Panel Data Analysis with R
Part 1. Linear Model in Panel Data
1
線性模型與最小平方法估計原理
1.1
單變數線性迴歸
1.2
連續變數線性複迴歸
1.2.1
相異兩個解釋變數
1.2.2
解釋變數的冪次方
1.3
因子和交互效果
1.3.1
因子迴歸
1.3.2
交互效果(Interaction terms)
1.4
迴歸診斷
1.4.1
異質殘差檢定
1.4.2
迴歸函數形式判定
1.4.3
穩健共變異數的異質變異修正 Robust Covariance for heteroskedasticity
1.5
時間序列迴歸
1.6
線性重合檢定
2
追蹤資料介紹
2.1
追蹤資料概說
2.2
基本線性模式
2.3
R資料建立
3
維度 N 的異質性：單維模型
3.1
固定效果
3.2
隨機效果
4
其他主題
4.1
維度 T 的異質性-雙維模型
4.2
變動係數 (variable coefficients models)
4.3
不平衡追蹤資料簡介
5
檢定
5.1
固定效果模型之下個別效果的顯著性檢定
5.2
隨機效果模型之下的個別效果
5.3
隨機效果vs.固定效果
5.4
序列相關檢定
6
修正
6.1
具序列相關修正之模型估計
6.2
異質殘差的穩健修正 Robust Coefficient Covariance
7
內生性問題
7.1
原理：何謂內生性？
7.2
誤差成分2SLS(EC-2SLS)
7.2.1
R Lab
7.3
Hausman and Taylor (1981)
7.3.1
R Lab
8
動態追蹤資料模型
8.1
原理
8.2
R Lab
9
類別資料下的panel data
9.1
類別資料基礎原理
9.1.1
二元變數之Probit/Logit GLM
9.1.2
計數型變數之布阿松迴歸– Poisson GLM
9.1.3
多元選擇 GLM— Multinomial Probit/Logit
9.2
Panel Data的類別資料– panel GLM
9.2.1
原理淺說
9.2.2
R 實做– 二元資料
9.2.3
some count data models
9.3
從多層次模型的角度看panel GLM
Part 2 非定態時間序列與追蹤資料
10
R的時間序列分析入門
10.1
時間序列性質
10.2
R的時間序列資料建立與繪圖
10.3
時間序列繪圖
10.4
單筆時間序列性質
10.5
ARMA process
10.6
序列相關與檢定
11
非定態時間序列
11.1
隨機趨勢原理
11.2
R Lab
12
非定態追蹤資料之單根與共整
12.1
原理說明
12.2
R Lab
13
大規模 Panel Data問題與方法
13.1
問題與Mean-Group方法原理
13.2
R Lab
14
Panel VAR 方法
14.1
VAR
14.2
Panel VAR
14.3
R Lab
References
Published with bookdown
Panel Data Analysis with R
第 13 章
大規模 Panel Data問題與方法
13.1
問題與Mean-Group方法原理
Pesaran(2006)
13.2
R Lab