内容简介
《空间计量经济学：空间数据的分位数回归（经济科学译丛）》是分位数回归在空间计量经济学领域中的一个重要的拓展应用：介绍了分位数回归的类型、估计及其在现实应用中的重要意义；详细解释了分位数回归在空间数据分析中应用的独特优势及其与传统回归模型的重要区别，并用现实数据来说明空间分位数回归模型和条件参数分位数回归模型的应用及其估计方法；对分位数回归在空间计量经济学分析中的应用前景做了预测。作者简介
美国西北大学经济学博士。现任美国伊利诺伊大学厄巴纳-香槟分校经济系与城市区域规划系经济学教授、国际知名期刊《区域科学与城市经济学》（RegionalScienceandUrbanEconomics）联合主编、美国房地产与城市经济学协会（AREUEA）主席、芝加哥联邦储备银行顾问、林肯土地政策研究所访问学者。曾在俄勒冈大学、圣塔克拉拉大学、杜兰大学等大学的经济学系工作。其研究领域是城市经济学、房地产、应用计量经济学，在JournalofUrbanEconomics,RegionalScienceandUrbanEconomics,theReviewofEconomicsandStatistics,RealEstateEconomics,theJournalofBusinessandEconomicStatistics等期刊发表论文100多篇。目录
第1章分位数回归：综述1
1．1对“旧城改造”的蒙特卡罗研究6
1．2分位数回归估计9
1．3销售价格的隐含分布10
1．4非线性分位数回归14
1．5本章总结17
第2章线性非参数分位数回归19
2．1基于模拟数据的线性分位数回归21
2．2模拟因变量的分布27
2．3解释变量离散的影响31
2．4非参数分位数回归34
2．5本章总结41
第3章累退性评估的分位数回归分析43
3．1评估率的蒙特卡罗分析47
3．2伊利诺伊州杜佩奇郡的评估率50
3．3本章总结53
第4章空间分位数自回归模型55
4．1含有内生解释变量的分位数回归59
4．2Hedonic住房价格函数的应用61
4．3本章总结70
第5章条件参数分位数回归73
5．1空间数据的CPAR分位数回归76
5．2实证案例：华盛顿塔科马的房价77
5．3伊利诺伊州库克郡的评估率83
5．4本章总结88
第6章深入阅读指南91
参考文献96
精彩书摘
《空间计量经济学：空间数据的分位数回归（经济科学译丛）》：
最常见的空间AR模型是在误差项是正态分布的假设下通过最大化对数似然函数进行估计。另一种方法是基于广义矩的方法，即允许用两阶段OLS估计法（2SLS）对模型进行估计。在第一阶段中，用内生变量WY对一系列工具变量进行回归。然后WY的预测值将作为第二阶段回归中的解释变量。根据Kelejian和Robinson（1993）以及Kelejian和Prucha（1999）的研究，大多数学者采用X、WX并且有时用一些其他的空间滞后变量（例如WWX）作为估计WY的工具变量。
当我们的目标是估计一个标准回归时，虽然这个方法很好，但是可能由于在估计一个回归时，对每一个分位数τ都需要WY的工具变量而使得分位数回归相对较为复杂。这里有两种方法确定这些分位数回归中所需要的工具变量的形式。相对简单的方法是由Kim和Muller（2004）提出的。他们的方法是2SLS的简单扩展。第一阶段，对于每个τ值，他们用一系列工具变量（也就是X和WX）对WY进行分位数回归，并把结果作为解释变量。分位数回归的预测结果为WY（τ）。
……
