新書推薦：
《
留学早规划
》
售價：HK$
76.2
《
文化的演化：民众动机正在重塑世界
》
售價：HK$
88.5
《
布鲁克林有棵树（孩子喜欢的阅读经典读本 基于真实生活的全球经典成长小说 走出成长困境 追逐梦想 人生励志 自我塑造小说）
》
售價：HK$
76.2
《
构建未来教育图景：实践以学生为中心的育人模式
》
售價：HK$
87.4
《
技术统治（未来哲学系列）
》
售價：HK$
53.8
《
中考热点作家孙道荣2024年散文精选集三册
》
售價：HK$
127.7
《
全球城市案例研究2023：基于网络的合作与竞争国际经验借鉴
》
售價：HK$
199.4
《
引爆：炸药、硝酸盐和现代世界的形成
》
售價：HK$
85.1
|
| 編輯推薦： |
|
近年来，在计量经济学中创新性的部分识别方法开拓了一个急速发展的新兴领域，这一方法由于能够解决传统点识别的计量经济学无法应对的识别问题而受到学界瞩目。目前国内尚缺乏对部分识别方法系统而全面的说明，而本书恰好足以担此重任。本书作者为部分识别方法的开创者查尔斯·曼斯基的学生，对部分识别方法的基本原理及其在实证研究中的应用有充分且深刻的理解。通过学习本书，读者不仅可以基本掌握部分识别方法的理论内容，还能学会如何使用这一方法开展研究。
|
| 內容簡介： |
|
部分识别方法是颠覆既有计量经济学常识的创新性研究方法，这一方法不仅能够解决传统点识别的计量经济学无法应对的识别问题，对传统计量经济学建立在各种严格假设基础上的研究结论也提出了挑战。本书深入浅出地介绍了部分识别方法核心的理论思路，通过比较部分识别方法与运用强假设的传统计量经济学方法，说明了部分识别方法所具有的优势，并结合具体的案例和数据，向读者展示了部分识别在实际研究中的应用方法。
|
| 關於作者： |
|
奥村纲雄，日本经济学家，横滨国立大学国际社会科学研究院教授，美国西北大学经济学系访问学者，东京大学经济学博士。研究方向包括计量经济学、微观经济学、劳动经济学与金融学。
|
| 目錄：
|
1 何谓部分识别
1.1 引言
1.2 部分识别的想法
1.3 基本模型的设定
1.4 何谓识别问题
1.5 独立性假设和传统计量经济学
1.6 部分识别
1.7 没有使用任何假设的区间范围
1.8 结语
附录1
附录2
附录3
2 增函数假设的部分识别
2.1 引言
2.2 增函数假设的区间范围
2.3 凹性增函数假设的区间范围
2.4 供需函数变动的部分识别
2.5 结语
附录
3 工具变量假设和单调工具变量假设的部分识别
3.1 引言
3.2 工具变量假设的区间范围
3.3 单调工具变量假设的区间范围
3.4 线性函数的工具变量假设和单调工具变量假设的识别功效
3.5 结语
4 单调处理选择假设的部分识别
4.1 引言
4.2 单调处理选择假设的区间范围
4.3 凹性增函数假设和单调处理选择假设的区间范围
4.4 结语
5 部分识别的平均处理效应和概率分布的实证研究
5.1 引言
5.2 相对于随机化比较实验法和工具变量法的部分识别方法的优势：逮捕家庭暴力嫌疑者能够多大程度地防止其再次施暴
5.3 政策效果估计(项目评估)：食品配给政策的儿童健康影响效果
5.4 概率分布的估计：工资分布及使用工资分布估计的不平等程度
5.5 结语
6 博弈论的部分识别
6.1 引言
6.2 博弈多重均衡导致的识别问题
6.3 多重博弈均衡识别的部分识别方法
6.4 拍卖识别问题的部分识别方法
6.5 结语
7 部分识别的推断
7.1 引言
7.2 矩不等式
7.3 集合估计
7.4 置信集合
7.5 结语
参考文献
|
| 內容試閱：
|
本书讲解部分识别(partial identification)方法，部分识别方法是在计量经济学领域中得到迅速发展的新的研究方法。
