处理效应与选择难题 通过随机分组解决选择难题 依可测变量选择 匹配估计量的思想 倾向得分匹配 倾向得分匹配的Stata实例 偏差校正匹配估计量 双重差分倾向得分匹配 断点回归的思想 精确断点回归 模糊断点回归 断点回归的Stata实例 处理效应模型

5.5观测值的权之先验确定和方差分量估计 5.5.1观测值的权之先验确定 权的一般概念

8.1 面板二值选择模型 8.2 面板二值选择模型的随机效应估计 8.3 面板二值选择模型的固定效应估计 8.4 面板二值选择模型的Stata实例 8.5 面板泊松回归 8.6 面板负二项回归 8.7 面板计数模型的Stata实例 8.8 面板Tobit 8.9 面板随机前沿模型（选读）

7.1 长面板的估计策略 7.2 面板校正标准误 7.3 仅解决组内自相关的FGLS 7.4 全面FGLS 7.5 残差特性的检验 7.6 变系数模型 7.7 面板工具变量法（△） 7.8 豪斯曼-泰勒估计量（△） 7.9 动态面板

面板数据的特点 面板数据的估计策略 混合回归 个体固定效应模型 时间固定效应 一阶差分法 随机效应模型 组间估计量 拟合优度的度量 非平衡面板 究竟该用固定效应还是随机效应模型 个体时间趋势 短面板的STATA命令及实例

置信区间定义 置信区间的求法 单正态总体参数的区间估计

EViews中的大多数统计工具都是用来建立随机变量的条件均值模 型。本章讨论的重要工具具有与以往不同的目的建立变量的条件 方差或变量波动性模型。 我们想要建模并预测其变动性通常有如下几个原因:首先,我们 可能要分析持有某项资产的风险;其次,预测置信区间可能是时变性 的,所以可以通过建立残差方差模型得到更精确的区间;第三,如果 误差的异方差是能适当控制的,我们就能得到更有效的估计

1、OLS估计量的概率分布 B的概率分布 首先,服从正态分布的随机变量的线性组合仍然 服从正态分布。 其次,B分别是的线性组合,因此B的概率分 布取决于随机误差项μ 因此在μ是正态分布的假设下,每一个B也 服从正态分布,其分布特征(密度函数)由其均值和方差唯 一决定

◼ 7.1 参数估计的一般问题 ◼ 7.2 一个总体参数的区间估计 ◼ 7.3 两个总体参数的区间估计 ◼ 7.4 样本量的确定

第一节 抽样调查的基本概念 第二节 抽样误差 第三节 参数估计基本方法 第四节 抽样调查的组织形式及抽样估计