前辅文
第一章 导论
1.计量经济学的两个公理及含义
2.矩阵符号
3.最优预测的含义
4.解释变量随机与否及影响
5.统计识别、因果识别与结构识别——以教育收益率为例
6.同方差无自相关假定
第一部分 数学基础
第二章 数学工具
1.矩阵代数
2.概率论
3.数值优化
4.蒙特卡罗模拟
5.动态规划
习题
第二部分 核心估计方法
第三章 最小二乘法
1.最小二乘方法的逻辑起点
2.线性最小二乘方法
3.非线性最小二乘方法
4.系统最小二乘估计
5.广义最小二乘法
习题
第四章 M估计方法
1.模型设定、参数识别与估计
2.M估计量的大样本性质
3.假设检验
4.两步估计法
习题
第五章 最大似然估计
1.最大似然估计逻辑的历史起点
2.最大似然估计逻辑的现代表述
3.信息矩阵等式
4.最大似然估计量的性质
5.一个应用
6.三大检验在MLE方法上的应用
7.分布设定正确性检验
8.拟最大似然估计
9.数值优化算法——BHHH法和BFGS法
习题
第三部分 因果识别策略
第三部分前言：从回归关系到因果关系
1.数据生成过程
2.回归关系
3.因果关系
4.回归关系具有因果解释的条件
5.导致内生性产生的常见原因
6.解决内生性的方法
第六章 工具变量方法
1.工具变量方法的基本原理
2.工具变量方法的一般设定
3. 2SLS还是OLS
4.工具变量方法案例分析：教育收益率再探讨
5.广义矩估计
6.多方程工具变量方法
7.联立方程组
8.非线性工具变量方法初步
9.最优工具变量定理
10. Bartik工具变量方法与Granular工具变量方法
11.外生变量与内生交叉项系数的识别
习题
第七章 面板数据模型
1.面板数据模型设定
2.混合最小二乘估计
3. GLS估计
4.随机效应模型：一个特殊的GLS
5.固定效应模型
6.随机效应模型还是固定效应模型
7.最小二乘虚拟变量估计量
8.不同面板数据模型的比较
9.面板数据模型中国经济案例分析——微观企业生产函数估计
10.面板数据模型工具变量方法
11.Hausman-Taylor模型
12.非线性面板数据模型初步
习题
第八章 处理效应模型
1.基本框架
2.处理效应
3.随机化实验：因果识别的黄金法则
4.双重差分法
5.匹配方法
6.工具变量方法
7.异质性处理效应的两个结构式方法：控制函数方法与矫正函数方法
8.断点回归设计
9.边际处理效应
习题
第九章 Tobit模型
1.截取、断尾、偶然断尾与样本选择
2.Tobit I模型
3.Tobit II模型
4.Tobit III模型
5.内生性问题
习题
第四部分 结构模型
第十章 离散选择（结构）模型
1.模型设定
2.参数识别
3.二值离散选择模型
4.多项选择离散选择模型
5.随机系数模型
6.面板数据离散选择模型
7.离散选择模型的内生性问题
8.动态离散选择结构模型
习题
参考文献
