第1章 绪论 1

1.1 本书的写作目的和意义 1

1.1.1 门槛模型是解释现实问题的理论需要 1

1.1.2 门槛模型是回归现实现象的技术需要 1

1.1.3 门槛模型是总结现实案例的示范需要 2

1.2 关于时序数据门槛模型的研究进展 2

1.2.1 时间序列断裂点检验的研究进展 2

1.2.2 非对称单位根检验的研究进展 3

1.2.3 TAR模型的研究进展 4

1.2.4 时间序列门槛协整的研究进展 5

1.3 关于面板数据门槛回归的研究进展 6

1.3.1 结构突变面板单位根检验与面板协整检验 6

1.3.2 静态面板门槛模型的应用 9

1.3.3 动态面板门槛模型的应用 9

1.3.4 面板平滑转换回归模型的应用 9

1.4 关于空间数据门槛回归的研究进展 10

1.4.1 空间效应检验与非线性检验研究进展 10

1.4.2 空间计量模型估计与门槛模型估计研究 11

1.4.3 空间平滑转移自回归模型研究进展 12

1.4.4 空间门槛的扩展研究 14

第2章 预备概念及预备理论 16

2.1 数据类型 16

2.1.1 截面数据 16

2.1.2 时间序列数据 16

2.1.3 面板数据 16

2.1.4 空间数据 16

2.2 建模步骤 17

2.2.1 模型设定 17

2.2.2 参数估计 17

2.2.3 模型检验 17

2.2.4 模型应用 17

2.3 估计方法 17

2.3.1 LS估计 17

2.3.2 工具变量法 19

2.3.3 GMM估计方法 19

2.3.4 ML估计方法 20

2.4 时序数据模型 21

2.4.1 平稳性与白噪声 21

2.4.2 单位根检验法 22

2.4.3 线性协整回归 23

2.4.4 误差修正模型 24

2.4.5 格兰杰因果检验 25

2.4.6 断裂点检验 26

2.5 面板数据模型 27

2.5.1 静态面板数据模型 27

2.5.2 动态面板数据模型及其估计 29

2.5.3 面板数据平稳性检验 31

2.6 空间数据模型 33

2.6.1 空间计量模型设定 33

2.6.2 空间权重矩阵 38

2.6.3 空间自相关 40

2.6.4 空间效应检验 43

2.6.5 空间计量模型估计 46

第3章 时序数据门槛模型 47

3.1 时序数据门槛模型概述 47

3.1.1 时序数据门槛模型的发展历程 47

3.1.2 时序数据门槛模型的分类 48

3.2 TAR模型的设定、估计与检验 48

3.2.1 TAR模型的设定 48

3.2.2 TAR模型的估计 51

3.2.3 TAR模型的检验 51

3.3 门槛向量误差修正模型的设定、估计与检验 52

3.3.1 门槛向量误差修正模型的设定 52

3.3.2 门槛向量误差修正模型的估计 53

3.3.3 门槛向量误差修正模型的检验 54

3.4 STAR模型的设定、估计与检验 55

3.4.1 STAR模型的设定 55

3.4.2 STAR模型的估计 57

3.4.3 STAR模型的检验 58

3.5 时序数据非对称单位根检验 58

3.5.1 恩格尔和格兰杰检验（EG）方法 59

3.5.2 博奔和迪克检验（BVD）方法 61

3.5.3 Caner和Hansen方法 62

3.6 时序数据门槛协整模型设定、估计与检验 64

3.6.1 时序数据门槛协整模型的设定 64

3.6.2 时序数据门槛协整模型的估计 64

3.6.3 时序数据门槛协整模型的检验 65

3.7 时序数据门槛格兰杰因果检验 67

3.8 时序数据门槛模型案例研究 70

3.8.1 经济周期与失业率的TAR模型 70

3.8.2 失业率的门槛单位根检验 74

3.8.3 期限结构的门槛协整检验 80

3.8.4 城市化与能源强度的非对称关系研究 82

3.9 本章小结 90

第4章 面板数据门槛模型 91

4.1 面板数据门槛模型概述 91

4.1.1 面板数据门槛模型的发展历程 91

4.1.2 面板数据门槛模型的分类 91

4.2 面板数据门槛模型的单位根检验与协整检验 92

4.2.1 结构突变面板单位根检验 92

4.2.2 结构突变面板协整检验模型 95

4.3 静态面板门槛回归模型的估计与检验 99

