新書推薦：
《
历史的严妆：解读道学阴影下的南宋史学（中华学术·有道）
》
售價：NT$
500.0
《
海外中国研究·江南：中国文雅的源流
》
售價：NT$
347.0
《
迟缓的巨人：“大而不能倒”的反思与人性化转向
》
售價：NT$
352.0
《
我们去往何方：身体、身份和个人价值
》
售價：NT$
305.0
《
大学问·批判的武器：罗莎·卢森堡与同时代思想者的论争
》
售價：NT$
449.0
《
低薪困境：剖析日本经济低迷的根本原因
》
售價：NT$
301.0
《
穷人的银行家（诺贝尔和平奖获得者穆罕默德·尤努斯自传）
》
售價：NT$
347.0
《
绵延：文明分野与文化演进
》
售價：NT$
301.0
|
| 內容簡介： |
●Panel-data迴歸是大量應用於經濟、統計、社會和醫學領域的熱門分析工具，研究者不可不學。
●本書內容結合「理論、方法、統計」，幫助您正確、精準處理Panel-data迴歸模型。
●完整剖析各項統計分析技巧，模型建立好簡單，迅速提升研究力！
●圖解操作流程，跟著老師的指示，無痛學習STATA指令功能。
●本書範例結合光碟檔案學習，帶領讀者熟悉軟體及統計觀念，一步一步深入分析。
要真正了解現代經濟生活的數量關係，「統計學」、「經濟理論」與「數學」皆是不可或缺。「計量經濟學」便是整合了這三者，藉由統計工具將經濟理論付諸實際的實用學科。
其中，panal-data迴歸模型包含樣本單位在某一時點上的多項特性，以及在一段時間內的連續觀察。這種結合橫斷面與時間數列的資料型態，不僅可應用於個體、總體經濟領域，更能延伸至社會科學、醫學及金融領域。
本書利用STATA統計軟體，幫助研究者正確、精準地使用panel-data迴歸模型。STATA功能龐大，眾多內建（外掛）指令，幾乎囊括SPSS、SAS、LISRELHLM、jMulti、Gretl、AMOS、LIMDEP及Eviews的處理能力。在此則專注在STATA處理panel-data迴歸模型的各項統計概念及分析技巧。
本書各章皆有實際案例分析，配合光碟附檔與書中圖文指示練習，可讓學習者及研究者快速熟悉STATA統計軟體的操作、強化統計分析的基本功。
|
| 關於作者： |
張紹勳
學歷：國立政治大學資訊管理博士
現任：國立彰化師大專任教授
經歷：致理技術專任副教授
研究助理簡介
張任坊
國立海洋大學商船系
張博一
國立台北大學通訊工程學系
|
| 目錄：
|
Chapter01追蹤資料／縱橫資料Panel-Data
1-1前言
1-1-1 研究設計的類型
1-1-2 各大學興起建立Panel資料庫
1-2迴歸模型之重點整理
1-2-1 簡單OLS迴歸模型之重點整理
1-2-2 線性：Panel迴歸模型之重點整理
1-3追蹤資料panel-data簡介
1-3-1 橫斷面研究之侷限性
1-3-2 縱貫面研究的種類
1-3-3 縱貫面應用在社科研究之策略
1-3-4 Panel迴歸模型的優缺點
1-3-5 追蹤資料的研究議題
1-4追蹤資料panel-data分析之Stata相關指令
1-5追蹤資料panel-data之基本模型
1-5-1 Panel資料型態及其模型分類
1-5-2 追蹤資料panel-data模型：線性vs.非線性模型
1-5-3a 追蹤資料panel-data模型認定identify與假設
1-5-3b FE、BE、RE三種追蹤資料panel-data分析原理之實例解說
1-5-4 橫斷面：最小平方虛擬變數LSDV迴歸模型之實作
1-5-5 追蹤資料panel-data模型認定固定vs.隨機效果的進階
1-6線性Panel模型
1-6-1 xtreg指令之報表解說
1-6-2 線性Panel模型：xtreg指令之五種效果型態
1-6-2a 範例：xtreg指令之五種追蹤資料panel-data效果型態
1-6-2b 你該選FixedEffects或RandomEffects呢？用Hausman1978檢定來判定
1-6-3 Two-Way效果模型固定效果reg、隨機／混合效果icc指令
1-7追蹤資料模型的效果選擇pooledOLS、固定效果、隨機效果
1-7-1 F檢定該選pooledOLSvs.固定效果 ：「xtreg ,fe」指令
1-7-2 Lagrange乘數檢定pooledOLSvs.隨機效果 ：隨機效果的事後指令xttest0
1-7-3 F檢定、Lagrange乘數multiplier檢定、Hausman檢定之流程
