はじめに　　i


第１章　GMM

1　モーメント法（Method of Moments）
　1.1　確率変数のモーメント
　1.2　モーメント法による推定量
　1.3　モーメント法による推定量の統計的性質
　1.4　モンテカルロ実験：一致性と漸近的正規性

2　GMM推定量の考え方
　2.1　モーメント法の問題点
　2.2　GMM推定量の考え方
　2.3　GMM推定量

3　GMM推定量の一致性と漸近的正規性
　3.1　自己相関、分散不均一のモデル
　3.2　モンテカルロ実験：最小二乗法による推定
　3.3　モンテカルロ実験：GMMによる推定

4　最適GMM推定量
　4.1　モーメント条件の共分散行列
　4.2　パラメータの初期値の設定
　4.3　EViewsによるGMM推定
　4.4　過剰識別検定：モーメント条件の検定
　4.5　モンテカルロ実験：最適GMMによる推定

5　GMMによるVasicekモデルのパラメータ推定
　5.1　Vasicekモデル
　5.2　VasicekモデルのGMM推定
　5.3　GMMと非線形最尤法との比較


第２章　VARモデル

1　VARモデルの推定とインパルス反応分析
　1.1　データの特性とVARモデル
　1.2　２変数のVARモデル

2　政策ショックと構造VARモデル
　2.1　識別問題とは？
　2.2　短期制約
　2.3　長期制約

3　ベイジアンVAR
　3.1　ベイズの定理とベイズ推定
　3.2　事前分布

4　VARモデルの分析例：金融政策効果の実証
　4.1　データ
　4.2　データに依拠したVARモデル
　4.3　レベル変数によるVARモデル
　4.4　ベイジアンVARモデル（B-VAR）
　4.5　インパルス反応分析の総合評価


第３章　DSGEモデル

1　DSGEの基本モデル
　1.1　RBCモデル
　1.2　NKモデル

2　DSGEモデルの解法
　2.1　固有値分解による解法
　2.2　未定係数法
　2.3　２変数以上のモデルを解くにあたって

3　シミュレーション分析
　3.1　RBCモデルにおける技術ショックの波及経路
　3.2　NKモデルにおける金融政策ショックの波及経路

4　カルマン・フィルタ
　4.1　カルマン・フィルタ理論
　4.2　カルマン・フィルタの例

5　ベイズ統計学の基礎
　5.1　ベイズ統計学の考え方
　5.2　ベイズ分析の例：母平均の事後分布

6　Markov Chain Monte Carlo法
　6.1　メトロポリス・へイスティング（Metropolis-Hasting）法
　6.2　収束判定

7　MCMCによるDSGEモデルのパラメータ推定
　7.1　データの準備
　7.2　初期設定
　7.3　プログラム・ファイルの準備
　7.4　推定結果
　7.5　モデルのフィット

8　より進んだトピック：DSGE-VARモデル


第４章　ボラティリティ分析

1　ARCHモデル
　1.1　ARCHモデル
　1.2　ARCHモデルの推定

2　GARCHモデル
　2.1　GARCHモデル
　2.2　GARCHモデルの推定

3　拡張モデル
　3.1　EGARCHモデル
　3.2　TARCHモデル（GJRモデル）
　3.3　ARCH-Mモデル
　3.4　拡張モデルの推定
　3.5　GARCHモデルによるボラティリティの予測

4　多変量GARCHモデル
　4.1　共分散
　4.2　多変量GARCHモデル
　4.3　多変量GARCHモデルによる実証分析

補論１　ARCHモデルとGARCHモデル
補論２　ボラティリティの予測
補論３　相関係数変動モデルのプログラム


第５章　質的選択モデルとトービット・モデル

1　質的選択モデル
　1.1　質的選択モデル
　1.2　なぜ標準的な線形回帰分析を適用できないか
　1.3　プロビット・モデルとロジット・モデル
　1.4　注意すべき点
　1.5　プロビット・モデルの推定

2　トービット・モデル（途中打ち切り回帰モデル）
　2.1　閲覧回帰モデル
　2.2　閲覧回帰モデルの推定
　2.3　切断回帰モデル
　2.4　切断回帰モデルの推定例

3　サンプル・セレクション・バイアス
　3.1　サンプル・セレクション・バイアス
　3.2　Heckitモデルの推定

補論１　プロビット・モデルのパラメータの推定
補論２　プロビット・モデルの推定値


第６章　ダイナミック・パネル分析

1　ダイナミック・パネル分析とは

2　VAR計測上の問題
　2.1　Arellano-Bond操作変数とGMM
　2.2　ダイナミック・パネル・ウィザード
　2.3　モデル（a2）の実証手順
　2.4　モデル（c）の実証手順

3　モデル定式化の問題
　3.1　自己相関の検定
　3.2　操作変数に関する検定

4　Arellano-Bond操作変数について

5　その他の推計方法

6　時系列分散不均一性に関して
　6.1　分散不均一性の種類
　6.2　EViewsでの操作方法

7　実証例：Dahlberg and Johanssonによる地方政府行動の分析
　7.1　Dahlberg and Johansson（2000）モデルの概要と分析結果
　7.2　EViewsでの追試

8　Anderson-Hsiao推定と実証

9　まとめ


第７章　最適化アルゴリズム

1　非線形推定の具体例
　1.1　非線形最小二乗法
　1.2　非線形最尤法：ARCH(1)
　1.3　GMM
　1.4　最適化アルゴリズムの条件

2　数値微分
　2.1　数値微分
　2.2　EViewsでの数値微分の指定

3　最適化アルゴリズム
　3.1　Newton-Raphson法
　3.2　Quadratic Hill-Climbing法
　3.3　BHHH（Berndt, Hall, Hall and Hausman）法
　3.4　Marquardt法

4　EViewsの非線形推定法と最適化アルゴリズム

5　非線形最適化アルゴリズムの応用
　5.1　非線形最小二乗法
　5.2　非線形最尤法
　5.3　GMM


索　引

著者紹介