| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究的目的、意义与方法 | 第12-15页 |
| 1.3 本文的结构安排 | 第15-16页 |
| 1.4 本文的创新点与不足之处 | 第16-18页 |
| 1.5 本章小结 | 第18-19页 |
| 2 文献综述 | 第19-30页 |
| 2.1 引言 | 第19页 |
| 2.2 单方程交互效应面板数据模型 | 第19-23页 |
| 2.3 多方程交互效应面板数据模型 | 第23-27页 |
| 2.4 交互效应的面板数据模型的应用 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 单方程交互效应静态面板数据模型 | 第30-48页 |
| 3.1 单方程交互效应静态面板数据模型的设定形式 | 第30-32页 |
| 3.2 单方程交互效应静态面板数据模型的参数估计 | 第32-36页 |
| 3.3 单方程交互效应面板数据模型的应用——医疗价格形成机制 | 第36-47页 |
| 3.4 小结 | 第47-48页 |
| 4 单方程动态交互效应面板数据模型 | 第48-58页 |
| 4.1 单方程交互效应动态面板数据模型的设定形式 | 第48-52页 |
| 4.2 动态交互效应面板数据模型的参数估计方法 | 第52-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 非线性交互效应动态面板数据模型 | 第58-77页 |
| 5.1 非线性交互效应面板数据模型的设定形式 | 第58页 |
| 5.2 非线性交互效应面板数据模型的参数估计 | 第58-59页 |
| 5.3 非线性交互效应面板数据模型的应用：我国消费结构分析 | 第59-76页 |
| 5.4 本章小结 | 第76-77页 |
| 6 多方程交互效应面板数据模型 | 第77-101页 |
| 6.1 VAR 模型的理论渊源与参数估计方法回顾 | 第77-81页 |
| 6.2 IEPSVAR 模型的设定与估计 | 第81-84页 |
| 6.3 IEPSVAR 模型的应用：中国通货膨胀的来源与分解 | 第84-100页 |
| 6.4 本章小结 | 第100-101页 |
| 7 结论 | 第101-104页 |
| 7.1 本文的主要结论 | 第101-102页 |
| 7.2 展望与进一步的研究方向 | 第102-104页 |
| 致谢 | 第104-105页 |
| 参考文献 | 第105-115页 |
| 附录 | 第115-142页 |
