非递归因果模型

　　《非递归因果模型》首先简要回顾了递归模型的基本假设，然后才转而讨论非递归模型如何被应用于估计更为复杂的方程系统，其余部分大都聚焦于“辨识”问题。因为辨识方程系统是研究工作中最为困难的部分，故而努力把这一过程表述清楚成为本书的重要组成部分。这本介绍性著作还有一个优点，即作者在解释书中材料时，并不要求读者具备线性代数知识。本书最后一章回顾了那些已经被确认用于估计非递归模型参数的通用技术。

　　威廉·D.贝里，曾于美国佛罗里达州立大学和肯塔基大学讲授统计学和研究方法，现为佛罗里达州立大学政治科学系教授。其主要研究领域是公共政策和美国政策。他在学术期刊上发表了大量论文，还参与撰写了《理解美国政府的成长：对战后时期的经验研究》（Praeger，1987）以及《实用多元回归》（Sage，1985），同时也是《非递归因果模型》（Nonrecursive Causal Models）（Sage，1984）一书的作者。

序
第1章 导论
第1节 概念定义和符号标记法
第2节 递归因果模型：简要回顾
第3节 非递归模型的前提假设
第2章 可辨识性问题
第1节 一个供给与需求的例子
第2节 可辨识性与不可辨识性
第3节 适度可辨识性和过度可辨识性
第4节 为什么某些非递归模型无法被辨识？
第3章 可辨识性的检验
第1节 次序条件
第2节 秩条件
第3节 次序条件的不充分性：一点说明
第4章 修改不可辨识模型
第5章 估计方法
第1节 间接最小二乘法和适度辨识的方程
第2节 二阶段最小二乘法
第3节 二阶段最小二乘法和多元共线性问题
第4节 职业和教育期望模型中的参数估计
第5节 抗议事件暴力行为修正模型
第6章 结论
第1节 其他方程形式
第2节 滞后内生变量
第3节 其他类型的可辨识性限定
第4节 其他的估计方法
第5节 不可观测变量
附录
注释
参考文献
译名对照表