译者序／1

序言／1

1 准备知识／1

 1.1 随机过程／2

 1.2 收敛的概念／2

 1.3 时间序列概念／7

 1.4 大数定理／12

 1.5 qp心极限定理／14

 1.6 谱分析的元素／16

2 动态随机一般均衡模型的解答和模拟，／23

 2.1 一些有用的模型／23

 2.2 近似方法／37

3 提取和测量周期性信息／58

 3.1 统计分解／59

 3.2 混合分解／69

 3.3 经济分解／83

 3.4 时间总体和周期／86

 3.5 收集周期性信息／88

4 向量自回归模型／92

 4.1 沃尔定理／93

 4.2 模型设定／98

 4.3 矩和VAR(q)的参数估计／105

 4.4 报告VAR结果／109

 4.5 识别／118

 4.6 相关问题／127

 4.7 验证含有VAR的DSGE模型／134

5 GMM和模拟估计量／138

 5.1 广义矩估计和其他标准估计量／139

 5.2 线性模型中的IV估计／142

 5.3 GMM估计：概述／147

 5.4 DSGE模型的GMM估计／160

 5.5 模拟估计量／166

6 似然法／178

 6.1 卡尔曼滤波／179

 6.2 似然函数的预测误差分解／185

 6.3 数字技巧／190

 6.4 DSGE模型的ML估计／192

 6.5 两个例子／200

7 校准／206

 7.1 定义／206

 7.2 公认的部分／207

 7.3 选择参数和随机过程／209

 7.4 模型评价／215

 7.5 测量的灵敏度／230

 7.6 储蓄、投资和减税：一个例子／232

8 动态宏观面板／237

 8.1 从经济理论到动态面板／238

 8.2 同质性动态面板／239

 8.3 动态异质性／251

 8.4 是否需要混合数据? ／260

 8.5 货币是超中性的吗? ／265

9 贝叶斯方法介绍／269

 9.1 预备知识／270

 9.2 决策理论／277

 9.3 推断／278

 9.4 分层和实证贝叶斯模型／286

 9.5 后验模拟器／293

 9.6 稳健性／306

 9.7 估计西班牙规模报酬／307

10 贝叶斯向量自回归／310

 10.1 m个变量的VAR(q)的似然函数／311

 10.2 VAR的先验／312

 10.3 结构性BVAR／324

 10.4 时间上系数可变的BVAR／329

 10.5 面板数据的VAR模型／335

11 贝叶斯时间序列和DSGE模型／347

 11.1 因子模型／348

 11.2 随机扰动模型／355

 11.3 马尔科夫转换模型／360

 11.4 贝叶斯DSGE模型／366

附录 统计分布／384

参考文献／389

本书力求将动态总体平衡理论、数据分析、高级计量分析和计算方法相结合，为广大学术、商业和中央银行经济学家们提供一系列全面的方法来解决在宏观经济和商业周期分析、经济增长，以及货币、金融和国际经济学中所产生的问题。本书主要讲述应用经济学家如何处理时间序列数据(有时是来自不同国家的面板数据)，通过这些内容的讲解来帮助应用经济学家验证动态理论的预测结果，并且给予模型及理论研究人员建议来对当前的模型进行修正，以获得数据和模型间更好的匹配，以及从实践中获得政策性结论。本书阐述了一些可用于解决我们感兴趣的问题的一些技巧，并且评价它们的实用性以便给读者带来更多相关的信息；同时给出了本书所讲述的方法如何应用或者不可应用的实例，并指出在研究时间序列时使用微观经济数据的过程中所产生的问题。