非參數(shù)計(jì)量經(jīng)濟(jì)學(xué)理論和應(yīng)用是當(dāng)前計(jì)量經(jīng)濟(jì)學(xué)的重要研究領(lǐng)域。寫本書的動機(jī)是為研究生提供一本學(xué)習(xí)“非參數(shù)計(jì)量經(jīng)濟(jì)學(xué)”的中文教材或參考書。
自2008年9月至今，我一直承擔(dān)中山大學(xué)嶺南(大學(xué))學(xué)院博士研究生“高級計(jì)量經(jīng)濟(jì)學(xué)Ⅱ：非參數(shù)估計(jì)”課程的教學(xué)，也一直在思考，如何讓學(xué)生更好地領(lǐng)會非參數(shù)和半?yún)?shù)估計(jì)的動因。教學(xué)中發(fā)現(xiàn)，非參數(shù)估計(jì)的動因講起來容易，即讓模型設(shè)定形式更富靈活性，但真正使學(xué)生理解、感興趣和恰當(dāng)應(yīng)用非參數(shù)估計(jì)方法真不是一件輕松活。
長期以來，同學(xué)們習(xí)慣于參數(shù)回歸模型的設(shè)定、估計(jì)和檢驗(yàn)，熟悉OLS、工具變量、GMM等參數(shù)估計(jì)和檢驗(yàn)方法；而且，相當(dāng)喜歡EViews、Stata等計(jì)量經(jīng)濟(jì)軟件的命令操作，因?yàn)楣潭ǖ木�性回歸模型形式的設(shè)定配以高效的計(jì)量軟件操作可以產(chǎn)生高效率的實(shí)證研究文章。不過，別人(評審人)常從研究的嚴(yán)謹(jǐn)性角度，質(zhì)疑研究文章中所用計(jì)量方法的合理性，所得結(jié)論和推斷的可靠性。國內(nèi)計(jì)量經(jīng)濟(jì)學(xué)者早在2008年就對計(jì)量經(jīng)濟(jì)學(xué)應(yīng)用研究中的總體回歸模型設(shè)定問題作了系統(tǒng)闡述(李子奈，2008)，即使是國內(nèi)具有較高學(xué)術(shù)水平和重要應(yīng)用價(jià)值的已發(fā)表論文，從計(jì)量經(jīng)濟(jì)學(xué)模型總體設(shè)定的角度看，也是值得討論的。盡管這些總體回歸模型設(shè)定的原則(如唯一性、一般性、現(xiàn)實(shí)性和統(tǒng)計(jì)檢驗(yàn)必要性等)是從參數(shù)模型的角度提出，但其邏輯性思想同樣適合于非參數(shù)計(jì)量經(jīng)濟(jì)學(xué)建模。
模型總體設(shè)定的合理性和可信性是計(jì)量經(jīng)濟(jì)實(shí)證研究的關(guān)鍵點(diǎn)。正如李子奈教授指出的，實(shí)證研究中問題多多、錯誤普遍的重要原因主要是我們?nèi)狈τ?jì)量經(jīng)濟(jì)學(xué)模型方法論基礎(chǔ)的研究和理解。計(jì)量經(jīng)濟(jì)學(xué)作為一種方法論，其哲學(xué)基礎(chǔ)、經(jīng)濟(jì)學(xué)基礎(chǔ)、數(shù)學(xué)基礎(chǔ)和統(tǒng)計(jì)學(xué)基礎(chǔ)應(yīng)受到足夠的重視。教學(xué)中，教師如何讓學(xué)生更好地領(lǐng)會計(jì)量模型總體設(shè)定的合理性和不足點(diǎn)是一個重要的問題。同學(xué)們在模型選擇時經(jīng)常產(chǎn)生諸多困惑：為什么選擇這種設(shè)定而不用那種設(shè)定？為什么一種估計(jì)結(jié)果比另一種估計(jì)更合適？在什么情況下需懷疑所用模型的設(shè)定形式，進(jìn)而使用非參數(shù)或半?yún)?shù)估計(jì)？為什么、怎樣進(jìn)行總體回歸模型的設(shè)定檢驗(yàn)？
本書希望從非參數(shù)和半?yún)?shù)回歸模型的角度介紹模型總體設(shè)定的估計(jì)方法，
闡述非參數(shù)和半?yún)?shù)估計(jì)的基本內(nèi)容，力圖使不同內(nèi)容之間的聯(lián)系富有邏輯性；同時希望學(xué)生和讀者在閱讀本書后，可以在計(jì)量實(shí)證分析方面做出更好的研究成果。