在计量经济学中，存在着不能通过单纯分析可观察数据无法完全识别(不知道)原因影响结果的效应(因果效应)的本质性识别问题（identification problem）。对于这种因果效应的识别问题，传统计量经济学使用数据分布、描述因果效应的函数的多个假定(前提条件)识别因果效应。然而，由于存在(1)使用了便利的假设条件或缺乏可信度的假设条件和(2)估计结果随使用的假设条件不同而变化的问题，难以得到众人信服的估计结果。
对于上述问题，部分识别的计量经济学提示了解决因果识别问题的新方法。首先，部分识别方法在没有施加任何假设条件而单纯分析可观察数据的基础上，考虑是否能够识别(知道)某些因果效应的问题；其次，部分识别方法考虑在使用了多数人都可以接受的最低程度的假设条件的基础上展开因果效应分析，能够进一步地识别何种程度的因果效应。因此，在部分识别中，对于作为分析对象的因果效应，并不是精确定位地识别某些具体数值（点识别），而是识别(部分识别)作为因果效应的可能取值幅度(区间范围或值域)。
通过发展性地运用因果效应的部分识别，部分识别的计量经济学，使得点识别的传统计量经济学难以处理的(1)政策效果的评价和预测、(2)基于不等式假设条件的估计、(3)博弈论的实证分析、(4)数据缺失的估计等问题的分析成为可能。
由于识别问题是各领域的数据分析直接面临的共同问题，部分识别方法的运用并不局限于经济学，还可以多方面地广泛运用于教育学、政治学、犯罪学、医学、健康科学等领域。对于受到现有的点识别方法的限制而被认为无法分析的问题，部分识别方法提供了新的解决方法。因此，欧美学术界现在已经将部分识别方法作为计量经济学的标准工具而予以使用，研究生层次的计量经济学课程也将部分识别方法作为主要教学内容。在实际的分析应用中，部分识别方法开始成为政策评估和未来预测的主要工具。此外，部分识别方法也可称为区间范围(bounds)估计、集合识别(set identification)、集合估计(set estimation)、矩不等式(moment inequality)、不等式约束推断(inference based on inequality)等。
在1989年，时任美国西北大学教授的查尔斯?曼斯基（Charles Manski）着手创立了现已获得各种具体研究成果的“部分识别”的计量经济学。迄今为止，主要是以查尔斯?曼斯基教授为中心的研究群体发展了部分识别的计量经济学。因为部分识别的学术研究贡献，曼斯基教授在2009年入选美国科学院院士（fellow）、在2014年入选英国学士院通讯院士（corresponding fellow）、入选2015年度Thomson Reuters(现在的Clarivate Analytics)引用荣誉奖(诺贝尔经济学奖候选奖)、2017年入选美国经济学会杰出会员。
与国外状况相比，日本对于部分识别的理解还局限于计量经济学专业人员，有人可能还是初次遇到部分识别这个术语。实际上，基本还没有部分识别的日语文献。尽管海外已经出版了曼斯基教授的专著（Manski， 1995， 2003， 2005， 2007， 2013），但是一般的计量经济学教科书还没有详细讲解部分识别方法。
因此，为促进对部分识别的理解，本书将按部就班地讲解部分识别方法的要点。设想的读者对象是希望知道最新的计量经济学前沿的读者、希望从事社会科学数据分析和实证研究的读者、希望综合理解政策评估方法的读者，以及相应的大学生、研究生、研究人员、政策制定的参与者、经济学者等。为帮助没有计量经济学知识的读者直观地理解本书的内容，本书使用大家实际关心的社会现象的具体事例，通俗易懂地细致说明部分识别方法。本书使用的具体社会事例包括了(1)接受大学教育可以使得工资出现多大程度的变化?(2)枪支管制是否具有抑制犯罪的效果？(3)逮捕家庭暴力事件的嫌疑者是否能够预防家庭暴力事件？(4)在企业边观察竞争对手动向边进行是否进入市场的战略决策时，企业根据何种判断标准决定是否进入市场？
本书内容
