高維因子模型的極大似然分析

內容簡介

高維因子模型是當前計量經濟學中的一個重要模型。以美國美聯儲前主席Ben S. Bernanke、哈佛大學教授James H. Stock以及普林斯頓大學教授Mark M. Watson為代表的歐美學者，在廣泛的實證研究中發現，經過高維因子模型增廣的計量經濟學模型在巨觀經濟預測(Stock and Watson, 2002, JBES)、政策效果評價(Bernanke, Bovin and Eliasz, 2005, QJE)以及經驗事實挖掘(Kose, Othok and Whiteman, 2003, AER)上有著非常重要的套用。然而現有的高維因子模型的分析，主要集中於主成分分析，更為一般的極大似然分析鮮有文獻涉及。本書將建立極大似然分析框架作為研究的主要內容，系統地研究了高維因子模型極大似然估計量的一致性、收斂速度和漸近分布，填補了高維因子分析理論重要的理論空白。此外，作者還將研究思路拓展到存在互動效應的面板數據模型中，用新的框架研究了極大似然方法估計互動效應模型。相關理論成果對於拓展實證研究範圍，提高實證研究的可信度有著重要的意義。

作者簡介

李鯤鵬，現為首都經濟貿易大學國際經管學院副教授。畢業於清華大學經濟管理學院，獲得經濟學博士學位。到目前為止，在國內外高水平期刊上發表論文近20篇，包括Annals of Statistics、Review of Economics and Statistics、Journal of Business and Economic Statistics、Economics Letters、Econometric Reviews等，主持國家自然科學基金兩項、教育部人文社科基金一項，是Journal of Econometrics、Journal of Business and Economic Statistics等知名期刊的匿名審稿人。研究領域主要包括高維因子模型、面板數據模型、互動效應模型、空間計量模型等。目前教授首都經貿大學博士生和碩士生的計量經濟學課程。

高維因子模型的極大似然分析

基本介紹

內容簡介

作者簡介

熱門詞條