兰草编写的《截面、面板数据分析与STATA应用》主要面向已具有一定计量经济学理论基础的大中院校学生,有助于提升他们的实际操作与应用能力。本书共分为十二章,前三章分别介绍Stata软件的基础知识、数据管理与基本统计分析应用、作图等基本功能;第四章则对经典计量经济学线性单方程模型基础理论、*小二乘估计方法等进行了介绍并通过具体案例演示在Stata11.0内进行参数估计、统计检验以及预测;第五章介绍了蒙特卡罗随机模拟方法;第六章到第九章则一一介绍了模型违背基本假设的情况,由于本书主要针对截面数据和面板数据,因此着重于异方差性、内生解释变量以及多重共线性的检验和修正;第十章和第十一章分析了面板数据模型和动态面板数据模型;本书*后一章则简要介绍了二元离散选择模型及其估计方法等。 截面、面板数据分析与STATA应用_兰草 编著_武汉大学出版社_

**章 Stata简介
1.1 Stata界面
1.2 Stata命令语句
1.3 do文件
1.4 日志(log)文件
1.5 共用宏和局部宏(Global and Local Macros)
1.6 Stata资源
1.7 小结
第二章 数据管理与概要统计分析
2.1 数据形式
2.2 数据录入
2.3 数据管理
2.4 数据集操作
2.5 概要统计分析
2.6 小结
第三章 作图与概要统计分析
3.1 二维标绘图(twoway graph)
3.2 条形图和点图
3.3 饼图
3.4 直方图
3.5 箱线图与散点矩阵图
3.6 图形管理与合并图形
3.7 小结
第四章 经典单方程线性模型
4.1 经典线性回归模型
4.2 线性回归模型的参数估计
4.3 线性回归模型统计检验
4.4 基本回归分析实例：Stata下的参数估计
4.5 预测
4.6 使用Stata菜单进行线性回归
4.7 小结
第五章 随机模拟
5.1 大样本(渐近)理论[Large-ample Theory(Asymptoties)]
5.2 伪随机数(Pseudorandom―number)的生成
5.3 随机模拟
5.4 小结
第六章 随机误差项假设诊断和广义*小二乘法
6.1 异方差性
6.2 序列相关性
6.3 广义*小二乘估计量(Generalized Least Square Estimator)
6.4 回归诊断和GLS在Stata中的实现：案例分析
6.5 调查数据：加权、聚类和分层
6.6 使用Stata菜单进行检验
6.7 小结
第七章 内生解释变量
7.1 内生解释变量的来源及后果
7.2 工具变量法
7.3 两阶段*小二乘法(TWO Stage Least Square Method)
7.4 内生性的豪斯曼检验
7.5 Stata下的工具变量估计量
7.6 小结
第八章 广义矩方法
8.1 弱工具变量(Weak Instruments)
8.2 弱工具变量的检验：实例分析
8.3 广义矩方法((~eneralized Method of Moments，GMM)
8.4 Stata下的GMM估计量
8.5 小结
第九章 多重共线性
9.1 多重共线性的分类与后果
9.2 多重共线性的检验
9.3 多重共线性的修正
9.4 Stata下的多重共线性
9.5 小结
第十章 线性面板数据模型
10.1 面板数据模型形式
10.2 面板数据模型参数估计方法
10.3 固定效应与随机效应
10.4 线性面板数据模型分析在Stata中的实现
10.5 小结
第十一章 动态面板数据模型
11.1 动态面板数据模型
11.2 动态面板数据模型估计法
11.3 带有序列相关性的动态面板数据模型
11.4 Stata下的动态面板数据分析
11.5 案例：香烟的动态需求
11.6 小结
第十二章 二元离散选择模型
12.1 二元选择模型
12.2 二元选择模型回归方法
12.3 Stata下的Probit与Logit模型估计
12.4 拟合优度和预测
12.5 Stata下的二元选择模型检验
12.6 边际效应(Marginal Effects)
12.7 小结
参考文献