目录
●第1章 普通线性回归模型概述
1.1 基本框架与表示
1.2 基本假设
1.3 参数估计方法
1.4 OLS估计量的有限样本性质
1.5 OLS估计量的大样本性质
1.6 模型拟合与选择
1.7 模型诊断
1.8 稳定性分析
1.9 非标准情形下的线性回归
1.10 结构稳定性分析的必要性
第2章 分位数回归模型概述
2.1 分位数回归的基本框架与表示
2.2 分位数回归的基本假设
2.3 分位数回归的参数估计方法
2.4 分位数回归估计量的有限样本性质
2.5 分位数回归估计量的大样本性质
2.6 分位数回归的推断方法
2.7 分位数回归的模型检验与选择
2.8 分位数回归在结构突变分析中的特点
第3章 线性回归模型的几何解释
3.1 回归系数的合成
3.2 分解定理的介绍
3.3 回归系数的几何解释
第4章 结构变化的类型
4.1 按变化范围分类
4.2 按变化参数类型分类
4.3 按断点数量分类
4.4 按断点位置确定性分类
4.5 按持续性分类
4.6 按变化速率分类
第5章 基于样本的稳定性检验
5.1 Chow检验
5.2 Chow预测检验
5.3 未知突变点的sup F检验
第6章 基于残差的稳定性检验
6.1 CUSUM检验
6.2 CUSUM平方检验
……
内容介绍
本书是一本旨在系统性阐述线性回归模型稳定性问题的专著。全书遵循由浅入深、由理论到实践的逻辑结构。首先,本书深入回顾了普通线性回归与分位数回归的核心理论。随后,在核心部分系统梳理了Chow检验、supF检验、CUSUM、MOSUM、Wald、LR、LM检验等主流稳定性检验方法,并阐述了它们在不同回归框架下的应用。最后,本书不仅限于“诊断”,更探讨了应对不稳定性问题的多种高级建模策略,如分段建模、时变参数模型和机器学习方法,为读者提供解决实际问题的“工具箱”。本书适合金融等相关专业的师生阅读。