飛躍六十 迎向百年
【春節延後出貨公告】 親愛的五南會員:您好,適逢春節假期,五南官網均可正常下單購買, 惟2/5(一)中午12:00之後的網站訂單,物流停止送貨,將延至2/15(四)開工後正常出貨, 造成不便敬請見諒,五南祝您新年快樂!
主題書展 11/11-1/10 2024五南全書系書展!滿399送2025工商日誌一本(限量200本)/單書79雙書75高單/套書7折起、特價書66折起,滿599再95折
滿額優惠折扣 11/11-1/10 五南全書系書展!全站滿599再95折
  • 投影片(請電洽,僅供老師索取)
  • 投影片(請電洽,僅供老師索取)
    Chapter 01 追蹤資料/縱橫資料(Panel-Data)
    1-1 前言
    1-1-1 研究設計的類型
    1-1-2 各大學興起建立Panel 資料庫
    1-2 迴歸模型之重點整理
    1-2-1 簡單OLS 迴歸模型之重點整理
    1-2-2 線性:Panel 迴歸模型之重點整理
    1-3 追蹤資料(panel-data) 簡介
    1-3-1 橫斷面研究之侷限性
    1-3-2 縱貫面研究的種類
    1-3-3 縱貫面應用在社科研究之策略
    1-3-4 Panel 迴歸模型的優缺點
    1-3-5 追蹤資料的研究議題
    1-4 追蹤資料(panel-data) 分析之Stata 相關指令
    1-5 追蹤資料(panel-data) 之基本模型
    1-5-1 Panel 資料型態及其模型分類
    1-5-2 追蹤資料(panel-data) 模型:線性vs. 非線性模型
    1-5-3a 追蹤資料(panel-data) 模型認定(identify) 與假設
    1-5-3b FE、BE、RE 三種追蹤資料(panel-data) 分析原理之實例解說
    1-5-4 橫斷面:最小平方虛擬變數(LSDV) 迴歸模型之實作
    1-5-5 追蹤資料(panel-data) 模型認定( 固定vs. 隨機效果)的進階
    1-6 線性Panel 模型
    1-6-1 xtreg 指令之報表解說
    1-6-2 線性Panel 模型:xtreg 指令之五種效果型態
    1-6-2a 範例:xtreg 指令之五種追蹤資料(panel-data)效果型態
    1-6-2b 你該選Fixed Effects 或Random Effects 呢?用Hausman (1978) 檢定來判定
    1-6-3 Two-Way 效果模型( 固定效果reg、隨機/混合效果icc 指令)
    1-7 追蹤資料模型的效果選擇(pooled OLS、固定效果、隨機效果?)
    1-7-1 F 檢定( 該選pooled OLS vs. 固定效果?):「xtreg?, fe」指令
    1-7-2 Lagrange 乘數檢定(pooled OLS vs. 隨機效果?):隨機效果的事後指令xttest0
    1-7-3 F 檢定、Lagrange 乘數(multiplier) 檢定、Hausman 檢定之流程
    1-7-4 該選固定效果或隨機效果呢:Hausman 檢定(hausman 指令)

    Chapter 02 簡易Panel-Data 法( 混合資料OLS 法,reg 指令)
    2-1 最小平方法(OLS) 迴歸之假定(assumption)
    2-2 不同年代婦女生育能力有變化嗎?
    2-3 垃圾焚燒爐的位置對房價影響
    2-4 歷年犯罪率(Crime Rates in North Carolina)

