截面相关条件下面板数据协整回归估计方法研究

1 绪论

1.1 本书的研究背景、问题和意义

1.1.1 本书研究的背景

1.1.2 本书研究的问题

1.1.3 本书研究的意义

1.2 研究思路、篇章结构与创新点

1.2.1 本书的研究思路

1.2.2 本书的篇章结构

1.2.3 本书的主要创新

1.3 本书的不足之处

2 文献综述

2.1 相关概念

2.1.1 面板非平稳分析

2.1.2 面板协整

2.1.3 面板协整回归估计

2.1.4 截面相关

2.1.5 长期协方差矩阵

2.1.6 异质性面板数据

2.2 截面相关性

2.2.1 截面相关的设定方法

2.2.2 刻划截面相关的方法

2.2.3 截面相关性对面板估计的影响

2.3 截面不相关假设下面板数据协整回归估计

2.3.1 完全修正最小二乘法

2.3.2 动态最小二乘法

2.3.3 完全修正最小二乘法与动态最小二乘法的比较

2.4 共同因子结构下截面相关面板数据回归估计

2.5 共同因子结构下非平稳面板协整回归估计

2.5.1 共同因子为平稳条件下的协整回归估计

2.5.2 带全局随机趋势的面板协整

2.6 面板数据协整回归中的异质性

2.6.1 面板协整回归中各个体间斜率系数Вi的异质性

2.6.2 面板协整回归长期协方差矩阵的异质性私

2.6.3 截面不相关条件下异方差面板数据协整回归估计

2.7 本章小结

3 面板协整回归新方法一带全局随机趋势的面板数据连续更新动态最小二乘（CupDOLS）

3.1 问题的提出

3.2 模型和假设

3.3 模型的估计

3.3.1 模型中不带有固定效应、时间效应和个体固定趋势

3.3.2 模型中仪带有个体固定效应

3.3.3 模型中带有个体固定效应和固定趋势

3.3.4 模型中同时带有个体固定效应和时间固定效应

3.4 模拟研究

3.5 Cup-Dols估计与CupFM的比较

3.6 本章小结

4 动态最小二乘回归中其他相关问题的研究

4.1 动态最小二乘回归中滞后项和超前项阶数的确定方法

4.1.1 动态最小二乘回归中滞后项和超前项阶数的两步确定法

4.1.2 动态最小二乘协整回归中滞后项和超前项阶数的逐步回归法

4.1.3 蒙特卡洛模拟

4.2 动态最小二乘回归估计中的假设检验

4.2.1 假设检验

4.2.2 模拟研究

4.3 本章小结

5 异质性面板数据的协整回归估计修正

5.1 问题的提出

5.2 共同因子平稳条件下面板数据截面长期协方差矩阵为异质性的协整回归估计

5.2.1 模型的提出

5.2.2 共同因子平稳条件下异质性面板数据协整回归模型的估计

5.2.3 随机模拟

5.2.4 结论

5.3 共同因子非平稳条件下的异质性面板协整回归估计

5.3.1 模型和假设

5.3.2 长期协方差矩阵异质性的协整回归估计完全修正最小二乘估计

5.3.3 蒙特卡洛模拟

5.3.4 结论

5.4 异质性协整回归估计相关问题的讨论

5.5 本章小结

6 面板协整回归估计应用——全国农村居民收入与消费关系的实证研究

6.1 本章的研究目的

6.2 相关文献综述

6.3 理论依据和理论方法

6.3.1 理论依据

6.3.2 理论方法

6.4 实证研究

6.4.1 数据的处理

6.4.2 协整分析

6.5 三种估计方法的样本内表现比较

6.6 回归结果的经济意义

6.7 本苹小结

7 结论与展望

7.1 本书的主要结论

7.2 未来研究方向

参考文献

附录：定理和引理的证明

致谢

面板数据模型由于其在理论上及方法上独到的优越性，如今已广泛地运用到各个领域，面板数据的建模技术近年来已得到飞速发展。面板数据的各个截面之间往往存在着相关性，而多个研究表明截面相关性的存在会影响到估计的一致性。《截面相关条件下面板数据协整回归估计方法研究》主要考察了截面相关条件下面板数据协整回归估计。