|
| 編輯推薦： |
|
本书获得过清华大学2011届优秀博士学位论文一等奖，2016中国经济学优秀博士论文奖。研究的对象高维因子模型是当前大数据研究的重要工具，相关内容是属于该领域的前沿课题，国内尚未有相关书籍出版。是计量经济学和统计学等领域的专家学者、应用计量领域的专家学者的必备研究资料。书中主要内容陆续发表在《统计学年刊》Annals of Statistics、《经济与统 计评论》Review of Economics and Statistics等国际知名经济学、统计学学术期刊上。
|
| 內容簡介： |
|
高维因子模型是当前计量经济学中的一个重要模型。以美国美联储前主席Ben S. Bernanke、哈佛大学教授James H. Stock以及普林斯顿大学教授Mark M. Watson为代表的欧美学者，在广泛的实证研究中发现，经过高维因子模型增广的计量经济学模型在宏观经济预测Stock and Watson, 2002, JBES、政策效果评价Bernanke, Bovin and Eliasz, 2005, QJE以及经验事实挖掘Kose, Othok and Whiteman, 2003, AER上有着非常重要的应用。 然而现有的高维因子模型的分析，主要集中于主成分分析，更为一般的极大似然分析鲜有文献涉及。本书将建立极大似然分析框架作为研究的主要内容，系统地研究了高维因子模型极大似然估计量的一致性、收敛速度和渐近分布，填补了高维因子分析理论重要的理论空白。此外，作者还将研究思路拓展到存在交互效应的面板数据模型中，用新的框架研究了极大似然方法估计交互效应模型。相关理论成果对于拓展实证研究范围，提高实证研究的可信度有着重要的意义。
|
| 關於作者： |
|
李鲲鹏，现为首都经济贸易大学国际经管学院副教授。毕业于清华大学经济管理学院，获得经济学博士学位。到目前为止，在国内外高水平期刊上发表论文近20篇，包括Annals of Statistics、Review of Economics and Statistics、Journal of Business and Economic Statistics、Economics Letters、Econometric Reviews等，主持国家自然科学基金两项、教育部人文社科基金一项，是Journal of Econometrics、Journal of Business and Economic Statistics等知名期刊的匿名审稿人。 研究领域主要包括高维因子模型、面板数据模型、交互效应模型、空间计量模型等。目前教授首都经贸大学博士生和硕士生的计量经济学课程。
|
|
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