第1章说明部分识别的基本想法。首先，使用数学公式将因果效应表示成平均处理效应；其次，说明何谓识别问题。此时，作为平均处理效应的事例，使用接受大学教育导致工资平均变化多少(大学教育收益)的事例进行具体说明。其次，说明点识别的传统计量经济学如何处理大学教育收益的识别问题，以及还存在哪些问题。在此基础上，再说明与传统的点识别方法相比，部分识别的计量经济学如何处理大学教育收益的识别问题。特别地，对于不使用任何假设条件而仅仅使用数据部分识别平均处理效应的方法，将大学教育收益作为具体事例，实际使用数据予以说明。使用部分识别方法可以得到像接受大学教育使得工资最低增加百分之多少或最高增加百分之多少的幅度形式（区间范围）表示的分析结果。部分识别的区间范围与统计估计问题的置信区间是两个完全不同的概念。
第2章至第5章使用大学教育收益等实证事例，说明在增加了多数人都可以接受的可信赖的弱假设条件时，如何识别平均处理效应的问题。经济学大多使用不等式形式的假设条件，点识别的传统计量经济学不能将不等式形式的假设条件作为识别条件进行使用。一方面，部分识别将不等式形式的假设作为识别条件予以使用。此时，作为可信赖的弱假设条件，增加不等式形式的假设条件时，需要说明如何识别平均处理效应可能进入的区间范围。
第2章将使用增函数假设的条件。在经济学中，增函数假设的条件可用于供给函数、生产函数、人力资本函数(教育效果)等，属于频繁使用的不等式的假设。在增函数假设的条件下，依据识别平均处理效应的区间范围，使用数据推断大学教育收益的区间范围。在增函数假设的条件下识别的区间范围要比第1章在没有任何假设条件的情况下识别的区间范围更窄。区间范围变窄的方式表示了增函数假设的条件所具有的识别功效（identification power）。然后，对于仅仅根据需求函数与供给函数的交点(均衡)数据，无法识别需求函数和供给函数的经典识别问题，说明使用部分识别方法可以进行供需函数的识别。此处，只要假设供给函数是价格的增函数和需求函数是价格的减函数，就可以充分使用基于增函数假设的条件得到的区间范围。
第3章将使用工具变量假设的条件(排除约束)。在工具变量假设的条件下，点识别的传统计量经济学使用工具变量处理识别问题。第3章说明在工具变量假设的条件下可以使用部分识别方法，按照区间范围的形式识别平均处理效应，进一步地在工具变量假设的基础上再增加使用线性函数假设的条件，才能得到工具变量的点估计值。在此基础上，考察将等式形式的工具变量假设弱化成不等式形式的单调工具变量假设。在实证研究中，即使认为候选的工具变量无法满足工具变量假设的条件，也可能设想候选的工具变量满足单调工具变量假设的条件。于是，可以使用单调工具变量假设的条件，识别平均处理效应的区间范围。
第4章将使用单调处理选择假设的条件。虽然最小二乘法等使用了独立性假设的条件(解释变量与误差项之间没有相关性的假设)，但是人们根据自己的能力和偏好选择解释变量时，独立性假设的条件无法得到满足。这种问题称为自选择(selection)问题，也是社会科学的数据分析常常直接面对的问题。然而，在这种情形中，常常可以设想将独立性假设的条件弱化成不等式形式的单调处理选择假设的条件。第4章分别考虑(1)在使用单调处理选择假设的条件时，(2)在同时使用单调处理选择假设和增函数假设的两种条件时，(3)在同时使用单调处理选择假设和凹性增函数假设的两种条件(边际生产力递减的假设)时的三种情形，识别各种情形的平均处理效应，指出在情形(3)中识别得到的区间范围具有较强的识别功效，再根据情形(3)的大学教育收益的区间范围估计值，说明既有的大学教育收益的点估计值存在着过高估计大学教育收益的可能性。