本書共有七章。第1章給出本書的基礎(chǔ)準(zhǔn)備知識，并闡述非參數(shù)和半?yún)?shù)估計(jì)的動因，配以數(shù)值模擬說明。第2章介紹密度函數(shù)的非參數(shù)核估計(jì)方法，闡述密度函數(shù)核估計(jì)的有限樣本和大樣本性質(zhì)。第3章介紹回歸函數(shù)非參數(shù)核估計(jì)方法及模型設(shè)定檢驗(yàn)。第4章介紹部分線性回歸模型和變系數(shù)回歸模型的半?yún)?shù)估計(jì)方法，同時也涉及模型的設(shè)定檢驗(yàn)。第5章介紹單指數(shù)模型的半?yún)?shù)估計(jì)方法，并對二元選擇模型等受限因變量模型的半?yún)?shù)估計(jì)方法作一簡單介紹。第6章介紹加法模型的估計(jì)方法。第7章介紹面板數(shù)據(jù)模型的非參數(shù)估計(jì)和檢驗(yàn)方法。
本書附錄部分給出各章模擬和應(yīng)用例子的GAUSS程序，供讀者學(xué)習(xí)時參考。雖然這部分內(nèi)容較多，但作者覺得同學(xué)們學(xué)會編程是值得的。作者在這部分列出的是經(jīng)測試運(yùn)行相對穩(wěn)定的程序，稍加修改可用于具體問題研究。除例5．3由單純形法求解最小化問題的GAUSS段落程序AMOEB(見程序ex53)和例7．3面板數(shù)據(jù)非參數(shù)固定效應(yīng)模型估計(jì)的GAUSS程序(見程序ex73)由作者根據(jù)D． J． Henderson提供的Matlab程序加以修改之外，其他各例的程序均由作者自己編寫開發(fā)。作者希望這份艱辛能對同學(xué)們學(xué)習(xí)非參數(shù)估計(jì)方法有所幫助，當(dāng)然，也希望讀者在應(yīng)用之后提出修改或完善程序的意見。
非參數(shù)計(jì)量經(jīng)濟(jì)學(xué)的內(nèi)容相當(dāng)豐富，本書只是介紹關(guān)于橫截面數(shù)據(jù)和面板數(shù)據(jù)對應(yīng)的部分內(nèi)容，希望讀者提出更好的建議和批評意見，以助作者進(jìn)一步完善對非參數(shù)計(jì)量經(jīng)濟(jì)學(xué)內(nèi)容的闡述和安排。
本書寫作過程中參考了國內(nèi)外許多非參數(shù)計(jì)量經(jīng)濟(jì)學(xué)方面的文獻(xiàn)和教材，特別是李奇教授的書(Li and Racine，2007)，衷心感謝這些學(xué)者。也感謝AMOEB程序的始編寫者，感謝Henderson教授的幫助。
本書撰寫是一個漫長的過程。在王美今教授的提議下嶺南學(xué)院于2008年就開設(shè)了“非參數(shù)估計(jì)”課程，讓我在這一教學(xué)平臺接觸許多優(yōu)秀的同學(xué)，逐漸萌發(fā)了編寫這本書的動機(jī)。感謝嶺南學(xué)院各屆領(lǐng)導(dǎo)和王美今教授的支持。
感謝李勝蘭教授和中山大學(xué)經(jīng)濟(jì)管理實(shí)驗(yàn)教學(xué)中心“第二屆實(shí)驗(yàn)課程建設(shè)項(xiàng)目”對本書出版的支持。感謝嶺南學(xué)院信息與教育中心郭凌、羅霖等老師對軟件運(yùn)行平臺AFS系統(tǒng)的維護(hù)，此平臺對計(jì)量經(jīng)濟(jì)學(xué)上機(jī)教學(xué)和本書GAUSS程序運(yùn)行起了重要作用。博士生潘哲文、竇智、歐陽夢倩、李赫揚(yáng)等同學(xué)參與了書稿的校對工作，我的歷屆研究生們在本書編寫過程中也給予了幫助，在此表示謝意。
最后，感謝清華大學(xué)出版社及陸浥晨編輯對本書出版提供的幫助，冀保存這份感激于以后的寫作中。
周先波
2016年6月于中山大學(xué)嶺南學(xué)院
第1章準(zhǔn)備知識及非參數(shù)和半?yún)?shù)估計(jì)的動因
1．1隨機(jī)變量及其分布
1．2隨機(jī)變量序列及Op(?瘙簚)和op(?瘙簚)的性質(zhì)
1．3收斂定理
1．4非參數(shù)與半?yún)?shù)估計(jì)的動因
1．5Monte Carlo模擬與bootstrap