1-7-4 該選固定效果或隨機效果呢：Hausman檢定hausman指令
Chapter02簡易Panel-Data法混合資料OLS法，reg指令
2-1最小平方法OLS迴歸之假定assumption
2-2不同年代婦女生育能力有變化嗎？
2-3垃圾焚燒爐的位置對房價影響
2-4歷年犯罪率CrimeRatesinNorthCarolina
Chapter03時間序列之序列相關：線性動態模型
3-1認識自我相關AR、序列相關SC
3-1-1 進行OLS統計時應注意之事項
3-1-2 Longitudinaldata之序列相關
3-1-3 干擾項Disturbances帶有ARp結構autoregressiveoforderp
3-1-4 偵測序列相關SC之方法：線性動態模型
3-1-4a Durbin-Watson檢定法：限AR1之偵測法
3-1-4b 更高階之殘差ARp的檢定法有三：線性動態模型
3-2Longitudinaldata序列相關先bgodfrey偵測，再neweyprais指令解決
3-2-1 序列相關AR3先reg、bgodfrey偵測，再newey指令解決
3-2-2 序列相關AR4先dwatson、bgodfrey再neweyprais
3-3更多時間序列範例：誤差項具有AR？
3-3-1 時間序列之誤差項有AR1先reg再newey指令修正AR1
3-3-2 偵測時間序列中誤差項AR3先reg,bgodfrey再newey指令
3-3-3 時間序列中誤差項帶有AR先reg再prais指令
3-4Panel-data序列相關：Wooldridge檢定xtserial指令
3-5Panel-data迴歸中誤差項有AR1
3-5-1a 自我相關檢定方法一：誤差帶AR1的xtregar指令
3-5-1b 自我相關檢定方法二：xtserial指令
3-5-1c 自我相關檢定方法三：先reg、ivreg2再abar；直接xtabond2
3-6Panel殘差之自我相關及殘差異質性之實作步驟
3-6-1a 混合資料pooled效果模型vs.樣本平均PA模型誰優？
3-6-1b 單因子個體效果vs.單因子時間效果
3-6-1c 判定固定效果或隨機效果呢？hausman指令
3-6-1d 誤差帶AR1之Panel模型？xtregar指令
3-6-1e 偵測Panel誤差異質性xttest3、自我相關xttest2指令
3-6-1f 一併處理Panel誤差異質性、自我相關xtgls指令
Chapter04誤差變異之異質性xtgls指令為主流
4-1殘差之變異數
4-1-1 誤差變異σ2εit的觀念
4-1-2 誤差變異σ2εit的偵測法
4-2偵測誤差之異質性Heteroskedasticity
4-2-1 橫斷面OLS迴歸：殘差異質性診斷hettest指令
4-2-2 殘差異質的改善：OLS改成Robust迴歸
4-2-3 橫斷面之誤差異質性：需ln變數變換先reg再whitetst指令
4-2-4 縱貫面之誤差異質性先reg再bpagan指令
4-2-5 縱貫面Longitudinal-data誤差ARCH先reg再bpagan指令
4-3Panel-data誤差變異σ2εit的相依性及異質性
4-3-1 Panel-data相依性／同時期相關檢定先xtgls再xttest2指令
4-3-2a 偵測Panel-data之σ2εit異質性方法一：先xtgls再lrtest指令
4-3-2b 異質性Panel-data二種誤差相關性xtgls ,panelsheterocorrar1等選項
4-3-2c 偵測Panel-data之σ2εit異質性方法二：直接用lmhlrxt指令
4-3-3 FGLS實作Panel-data之誤差自我相關及誤差異質變異xtgls指令
4-4Panel-data有誤差自我相關且異質的誤差變異xtpcse指令
Chapter05追蹤資料Panel-Data迴歸之進階
5-1追蹤資料／縱橫資料panel-data
5-1-1 追蹤資料之迴歸模型panel-dataRegressionModel
5-1-2 Stata在追蹤資料panel-data的應用
5-2Panel「wideform」轉成「longform」:wages範例
5-3長型Longpanels
5-3-1 長型Longpanels特性
5-3-2 長型Longpanels的指令
5-4線性panel之六種估計法