    Chapter 03 時間序列之序列相關:線性動態模型
    3-1 認識自我相關(AR)、序列相關(SC)
    3-1-1 進行OLS 統計時應注意之事項
    3-1-2 Longitudinal data 之序列相關
    3-1-3 干擾項(Disturbances) 帶有AR(p) 結構(autoregressive of order p)
    3-1-4 偵測序列相關(SC) 之方法:線性動態模型
    3-1-4a Durbin-Watson 檢定法:限AR(1) 之偵測法
    3-1-4b 更高階之殘差AR(p) 的檢定法有三:線性動態模型
    3-2 Longitudinal data 序列相關( 先bgodfrey 偵測,再newey/prais指令解決)
    3-2-1 序列相關AR(3)( 先reg、bgodfrey 偵測,再newey 指令解決)
    3-2-2 序列相關AR(4)( 先dwatson、bgodfrey再newey/prais)
    3-3 更多時間序列範例:誤差項具有AR ?
    3-3-1 時間序列之誤差項有AR(1)( 先reg 再newey 指令修正AR1)
    3-3-2 偵測時間序列中誤差項AR(3)( 先reg, bgodfrey 再newey 指令)
    3-3-3 時間序列中誤差項帶有AR ( 先reg 再prais 指令)
    3-4 Panel-data 序列相關:Wooldridge 檢定(xtserial 指令)
    3-5 Panel-data 迴歸中誤差項有AR(1)
    3-5-1a 自我相關檢定方法一:誤差帶AR(1) 的xtregar 指令
    3-5-1b 自我相關檢定方法二:xtserial 指令
    3-5-1c 自我相關檢定方法三:先reg、ivreg2 再abar;直接xtabond2
    3-6 Panel 殘差之自我相關及殘差異質性之實作步驟
    3-6-1a 混合資料(pooled) 效果模型vs. 樣本平均(PA)模型誰優?
    3-6-1b 單因子個體效果vs. 單因子時間效果
    3-6-1c 判定固定效果或隨機效果呢? (hausman 指令)
    3-6-1d 誤差帶AR(1) 之Panel 模型? (xtregar 指令)
    3-6-1e 偵測Panel 誤差異質性(xttest3)、自我相關(xttest2 指令)
    3-6-1f 一併處理Panel 誤差異質性、自我相關(xtgls 指令)

    Chapter 04 誤差變異之異質性(xtgls 指令為主流)
    4-1 殘差之變異數
    4-1-1 誤差變異σ2εit 的觀念
    4-1-2 誤差變異σ2εit 的偵測法
    4-2 偵測誤差之異質性(Heteroskedasticity)
    4-2-1 橫斷面OLS 迴歸:殘差異質性診斷(hettest 指令)
    4-2-2 殘差異質的改善:OLS 改成Robust 迴歸
    4-2-3 橫斷面之誤差異質性:需ln() 變數變換( 先reg 再whitetst 指令)
    4-2-4 縱貫面之誤差異質性( 先reg 再bpagan 指令)
    4-2-5 縱貫面(Longitudinal-data) 誤差ARCH(先reg 再bpagan 指令)
    4-3 Panel-data 誤差變異σ2εit 的相依性及異質性
    4-3-1 Panel-data 相依性/同時期相關檢定(先xtgls 再xttest2 指令)
    4-3-2a 偵測Panel-data 之σ2εit 異質性(方法一:先xtgls 再lrtest 指令)
    4-3-2b 異質性Panel-data 二種誤差相關性(xtgls?, panels(hetero)corr(ar1) 等選項)
    4-3-2c 偵測Panel-data 之σ2εit 異質性(方法二:直接用lmhlrxt 指令)
    4-3-3 FGLS 實作Panel-data 之誤差自我相關及誤差異質變異(xtgls 指令)
    4-4 Panel-data 有誤差自我相關且異質的誤差變異(xtpcse 指令)

    Chapter 05 追蹤資料(Panel-Data) 迴歸之進階
    5-1 追蹤資料/縱橫資料(panel-data)
    5-1-1 追蹤資料之迴歸模型(panel-data Regression Model)
    5-1-2 Stata 在追蹤資料(panel-data) 的應用
    5-2 Panel「wide form」轉成「long form」: wages 範例
    5-3 長型(Long) panels
    5-3-1 長型(Long) panels 特性
    5-3-2 長型(Long) panels 的指令
    5-4 線性panel 之六種估計法
    5-4-1 混合資料OLS 法(reg 指令)
    5-4-2 混合資料OLS 法(reg, vce(cluster i) 指令)
    5-4-3 混合資料OLS 法(「xtgee, corr(ar 2) vce(robust)」指令)
    5-4-4 組間之廣義最小平方(Between GLS) 估計(xtreg, be 指令)
    5-4-5 固定效果(or within) 之估計(xtreg, fe 指令)
    5-4-6 隨機效果之估計(xtreg, re 指令)
    5-4-7 帶有單根,一階差分估計 (reg, vce(cluster i) 指令)
    5-4-8 線性panel 各估計法之se 比較
    5-5 固定效果vs. 隨機效果之選擇
    5-6 Panel IV( 工具變數):xtivreg 指令之一階差分
    5-7 隨機係數(Random coefficients) 模型(xtrc 指令)