1．6關(guān)于GAUSS編程
第2章密度函數(shù)的非參數(shù)估計(jì)
2．1密度函數(shù)的非參數(shù)核估計(jì)
2．2密度函數(shù)核估計(jì)的有限樣本性質(zhì)
2．3窗寬的選取
2．4密度函數(shù)核估計(jì)的大樣本性質(zhì)
2．5分布函數(shù)的核估計(jì)
2．6多元密度函數(shù)的核估計(jì)
2．7混合變量密度函數(shù)的頻率估計(jì)和核估計(jì)
2．8密度函數(shù)核估計(jì)的例子
第3章回歸函數(shù)的非參數(shù)核估計(jì)及檢驗(yàn)
3．1回歸函數(shù)的非參數(shù)核估計(jì)
3．2回歸函數(shù)核估計(jì)的偏誤與方差
3．3窗寬的選取
3．4回歸函數(shù)核估計(jì)的漸近性質(zhì)
3．5局部線性核估計(jì)
3．6含有離散型解釋變量的回歸函數(shù)的非參數(shù)核估計(jì)
3．7回歸模型參數(shù)設(shè)定的假設(shè)檢驗(yàn)
第4章部分線性模型和變系數(shù)模型的半?yún)?shù)估計(jì)
4.1部分線性回歸模型及其識別
4.2Robinson半?yún)?shù)估計(jì)方法
4.2.1參數(shù)部分的估計(jì)
4.2.2非參數(shù)部分的估計(jì)
4.3線性回歸模型與部分線性回歸模型的設(shè)定檢驗(yàn)
4.4廣義回歸模型
4.5變系數(shù)回歸模型的估計(jì)和檢驗(yàn)
4.5.1變系數(shù)模型的估計(jì)
4.5.2變系數(shù)模型的設(shè)定檢驗(yàn)
第5章單指數(shù)模型的半?yún)?shù)估計(jì)
5.1單指數(shù)模型的例子
5.1.1二元選擇模型(binary choice model)
5.1.2歸并數(shù)據(jù)回歸模型(censored regression model)
5.2單指數(shù)模型的識別
5.3單指數(shù)模型的半?yún)?shù)估計(jì)
5.3.1半?yún)?shù)最小二乘估計(jì)方法（SLS估計(jì)量，Ichimura估計(jì)量）
5.3.2直接半?yún)?shù)估計(jì)量（PSS估計(jì)量）
5.3.3非參數(shù)函數(shù)g(?瘙簚)的估計(jì)
5.4參數(shù)單指數(shù)模型的設(shè)定檢驗(yàn)
5.5二元選擇模型的半?yún)?shù)估計(jì)
5.5.1KleinSpady估計(jì)量
5.5.2Hermite多項(xiàng)式半?yún)?shù)估計(jì)方法
5.5.3Lewbel估計(jì)量
5.5.4最大秩相關(guān)估計(jì)量(MRC)
第6章加法模型的非參數(shù)估計(jì)
6.1加法模型的識別和邊際積分估計(jì)
6.2加法模型的Oracle有效估計(jì)
6.3加法模型的Backfitting估計(jì)量
6.4加法部分線性模型的估計(jì)方法
第7章面板數(shù)據(jù)模型的非參數(shù)估計(jì)和檢驗(yàn)
7.1混合數(shù)據(jù)非參數(shù)估計(jì)及可混合性檢驗(yàn)
7.1.1局部常數(shù)非參數(shù)估計(jì)量
7.1.2局部線性非參數(shù)估計(jì)量
7.1.3面板數(shù)據(jù)的可混合性(poolability)檢驗(yàn)
7.2隨機(jī)效應(yīng)模型的非參數(shù)估計(jì)
7.2.1不考慮擾動項(xiàng)的方差結(jié)構(gòu)
7.2.2考慮擾動項(xiàng)的方差結(jié)構(gòu)
7.2.3二步估計(jì)法
7.3固定效應(yīng)模型的非參數(shù)估計(jì)
7.4個體效應(yīng)的非參數(shù)Hausman檢驗(yàn)
7.5面板數(shù)據(jù)部分線性回歸模型的估計(jì)
7.5.1隨機(jī)效應(yīng)模型
7.5.2固定效應(yīng)模型
7.5.3模型設(shè)定檢驗(yàn)
參考文獻(xiàn)
附錄各章實(shí)例操作的GAUSS程序
新書資訊