第5章将说明使用第1章至第4章解说的部分识别方法进行部分识别的三个实证事例。第一个事例是使用美国明尼苏达州的明尼阿波利斯市(Minneapolis)的警察随机决定是否逮捕家庭暴力事件的嫌疑者可以在多大程度上防止被捕的嫌疑者再次实施家庭暴力的随机化比较实验，说明相对于最小二乘法或工具变量法的点识别的估计值，部分识别方法的估计结果具有哪些优越性。第二个事例是使用部分识别方法估计美国实施的食品配给券政策在多大程度上改善了领取食品配给券家庭的儿童健康状况，再比较部分识别方法的估计值与最小二乘法的点估计值。第三个事例是使用部分识别方法估计包括实际就业个体的工资和没有就业个体可能获得的假想就业状态工资的全部个体的工资分布。随后，根据估计的总体工资分布，推断涉及全部个体的工资不平等程度、男女工资差异程度和学历工资差异程度。
第6章将部分识别方法应用于博弈模型的多重均衡问题。在博弈模型存在多重均衡时，博弈参与者的反应函数的参数与实现的均衡之间的一一对应关系并不成立。因此，在点识别的传统计量经济学中，使用观察得到的实现均衡的数据和点识别方法难以估计参与者反应函数。对于第6章出现的博弈多重均衡的情形，可以借助反应函数参数与实现均衡之间出现不等式关系，使用部分识别方法进行反应函数的区间范围形式的识别和估计。此处，尤其考虑(1)两个企业的市场进入博弈的各方利润函数和(2)拍卖博弈的竞拍者的拍卖标的估值分布(需求函数)的区间范围形式的识别，使用实际数值进行估计。
第7章说明所谓集合估计或矩不等式估计的部分识别的估计方法。部分识别方法需要识别作为识别对象的参数的可能取值区间范围(对于参数向量，识别对象的参数变成参数集合)。然而，估计这种形式的区间范围或集合的方法，不同于迄今为止的计量经济学使用的某个值(某个点)的估计方法，属于新领域的研究方法。第7章说明如何使用部分识别方法识别参数的区间范围(矩不等式模型)、如何使用有限数据进行估计(集合估计)、如何求得参数区间范围的置信区间［置信集合（confidence set）］和如何进行参数的假设检验。
虽然本书设想读者从第1章开始依次阅读本书，但是读者也可根据自身兴趣，按照下述顺序阅读本书。
(1) 尽管识别问题是计量经济学的本质问题，但是人们依然持有计量经济学迄今为止还没有充分关注识别问题的印象。因此，本书将讨论有必要处理识别问题的计量经济学实证分析的各种各样的具体事例，还将细致说明识别问题为何是计量经济学的本质课题。尤其在第1.1节至第1.5节、第1章附录1、第2.4节、第5.2节至第5.4节、第6.2节中，将介绍各种各样的具体识别问题，对于具体识别问题感兴趣的读者，先阅读几个识别问题的具体事例，掌握识别问题的概要内容，在提高问题意识之后，再从第1章前言开始阅读本书内容也是一个不错的方法。
(2) 现在，部分识别已经广泛运用于使用博弈论的经济模型的实证分析，尤其是在实证产业组织分析之中。对于博弈问题感兴趣的读者，一种不错的方法是在阅读第1章之后阅读第6章。
(3) 部分识别的估计方法也称为集合估计或矩不等式估计，近年得到了急速发展。对于部分估计方法的发展近况感兴趣的读者，建议的阅读顺序是在阅读第1章之后阅读第7章。
本书在2015年4月至2016年3月的《经济演习》(『経済セミナー』)的“部分识别入门”(「部分式識別入門」)的连载内容基础上大幅修改而成。此外，本书也使用了笔者在日本经济学会2015年春季大会的招待演讲“部分识别及其应用”、《经济演习》增刊《进化的经济学实证分析》(『進化する経済学の実証分析』)收录的文章（奥村，2016)和笔者的其他研究论文的内容。
致谢
查尔斯?曼斯基教授，从笔者在西北大学留学的研究生时代开始，包括笔者作为客座研究人员在西北大学进行访学研究的期间，直到现在还在指导和关心笔者的研究。笔者也受加利福尼亚大学洛杉矶分校(UCLA)的罗莎?马茨金（Rosa Matzkin）教授的研究指导。
在《经济演习》杂志的连载到本书出版的过程中，笔者一直受到日本评论社的吉田素规编辑的关心。在横滨国立大学经济学部和研究生院的授课和演习中，笔者使用了本书的内容，从听课学生和研究生中获得了有益的反馈意见。
衷心感谢各位！
奥村纲雄2018年8月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