    Chapter 06 聯立方程式( 內生的共變):工具變數及兩階段最小平方法(2SLS)
    6-1 工具變數及兩階段最小平方法(2SLS)
    6-1-1 進行OLS 統計分析時應注意之事項
    6-1-2 工具變數(IV) 之重點整理
    6-1-3 隨機解釋變數X(random regressor) 與工具變數Z(instrumental variable)
    6-1-4a 單一工具變數及單一內生變數:內生性檢定
    6-1-4b 兩階段最小平方法迴歸:Wu-Hausman 內生性檢定(「estat endogenous」指令)
    6-1-5 為何需要多個工具變數?
    6-1-6 工具變數(instrumental variables) 在教育的應用
    6-1-7 兩階段迴歸vs. 最小平方法迴歸之範例
    6-2 橫斷面/ panel:如何偵測需要工具變數呢?
    6-2-1 為何「教育水準」需要多個工具變數Z 呢?
    6-2-2 橫斷面Hausman 檢定:OLS vs. 2SLS 誰優?(hausman 指令)
    6-2-3 Panel-data Hausman-Taylor 法:需工具變數嗎?(xthtaylor)
    6-2-4 橫斷面:雙工具變數之兩階段迴歸(ivregress 2sls 指令)
    6-2-5 橫斷面:單一工具變數之二階probit 迴歸(ivprobit?, twostep 指令)
    6-3 Panel-data:工具變數及兩階段最小平方法(xtivreg 指令)
    6-3-1 線性panel 資料進階問題的處理:內生性/多層次
    6-3-2 偵測panel 資料之內生性(xtivreg 指令)
    6-3-2a Panel 固定效果:無工具變數xtreg vs. 有工具變數xtivreg 指令誰優?
    6-3-2b Panel 隨機效果有IV「G2SLS、EC2SLS 法」會比無IV 優嗎(xtivreg 指令)
    6-3-2c Panel-data 一階差分之估計:兩階段迴歸合(xtivreg?, fd 指令)

    Chapter 07 Panel-data 單根檢定及共整合
    7-1 時間序列:單根檢定(unit root test)
    7-1-1 時間序列:單根檢定法之解說
    7-1-2 單根檢定之流程
    7-1-3 認識常用的單根檢定法
    7-1-4 時間序列:ADF 單根檢定
    7-1-5 Augmented Dickey-Fuller(ADF) 單根檢定法
    7-2 常見panel-data 單根檢定法
    7-2-1 Panel-data: Levin and Lin Test (xtunitroot llc 指令)
    7-2-2 Panel-data: IPS 檢定(xtunitroot ips 指令)
    7-2-3 Panel-data: Fisher Test 檢定(xtunitroot fisher 指令)
    7-3 Panel-data 單根檢定之實例
    7-4 時間序列之共整合分析
    7-4-1 cointegration 分析步驟
    7-4-2 Stata 實例:時間序列之共整合分析
    7-5 Panel 共整合之解說
    7-6 以誤差修正為基礎之panel-data 共整合檢定
    7-6-1 以誤差修正為基礎之共整合檢定公式
    7-6-2a 共整合檢定方法一:group-mean 檢定法
    7-6-2b 共整合檢定方法二:panel 檢定法
    7-6-2c 漸進檢定分配(asymptotic test distribution)
    7-6-2d 橫斷面之相依性(cross-sectional dependence)
    7-7 誤差修正為基礎之panel-data 共整合的實證研究
    7-7-1 xtwest 指令語法
    7-7-2 Error-correction-based 之panel 共整合分析(xtwest 指令)