5-4-1 混合資料OLS法reg指令
5-4-2 混合資料OLS法reg,vceclusteri指令
5-4-3 混合資料OLS法「xtgee,corrar2vcerobust」指令
5-4-4 組間之廣義最小平方BetweenGLS估計xtreg,be指令
5-4-5 固定效果orwithin之估計xtreg,fe指令
5-4-6 隨機效果之估計xtreg,re指令
5-4-7 帶有單根，一階差分估計reg,vceclusteri指令
5-4-8 線性panel各估計法之se比較
5-5固定效果vs.隨機效果之選擇
5-6PanelIV工具變數：xtivreg指令之一階差分
5-7隨機係數Randomcoefficients模型xtrc指令
Chapter06聯立方程式內生的共變：工具變數及兩階段最小平方法2SLS
6-1工具變數及兩階段最小平方法2SLS
6-1-1 進行OLS統計分析時應注意之事項
6-1-2 工具變數IV之重點整理
6-1-3 隨機解釋變數Xrandomregressor與工具變數Zinstrumentalvariable
6-1-4a 單一工具變數及單一內生變數：內生性檢定
6-1-4b 兩階段最小平方法迴歸：Wu-Hausman內生性檢定「estatendogenous」指令
6-1-5 為何需要多個工具變數？
6-1-6 工具變數instrumentalvariables在教育的應用
6-1-7 兩階段迴歸vs.最小平方法迴歸之範例
6-2橫斷面／panel：如何偵測需要工具變數呢？
6-2-1 為何「教育水準」需要多個工具變數Z呢？
6-2-2 橫斷面Hausman檢定：OLSvs.2SLS誰優？hausman指令
6-2-3 Panel-dataHausman-Taylor法：需工具變數嗎？xthtaylor
6-2-4 橫斷面：雙工具變數之兩階段迴歸ivregress2sls指令
6-2-5 橫斷面：單一工具變數之二階probit迴歸ivprobit ,twostep指令
6-3Panel-data：工具變數及兩階段最小平方法xtivreg指令
6-3-1 線性panel資料進階問題的處理：內生性／多層次
6-3-2 偵測panel資料之內生性xtivreg指令
6-3-2a Panel固定效果：無工具變數xtregvs.有工具變數xtivreg指令誰優？
6-3-2b Panel隨機效果有IV「G2SLS、EC2SLS法」會比無IV優嗎xtivreg指令
6-3-2c Panel-data一階差分之估計：兩階段迴歸合xtivreg ,fd指令
Chapter07Panel-data單根檢定及共整合
7-1時間序列：單根檢定unitroottest
7-1-1 時間序列：單根檢定法之解說
7-1-2 單根檢定之流程
7-1-3 認識常用的單根檢定法
7-1-4 時間序列：ADF單根檢定
7-1-5 AugmentedDickey-FullerADF單根檢定法
7-2常見panel-data單根檢定法
7-2-1 Panel-data:LevinandLinTestxtunitrootllc指令
7-2-2 Panel-data:IPS檢定xtunitrootips指令
7-2-3 Panel-data:FisherTest檢定xtunitrootfisher指令
7-3Panel-data單根檢定之實例
7-4時間序列之共整合分析
7-4-1 cointegration分析步驟
7-4-2 Stata實例：時間序列之共整合分析
7-5Panel共整合之解說
7-6以誤差修正為基礎之panel-data共整合檢定
7-6-1 以誤差修正為基礎之共整合檢定公式
7-6-2a 共整合檢定方法一：group-mean檢定法
7-6-2b 共整合檢定方法二：panel檢定法
7-6-2c 漸進檢定分配asymptotictestdistribution
7-6-2d 橫斷面之相依性cross-sectionaldependence
7-7誤差修正為基礎之panel-data共整合的實證研究
7-7-1 xtwest指令語法
7-7-2 Error-correction-based之panel共整合分析xtwest指令
Chapter08非線性：計數型panel模型
8-1非線性panelmodels之應用領域
8-1-1 非線性：Panel迴歸模型之分類
8-1-2 計數型Count模型：Zero-inflatedPoisson迴歸之解說
