение B. Псевдослучайные величины
Список литературы
Указатели
Предметный указатель
Указатель имен

Все отзывы о книге

Чтобы оставить отзыв, зарегистрируйтесь или войдите

Рецензии на книгу

Чтобы писать рецензии и получать вознаграждения за рекомендации книг, станьте экспертом

Книги этой серии