具体描述
什么是合并时间序列？正如字面上所表达的，时间序列（在一个分析单位下规律出现的具有时间性的观测值）由横截面数据（在单独时间点上一个分析单位下的观测值）组成的一个数据集。这些分析单位可以是学校、健康组织、商业交易、城市、国家等。为什么需要进行“合并分析”呢？其中一个原因在于，当下研究者可以获得越来越多的相关横截面数据与时间序列数据。另外一个原因在于，将时间序列数据与横截面数据合并可以显著地扩大样本量，这使之前显得棘手的分析问题变为可能。
作者简介
洛伊斯·塞耶斯（Lois W. Sayrs），爱荷华大学政治学助理教授。她从西北大学获得政治学博士学位。她现在的研究兴趣包括国际冲突过程的离散选择模型以及国际政治经济学。
目录信息
序
第1章 导言
第2章 合并时间序列模型的理论推导
第1节 在应用中的合并
第2节 合并线性回归模型
第3节 四种合并模型
第4节 初步诊断与残差分析
第3章 恒定系数模型
第1节 估计恒定系数模型
第2节 纠正自相关
第3节 异方差性
第4节 恒定系数模型的局限性
第4章 LSDV模型
第1节 异方差性与单位效应
第2节 估计LSDV模型
第5章 随机系数模型
第1节 估计随机系数模型：GLS方法
第2节 GLS模型的一个ARMA变异
第3节 GLS模型的一个看似不相关回归
第4节 Swamy随机系数模型
第5节 Hsiao随机系数模型
第6节 转换模型
第7节 ARCH模型
第8节 随机系数模型的总结
第6章 结构方程模型
第1节 两步估计
第2节 最大似然估计
第3节 LOGIT与PROBIT设定
第4节 最大似然法的总结
第7章 稳健性检验：这些估计值有多好？
第1节 稳健性估计函数
第2节 异方差性与稳健性
第8章 合并时间序列分析的总结
注释
参考文献
译名对照表
· · · · · · (收起)
第1章 导言
第2章 合并时间序列模型的理论推导
第1节 在应用中的合并
第2节 合并线性回归模型
第3节 四种合并模型
第4节 初步诊断与残差分析
第3章 恒定系数模型
第1节 估计恒定系数模型
第2节 纠正自相关
第3节 异方差性
第4节 恒定系数模型的局限性
第4章 LSDV模型
第1节 异方差性与单位效应
第2节 估计LSDV模型
第5章 随机系数模型
第1节 估计随机系数模型：GLS方法
第2节 GLS模型的一个ARMA变异
第3节 GLS模型的一个看似不相关回归
第4节 Swamy随机系数模型
第5节 Hsiao随机系数模型
第6节 转换模型
第7节 ARCH模型
第8节 随机系数模型的总结
第6章 结构方程模型
第1节 两步估计
第2节 最大似然估计
第3节 LOGIT与PROBIT设定
第4节 最大似然法的总结
第7章 稳健性检验：这些估计值有多好？
第1节 稳健性估计函数
第2节 异方差性与稳健性
第8章 合并时间序列分析的总结
注释
参考文献
译名对照表
· · · · · · (收起)
读后感
评分
评分
评分
评分
评分
用户评价
评分
横截面和纵贯结合的Pooled 时间序列分析。Pooling 在深度学习中被称为“池化”。
评分横截面和纵贯结合的Pooled 时间序列分析。Pooling 在深度学习中被称为“池化”。
评分横截面和纵贯结合的Pooled 时间序列分析。Pooling 在深度学习中被称为“池化”。
评分横截面和纵贯结合的Pooled 时间序列分析。Pooling 在深度学习中被称为“池化”。
评分横截面和纵贯结合的Pooled 时间序列分析。Pooling 在深度学习中被称为“池化”。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有