8-1-3 非線性：Panel迴歸模型之重點整理
8-1-4 非線性panelmodels的指令
8-2非線性Panel四種估計法
8-2-1 非線性Panel：Pooled法或Population-averaged估計法
8-2-2 非線性Panel：隨機效果估計
8-2-3 非線性Panel：隨機斜率估計
8-2-4 非線性Panel：固定效果FE估計
8-3非線性Panel：計數型countdata迴歸之範例
8-3-1 Nonlinearpanel：計數型count迴歸之各指令
8-3-2 Countdata過度分散overdispersed範例xtsum指令
8-4概似為基礎Likelihood-based之Count模型各種指令的解說
8-4-1 PanelPoisson方法一：pooledPoisson迴歸poisson指令
8-4-2 PanelPoisson方法二：樣本平均PAPoisson迴歸xtgee指令
8-4-3a PanelPoisson方法三：隨機效果RE之gamma隨機效果xtpoisson,re指令
8-4-3b PanelPoisson方法四：隨機效果RE之normal隨機效果xtpoisson,re指令
8-4-4 PanelPoisson方法五：固定效果「xtpoisson,fe」、「xtpqml,fe」指令
8-4-5 上述五種「帶cluster-robust標準誤之Poisson估計」的比較
8-4-6 動差為基礎，固定效果計數型panelFEcountpanel
8-4-7 PanelPoisson方法六：廣義動差法GMM
8-4-7a 橫斷面、線性：廣義動差法GMM估計
8-4-7b 線性兩階段最小平方ivregress2sls：廣義動差法GMM估計
8-4-7c 帶Lag項CAPM模型：廣義動差法GMM的估計
8-4-7d 帶Endogenousregressor之Poisson模型：廣義動差法GMM
8-4-7e LogitPanel模型：使用xtgee、xtlogit指令
8-5多層次混合Multilevelmixed模型
8-5-1a 分層隨機抽樣
8-5-1b 偵測兩個敵對模型，誰比較適配你的樣本？
8-5-2a 線性、橫斷面：多層次混合迴歸xtmixed指
8-5-2b 線性、縱貫面：Mixed或multilevel或hierarchicalmodelxtmixed指令
8-5-2c 線性、縱貫面：多層成長模型xtmixed指令
8-5-2d 追蹤panel資料：多層隨機截距／隨機斜率模型xtmixed指令
8-5-2e 追蹤panel資料：三層之隨機截距／隨機斜率模型xtmixed指令
8-5-3 線性：廣義估計方程式GEE分析Panel-dataxtgee指令
8-5-4a 非線性：雙層次混合Logistic迴歸xtmelogit指令
8-5-4b 非線性：三層次Logistic迴歸xtmelogit指令
8-5-5 非線性計數型迴歸：三層次Poisson迴歸xtmepoisson指令
8-5-6 異質性誤差之隨機截距或混合效果模型xtmixed指令
8-5-7 潛在成長曲線xtmixed+nlcom指令
8-6群聚的資料clustereddata
8-6-1 群聚資料之panel模型指令「xtreg ,vcecluster」
8-6-2 群聚資料clustereddata之Stata估計
8-6-3 群聚資料clustereddata實作各種迴歸模型
Chapter09線性：動態Panel-Data模型
9-1經濟數學模型
9-2線性：動態dynamicpanel模型
9-2-1 線性動態panel模型：廣義動差法xtabond、xtdpd指令
9-2-2a GMM應用於動態PanelData模型
9-2-2b 線性動態panel模型：廣義動差法xtdpdsys、gmm指令
9-2-3 Arellano-Bond線性動態panel-data估計xtabond指令
9-2-3a Arellano-Bond一階差分動態模型xtabond指令
9-2-3b 比較Arellano-Bond一階差分動態四種模型xtabond指令
9-2-4 Arellano-Bond線性動態panel-data估計xtdpd指令
參考文獻
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
