<p>
171163.rar
(4.01 MB, 需要: 5 个论坛币)
</p><p>A Monte Carlo Comparison of Semiparametric Tobit Estimators</p><p>Choon-Geol Moon</p><p>Journal of Applied Econometrics, Vol. 4, No. 4. (Oct. - Dec., 1989), pp. 361-382.</p><p>&nbsp; </p><p>Markov Chain Monte Carlo Simulation Methods in Econometrics</p><p>Siddhartha Chib; Edward Greenberg</p><p>Econometric Theory, Vol. 12, No. 3. (Aug., 1996), pp. 409-431.</p><p>&nbsp; </p><p>A Monte Carlo Study of Alternative Simultaneous Equation Estimators</p><p>A. L. Nagar</p><p>Econometrica, Vol. 28, No. 3. (Jul., 1960), pp. 573-590.</p><p>&nbsp; </p><p>Bayesian Inference in Econometric Models Using Monte Carlo Integration</p><p>John Geweke</p><p>Econometrica, Vol. 57, No. 6. (Nov., 1989), pp. 1317-1339.</p><p>&nbsp; </p><p>A Monte Carlo Study of the Forecasting Performance of Empirical Setar Models</p><p>Michael P. Clements; Jeremy Smith</p><p>Journal of Applied Econometrics, Vol. 14, No. 2. (Mar. - Apr., 1999), pp. 123-141.</p><p>&nbsp; </p><p>Prediction, Filtering and Smoothing in Non-Linear and Non-Normal Cases Using Monte Carlo<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Integration</p><p>H. Tanizaki; R. S. Mariano</p><p>Journal of Applied Econometrics, Vol. 9, No. 2. (Apr. - Jun., 1994), pp. 163-179.</p><p>&nbsp; </p><p>Pooling under Misspecification: Some Monte Carlo Evidence on the Kmenta and the Error<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Components Techniques</p><p>Badi H. Baltagi</p><p>Econometric Theory, Vol. 2, No. 3. (Dec., 1986), pp. 429-440.</p><p>&nbsp; </p><p>A Monte Carlo Study of Estimates of Simultaneous Linear Structural Equations</p><p>Harvey M. Wagner</p><p>Econometrica, Vol. 26, No. 1. (Jan., 1958), pp. 117-133.</p><p>&nbsp; </p><p>A Monte Carlo Study of Alternative Estimates of the Cobb-Douglas Production Function</p><p>J. Kmenta; M. E. Joseph</p><p>Econometrica, Vol. 31, No. 3. (Jul., 1963), pp. 363-385.</p><p>&nbsp; </p><p>Bayesian Estimates of Equation System Parameters: An Application of Integration by Monte<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Carlo</p><p>T. Kloek; H. K. van Dijk</p><p>Econometrica, Vol. 46, No. 1. (Jan., 1978), pp. 1-19.</p><p>&nbsp; </p><p>蒙特卡罗方法(Monte Carlo method),也称统计模拟方法,是二十世纪四十年代中期由於科学技术的发展和电子电脑的发明,而被提出的一种以机率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。蒙特·卡罗方法的名字来源於摩纳哥的一个城市Monte Carlo,该城市以赌博业闻名,而蒙特·卡罗方法正是以机率为基础的方法。</p><p>&nbsp; </p><p>当所求解问题是某种随机事件出现的机率,或者是某个随机变数的期望值时,通过某种「实验」的方法,以这种事件出现的频率估计这一随机事件的机率,或者得到这个随机变数的某些数字特徵,并将其作为问题的解。<br/>&nbsp;&nbsp;有一个例子可以使你比较直观地了解蒙特卡罗方法:假设我们要计算一个不规则图形的面积,那麽图形的不规则程度和分析性计算(比如,积分)的复杂程度是成正比的。蒙特卡罗方法是怎麽计算的呢?假想你有一袋豆子,把豆子均匀地朝这个图形上撒,然後数这个图形之中有多少颗豆子,这个豆子的数目就是图形的面积。当你的豆子越小,撒的越多的时候,结果就越精确。在这里我们要假定豆子都在一个平面上,相互之间没有重叠。在解决实际问题的时候应用蒙特·卡罗方法主要有两部分工作:1.用蒙特·卡罗方法模拟某一过程时,需要产生各种机率分布的随机变数。2.用统计方法把模型的数字特徵估计出来,从而得到实际问题的数值解。</p><p>&nbsp; </p><p>&nbsp; </p><p>【典藏下载系列2】世界顶尖计量经济学著作集锦:</p><p>&nbsp; </p><p>http://www.pinggu.org/bbs/thread-257614-1-1.html<br/>&nbsp;&nbsp;&nbsp;&nbsp; </p><p></p><p></p><p></p>
[此贴子已经被angelboy于2008-7-24 13:40:22编辑过]