高维因子模型的极大似然分析：理论与方法

　　高维因子模型是当前计量经济学中的一个重要模型。以美国美联储前主席Ben S. Bernanke、哈佛大学教授James H. Stock以及普林斯顿大学教授Mark M. Watson为代表的欧美学者，在广泛的实证研究中发现，经过高维因子模型增广的计量经济学模型在宏观经济预测（Stock and Watson， 2002， JBES）、政策效果评价（Bernanke， Bovin and Eliasz， 2005， QJE）以及经验事实挖掘（Kose， Othok and Whiteman， 2003， AER）上有着非常重要的应用。 然而现有的高维因子模型的分析，主要集中于主成分分析，更为一般的极大似然分析鲜有文献涉及。本书将建立极大似然分析框架作为研究的主要内容，系统地研究了高维因子模型极大似然估计量的一致性、收敛速度和渐近分布，填补了高维因子分析理论重要的理论空白。此外，作者还将研究思路拓展到存在交互效应的面板数据模型中，用新的框架研究了极大似然方法估计交互效应模型。相关理论成果对于拓展实证研究范围，提高实证研究的可信度有着重要的意义。

　　李鲲鹏，现为首都经济贸易大学国际经管学院副教授。毕业于清华大学经济管理学院，获得经济学博士学位。到目前为止，在国内外高水平期刊上发表论文近20篇，包括Annals of Statistics、Review of Economics and Statistics、Journal of Business and Economic Statistics、Economics Letters、Econometric Reviews等，主持国家自然科学基金两项、教育部人文社科基金一项，是Journal of Econometrics、Journal of Business and Economic Statistics等知名期刊的匿名审稿人。 研究领域主要包括高维因子模型、面板数据模型、交互效应模型、空间计量模型等。目前教授首都经贸大学博士生和硕士生的计量经济学课程。