首页--经济论文--经济计划与管理论文--经济计算、经济数学方法论文--经济数学方法论文

门限模型及其在我国宏观经济研究中的应用

中文摘要第1-5页
Abstract第5-11页
第一章 引言第11-21页
 第一节 写作背景第11-13页
     ·经济学背景第11-12页
     ·计量经济学背景第12-13页
 第二节 概念界定第13-15页
 第三节 研究步骤与方法第15-16页
     ·研究步骤第15-16页
     ·研究方法第16页
 第四节 创新之处第16-18页
     ·理论研究创新第16-17页
     ·应用研究创新第17-18页
 第五节 论文主要内容与结构第18-21页
     ·主要内容第18-20页
     ·论文结构第20-21页
第二章 文献综述第21-51页
 第一节 常见的非线性模型第21-27页
 第二节 STAR模型的发展第27-40页
     ·基础STAR模型的表示第27-29页
     ·STAR模型的扩展第29-33页
     ·STAR模型框架下的假设检验第33-37页
     ·模型建立过程第37-38页
     ·STAR模型预测和政策模拟第38-40页
     ·模型评价第40页
 第三节 门限模型平稳性检验第40-49页
     ·单门限的TAR模型第40-43页
     ·双门限TAR模型第43-46页
     ·ESTAR模型第46-48页
     ·LSTAR模型第48-49页
 第四节 模型非平稳与线性性联合检验第49-51页
第三章 非线性STAR模型下单位根检验第51-60页
 第一节 LSTAR模型的平稳性检验第51-56页
     ·平稳和非平稳的界定第51-52页
     ·t_(LSTAR)检验的提出第52-56页
 第二节 t_(LSTAR)检验的功效第56-59页
 第三节 小结第59-60页
第四章 STAR模型中退势单位根检验的小样本性质第60-74页
 第一节 时间序列的退势第61-62页
     ·OLS退势第61页
     ·GLS退势第61-62页
 第二节 理论框架第62-63页
 第三节 蒙特卡罗模拟第63-72页
     ·退势单位根检验统计量的渐近分布第63-65页
     ·退势单位根检验的经验临界值第65-67页
     ·各种单位根检验的功效第67-72页
 第四节 小结第72-74页
第五章 STAR模型单位根与非线性联合Wald检验第74-89页
 第一节 统计量的构造第74-76页
 第二节 Wald统计量的渐近分布第76-77页
 第三节 蒙特卡罗模拟结果第77-83页
     ·Wald统计量临界值第77-78页
     ·Wald检验水平第78-83页
 第四节 Wald检验功效第83-88页
 第五节 小结第88-89页
第六章 实证研究第89-141页
 第一节 中国通货膨胀预期和ex-ante实际利率的测度第89-99页
     ·导论第89-91页
     ·理论模型第91-92页
     ·数据分析第92-93页
     ·Blanchard-Quah的结构VAR方法第93-97页
     ·ex-ante实际利率和预期通货膨胀率的计算第97-99页
     ·小结第99页
 第二节 中国货币政策效果非对称性——基于AS-AD模型的研究第99-112页
     ·导言第99-102页
     ·理论模型第102-104页
     ·经验分析第104-108页
     ·货币政策冲击的非对称性第108-111页
     ·小结第111-112页
 第三节 中国货币需求函数的估计:一个非线性STR模型第112-127页
     ·导论第112-114页
     ·货币需求函数形式第114-115页
     ·货币需求函数的估计方法第115-117页
     ·STR模型的设定、估计与检验第117-120页
     ·实证分析第120-126页
     ·小结第126-127页
 第四节 中国通胀水平、通胀不确定性及货币政策波动第127-141页
     ·通胀水平与通胀不确定性第128-133页
     ·通货膨胀不确定性与货币政策第133-139页
     ·小结第139-141页
第七章 研究总结及展望第141-145页
 第一节 研究总结第141-143页
 第二节 研究展望第143-145页
     ·研究的局限性第143页
     ·未来研究展望第143-145页
参考文献第145-156页
附录第156-161页
致谢第161-162页
个人简历第162-163页

论文共163页,点击 下载论文
上一篇:中国宏观经济运行:增长与波动--基于古典一般均衡货币视角的分析
下一篇:跳扩散模型在风险理论中的应用