    Chapter 08 非線性:計數型panel 模型
    8-1 非線性panel models 之應用領域
    8-1-1 非線性:Panel 迴歸模型之分類
    8-1-2 計數型(Count) 模型:Zero-inflated Poisson 迴歸之解說
    8-1-3 非線性:Panel 迴歸模型之重點整理
    8-1-4 非線性panel models 的指令
    8-2 非線性Panel 四種估計法
    8-2-1 非線性Panel:Pooled 法或Population-averaged 估計法
    8-2-2 非線性Panel:隨機效果估計
    8-2-3 非線性Panel:隨機斜率估計
    8-2-4 非線性Panel:固定效果(FE) 估計
    8-3 非線性Panel:計數型(count data) 迴歸之範例
    8-3-1 Nonlinear panel:計數型(count) 迴歸之各指令
    8-3-2 Count data 過度分散(over dispersed) 範例(xtsum 指令)
    8-4 概似為基礎(Likelihood-based) 之Count 模型各種指令的解說
    8-4-1 Panel Poisson 方法一:pooled Poisson 迴歸(poisson 指令)
    8-4-2 Panel Poisson 方法二:樣本平均(PA)Poisson 迴歸(xtgee 指令)
    8-4-3a Panel Poisson 方法三:隨機效果(RE) 之gamma 隨機效果(xtpoisson, re 指令)
    8-4-3b Panel Poisson 方法四:隨機效果(RE) 之normal 隨機效果(xtpoisson, re 指令)
    8-4-4 Panel Poisson 方法五:固定效果(「xtpoisson, fe」、「xtpqml,fe」指令)
    8-4-5 上述五種「帶cluster-robust 標準誤之Poisson 估計」的比較
    8-4-6 動差為基礎,固定效果計數型panel (FE count panel)
    8-4-7 Panel Poisson 方法六:廣義動差法(GMM)
    8-4-7a 橫斷面、線性:廣義動差法(GMM) 估計
    8-4-7b 線性兩階段最小平方(ivregress 2sls):廣義動差法(GMM) 估計
    8-4-7c 帶Lag 項CAPM 模型:廣義動差法(GMM) 的估計
    8-4-7d 帶Endogenous regressor 之Poisson 模型:廣義動差法(GMM)
    8-4-7e Logit Panel 模型:使用xtgee、xtlogit 指令
    8-5 多層次混合(Multilevel mixed) 模型
    8-5-1a 分層隨機抽樣
    8-5-1b 偵測兩個敵對模型,誰比較適配你的樣本?
    8-5-2a 線性、橫斷面:多層次混合迴歸(xtmixed 指
    8-5-2b 線性、縱貫面:Mixed 或multilevel 或hierarchical model(xtmixed 指令)
    8-5-2c 線性、縱貫面:多層成長模型(xtmixed 指令)
    8-5-2d 追蹤(panel) 資料:多層隨機截距/隨機斜率模型(xtmixed 指令)
    8-5-2e 追蹤(panel) 資料:三層之隨機截距/隨機斜率模型(xtmixed 指令)
    8-5-3 線性:廣義估計方程式(GEE) 分析Panel-data(xtgee 指令)
    8-5-4a 非線性:雙層次混合Logistic 迴歸(xtmelogit 指令)
    8-5-4b 非線性:三層次Logistic 迴歸(xtmelogit 指令)
    8-5-5 非線性計數型迴歸:三層次Poisson 迴歸(xtmepoisson 指令)
    8-5-6 異質性誤差之隨機截距或混合效果模型(xtmixed 指令)
    8-5-7 潛在成長曲線(xtmixed+ nlcom 指令)
    8-6 群聚的資料(clustered data)
    8-6-1 群聚資料之panel 模型( 指令「xtreg?, vce (cluster)」)
    8-6-2 群聚資料(clustered data) 之Stata 估計
    8-6-3 群聚資料(clustered data) 實作( 各種迴歸模型)

    Chapter 09 線性:動態Panel-Data 模型
    9-1 經濟數學模型
    9-2 線性:動態(dynamic) panel 模型
    9-2-1 線性動態panel 模型:廣義動差法(xtabond、xtdpd 指令)
    9-2-2a GMM 應用於動態Panel Data 模型
    9-2-2b 線性動態panel 模型:廣義動差法(xtdpdsys、gmm 指令)
    9-2-3 Arellano-Bond 線性動態panel-data 估計(xtabond 指令)
    9-2-3a Arellano-Bond 一階差分動態模型(xtabond 指令)
    9-2-3b 比較Arellano-Bond 一階差分動態四種模型(xtabond 指令)
    9-2-4 Arellano-Bond 線性動態panel-data 估計(xtdpd 指令)

    參考文獻
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
圖片待上傳
    
申訴專線:02-2705-5066分機808 客服專線:02-27055066 傳真:02-27066100
五南圖書出版股份有限公司 統編:04249263 地址:106台北市和平東路二段339號4樓
劃撥帳號:01068953[請註明收件人、地址、手機及e-mail信箱供寄書用]