4.3.1 静态面板门槛回归模型简介 99

4.3.2 静态面板单一门槛回归模型的估计与检验 100

4.3.3 静态面板多重门槛回归模型的估计与检验 103

4.4 动态面板门槛回归模型的估计与检验 104

4.4.1 简化型 106

4.4.2 简化型的估计 107

4.4.3 门槛值的估计 107

4.4.4 斜率系数的估计 108

4.4.5 渐近理论 108

4.5 面板平滑转换回归模型 114

4.5.1 PSTR模型简介 114

4.5.2 同质性检验 115

4.5.3 无剩余异质性检验 116

4.5.4 参数估计 116

4.6 面板数据门槛模型案例研究 117

4.6.1 人力资本视角下研究与开发投入对经济增长的门槛效应 117

4.6.2 通货膨胀对经济增长的门槛效应 120

4.6.3 公共资本存量生产率的门槛效应 122

4.7 本章小结 126

第5章 空间数据门槛效应模型 127

5.1 空间计量经济模型 127

5.1.1 空间计量经济模型理论基础 127

5.1.2 截面数据空间模型 128

5.1.3 空间面板数据模型 132

5.2 空间门槛效应模型现状 146

5.2.1 截面数据空间门槛模型 146

5.2.2 空间面板门槛模型 147

5.2.3 STR模型 149

5.3 空间面板门槛效应模型的扩展 156

5.3.1 空间过滤面板门槛模型 156

5.3.2 空间面板门槛单位根与协整 158

5.4 空间门槛效应模型案例研究 165

5.5 本章小结 167

第6章 展望 169

6.1 时序数据门槛模型研究展望 169

6.2 面板数据门槛模型研究展望 169

6.3 空间数据门槛效应研究展望 170

参考文献 172

后记 188 2100433B

本书主要介绍非线性门槛理论、常用的门槛模型及空间回归案例分析。本书包括门槛模型的文献综述、预备概念及预备理论。本书采取理论与实例相结合的方式，系统介绍了时间序列门槛模型中的门槛自回归理论、非对称单位根检验、门槛协整检验和门槛格兰杰检验，面板门槛模型中的静态面板门槛回归模型、动态面板门槛回归模型和面板平滑转换回归模型，空间面板门槛模型中的静态空间面板门槛模型、动态空间面板门槛模型和空间面板平滑转移模型，以及空间面板门槛模型的扩展中的空间过滤面板门槛和空间面板门槛单位根与协整。通过理论介绍、模型介绍与案例分析，读者容易掌握相关模型，提高分析问题和解决问题的能力。

• 自回归模型（AR模型）

• 向量自回归模型（VAR模型）

• 差分自回归滑动平均模型（ARIMA模型）

• 格兰杰因果关系（Granger Causality）

ARMA模型属于时间序列分析中的一种，20世纪70年代，由美国统计学家金肯（JenKins）和波克斯（Box）提出。

自回归滑动平均模型模型形式

ARMA(p,q)模型中包含了p个自回归项和q个移动平均项，ARMA(p,q)模型可以表示为：

式中符号： p和q是模型的自回归阶数和移动平均阶数；φ和θ是不为零的待定系数；ε_t独立的误差项；

ARMA滞后算子表示法

ARMA(p,q)模型可以表示为：

若

自回归滑动平均模型模型含义

使用两个多项式的比率近似一个较长的AR多项式，即其中p q个数比AR(p)模型中阶数p小。前二种模型分别是该种模型的特例。一个ARMA过程可能是AR与MA过程、几个AR过程、AR与ARMA过程的迭加，也可能是测度误差较大的AR过程 。

自回归滑动平均模型识别条件

自回归滑动平均模型模型阶数

AIC准则：最小信息准则，同时给出ARMA模型阶数和参数的最佳估计，适用于样本数据较少的问题。目的是判断预测目标的发展过程与哪一随机过程最为接近。因为只有当样本量足够大时，样本的自相关函数才非常接近母体的自相关函数。具体运用时，在规定范围内使模型阶数从低到高，分别计算AIC值，最后确定使其值最小的阶数是模型的合适阶数。

模型参数最大似然估计时

模型参数最小二乘估计时

式中：n为样本数，

本书包括：第一编纳税评估基础知识；第二编纳税评估实务，内容包括纳税评估的风险评估及案例分析，纳税评估分析指标及其运用，纳税评估的方法和技巧等；第三编主要行业纳税评估模型分析，主要包括汽车、光纤电缆、采矿、原油加工及石油制品、白酒等行业的纳税评估模型与方法。