内容简介
由世界一流的动态面板数据计量经济专家之一曼纽尔·阿雷拉诺教授奉献的这本书，对面板数据计量经济学的一些主要课题提供了一个现代的回顾。作者专注于线性模型，重点阐述了异质性和动态在面板数据分析中所扮演的角色。这本书有机地结合了方法和应用，对学院派和实践派同样适用。
本书分为四个部分：
一部分关注的是静态模型，涉及面板数据中不可观测异质性问题以及如何利用面板数据分析方法解决这一问题、面板数据误差成分模型、面板数据的变量误差问题。
第二部分考察的是带误差成分的时间序列模型。该部分章节涉及短面板中不可观测异质性与个体动态性之间的区分问题、时间效应的建模策略、，移动平均模型、协方差结构的推断、异质截距自回归模型的设定和估计以及初始条件和异方差假设对估计的影响。
第三部分主要讨论了动态模型和先决变量。它的两个章节考虑了时间T各种大、小情形下可选择的估计方法；考察了含严格外生变量和允许未知形式自相关滞后因变量的模型，也就是含广义先决变量的模型。
第二、第三部分一起提供了近以来对计量经济实践有影响的大量文献的一个综合的、统一的透视图。
第四部分回顾了广义矩估计和优工具变量理论的主要成果。
目录
译者序
前言
致谢
1 导言
第一部分 静态模型
2 不可观测的异质性
2.1 概述
2.2 固定效应模型
2.2.1 假设
2.2.2 组内估计
2.3 异方差和序列相关
2.3.1 组内估计的稳健标准误
2.3.2 存在未知形式异方差和序列相关的最优最小二乘估计
2.3.3 在未知形式异方差和序列相关情形下的改进广义矩估计和最短距离估计
2.4 似然方法
2.4.1 联合似然
2.4.2 条件似然
2.4.3 边际（或积分）似然
2.5 有附加效应的非线性模型
2.5.1 非线性回归
2.5.2 线性结构化方程
2.5.3 非线性联立方程组
3 误差成分
3.1 方差分解
3.2 误差成分回归
3.2.1 模型
3.2.2 最小二乘估计和ML估计
3.2.3 最小二乘估计、组内估计和组间估计
3.3 相关的不可观测异质性检验
3.3.1 设定检验
3.3.2 稳健选择
3.4 带水平信息模型
3.5 估计误差成分分布
4 变量中的误差
4.1 含有变量误差的标准回归模型介绍
4.2 测量偏差与不可观测异质性偏误
4.3 面板数据的工具变量估计
4.4 一个例子：测量企业货币需求中的经济规模
第二部分 动态模型
5 动态误差成分的协方差结构
5.1 引言
5.2 时间效应
5.3 移动平均自协方差
5.4 估计协方差结构
5.4.1 广义矩方法／最小距离估计
5.4.2 使用原始矩的变换
5.4.3 广义矩方法和伪极大似然估计量之间的关系
5.4.4 检验协方差约束条件
5.5 例子：检验持久收入假说
6 有个体效应的自回归模型
6.1 假设
6.2 组内估计
6.3 工具变量估计
6.4 初始条件与异方差
6.4.1 平稳性保持时的估计
6.4.2 无约束初始条件
6.4.3 时间序列异方差
6.4.4 自回归模型中时间效应
6.5 均值平稳
6.6 单位根
6.7 对公司就业与工资的向量自回归的检验与估计
第三部分 动态模型与先决变量
7 同时含严格外生变量与滞后因变量的模型
7.1 模型的本质
7.2 例子：烟瘾问题
7.3 广义矩方法估计
7.3.1 大T情形下的两阶段最小二乘法估计
7.3.2 小T大N情形下的最优工具变量估计
7.3.3 随T矩数增加的广义矩估计
7.3.4 同各个效应不相关的解释变量
7.3.5 协方差矩阵约束
7.4 极大似然估计
7.4.1 协方差无约束的估计
7.4.2 协方差受约束的MLE
7.4.3 与xs相关的MLE
8 先决变量
8.1 介绍与例子
8.1.1 带反馈的局部调整
8.1.2 家庭消费的欧拉方程
8.1.3 跨国增长和收敛
8.2 大T下的组内估计
8.3 小T下的广义矩方法估计
8.3.1 矩和加权矩阵
8.3.2 筛选的枝节问题
8.4 最优工具变量
8.5 与效应不相关工具
8.5.1 系统估计量
8.5.2 平稳性约束
8.5.3 示例：一个工作培训的动态评估
8.5.4 时恒解释变量
8.5.5 乏序列相关暗含的水平矩
8.6 女性劳动参与的生育效应估计
8.7 其他估计方法
第四部分 附录
A 广义矩估计方法
A.1 矩估计问题的方法
A.2 一般公式
A.3 举例：2SLS和3SLS
A.4 广义矩方法估计量的一致性
A.5 渐进正态性
A.6 渐进方差的估计
A.7 最优加权矩阵
A.8 过度识别限制的检验
B 条件模型中的最优工具（变量）
B.1 引言
B.2 线性回归模型
B.3 非线性回归
B.4 非线性结构方程
B.5 多元非线性回归
B 6 非线性联立方程组
参考文献
试读
1 导言
曾几何时，对于同时具有时间序列和截面变化的经济数据的利用还非常少，但在现代计量经济实践里却变得非常普遍。面板数据这一词汇在计量经济学中使用很广泛，它是指对任何同一组个体一段时间内重复观测到的数据集，这里，“个体”可以是工人、家庭、公司、行业、地区或国家等。
如果把几个国家多个年份的国民经济核算账户叠放在一起，我们就得到一个国家组的面板数据，这类数据现在非常重要，例如，最近对于经济增长和收敛模型的研究就是如此。而且，人们对国家间的或者州之间的面板数据产生了浓厚的兴趣，其原因在于，这样的数据有时会提供一些在制度或政策上的外生变化，有利于经济上所关心参数的识别。
本文中出现的一些面板数据计量经济学问题与时间序列计量经济学有着密切的联系，这是很正常的。在总量面板数据中，截面和时间序列的维数大小往往是相似的，建模的中心问题是如何更好地处理个体间的异质性，统计上的重要问题是截面的变化对估计量的选择和抽样性质的影响。
另一类的面板数据集是家庭或公司水平面板数据，它们基于调查、人口普查、行政记录或公司资产负债表，通常被称为“微观”面板数据。典型的是，这类面板数据观测时间短、个体横截面大，例如，密歇根、艾塞克斯和欧盟的家庭收入面板数据，或美国和一些欧洲国家的家庭支出的可更新面板数据。
……
前言/序言
前言
本书的目的在于回顾面板数据计量经济学的几个主要话题。这包括线性静态和动态模型处理，主要适用于研究生和从事应用研究的读者。本书的部分内容可以被用于研究生课程的面板数据计量经济学中，也可以作为专业人员的参考资料。
相对于将模型推广到一般情形，我试图调查尽可能多的建模思想。建模思想经常是应用计量经济学切入的关键。尽管本书侧重于计量经济方法，但同时也注重促进实践应用中的技巧。本书需要读者熟悉线性回归分析和概率论的基础概念。
