大数据计量经济分析

马越越

目录

  • 1 导论
    • 1.1 什么是计量经济学
    • 1.2 计量经济学一般方法
    • 1.3 计量经济学的内容体系
    • 1.4 计量经济学应用问题
  • 2 大数据预处理
    • 2.1 数据采集
    • 2.2 数据质量
    • 2.3 数据预处理
  • 3 经典线性回归模型
    • 3.1 回归分析的概述
      • 3.1.1 回归分析的含义
      • 3.1.2 总体回归函数
      • 3.1.3 随机误差项
      • 3.1.4 样本回归函数
    • 3.2 线性回归模型和基本假定
    • 3.3 线性回归模型的参数估计
      • 3.3.1 普通最小二乘估计
      • 3.3.2 矩估计
      • 3.3.3 极大似然估计
    • 3.4 线性回归模型的统计检验
      • 3.4.1 置信区间检验
      • 3.4.2 显著性检验
      • 3.4.3 拟合优度检验
      • 3.4.4 方程显著性检验
    • 3.5 线性回归模型的预测
      • 3.5.1 均值预测
      • 3.5.2 个值预测
    • 3.6 可线性化的非线性回归模型
      • 3.6.1 双对数线性模型
      • 3.6.2 半对数线性模型
      • 3.6.3 双曲线函数模型
      • 3.6.4 生长曲线函数模型
      • 3.6.5 多项式回归模型
    • 3.7 双变量线性回归模型的延伸
      • 3.7.1 过原点回归模型
      • 3.7.2 测量单位与标准化回归
  • 4 经典线性回归模型的拓展
    • 4.1 多重共线性
      • 4.1.1 多重共线性的性质
      • 4.1.2 多重共线性的后果
      • 4.1.3 多重共线性的诊断
      • 4.1.4 多重共线性的补救
    • 4.2 异方差
      • 4.2.1 异方差的性质
      • 4.2.2 异方差的后果
      • 4.2.3 异方差的检验
      • 4.2.4 异方差的补救
    • 4.3 自相关
      • 4.3.1 自相关的性质
      • 4.3.2 自相关的后果及估计问题
      • 4.3.3 自相关的检验
      • 4.3.4 自相关的补救
    • 4.4 联立方程模型
      • 4.4.1 联立方程模型简介
      • 4.4.2 联立方程的识别
      • 4.4.3 联立方程的估计
    • 4.5 内生性问题
      • 4.5.1 内生解释变量及后果
      • 4.5.2 内生性问题的解决方法
    • 4.6 大数据场景案例分析
  • 5 虚拟变量回归模型
    • 5.1 虚拟变量的数值化
    • 5.2 虚拟解释变量加法模型与乘法模型
    • 5.3 虚拟变量的特殊应用
      • 5.3.1 虚拟变量应用一结构变化与政策调整
      • 5.3.2 分段线性回归
      • 5.3.3 虚拟变量应用一季节波动
      • 5.3.4 交互效应分析
    • 5.4 虚拟变量的综合应用
  • 6 离散与受限因变量模型
    • 6.1 线性概率模型
    • 6.2 Logit模型
    • 6.3 Probit模型
    • 6.4 Tobit模型
  • 7 计数模型
    • 7.1 泊松回归模型
    • 7.2 负二项回归模型
    • 7.3 零膨胀回归模型
    • 7.4 计数模型综合示例
    • 7.5 大数据场景案例分析
  • 8 高维数据的套索回归模型
    • 8.1 高维数据与正则化方法
    • 8.2 套索回归模型
    • 8.3 超参数的设定
    • 8.4 模型估计与评估
    • 8.5 案例分析
虚拟变量的特殊应用
暂无内容