●第一章 緒論
第一節 引言
第二節 高維數據的困境
第三節 高維因子模型：理論進展與局限
第四節 結構以及相關數學符號說明
第二章 高維因子模型的極大似然分析
第一節 引言
第二節 模型的假定
第三節 模型的估計
第四節 對稱性以及表達式的選擇
第五節 識別條件
第六節 極大似然估計量的漸近性質
第七節 因子估計量的漸近性質
第八節 EM算法
第九節 有限樣本性質
第十節 結論
第十一節 附錄：理論結果的詳細證明
第三章 交互效應面板數據模型：基準
第一節 引言
第二節 研究的背景及其文獻評述
第三節 模型的假定
第四節 模型的估計
第五節 估計量的漸近性質
第六節 ECM算法
第七節 有限樣本性質
第八節 結論
第九節 附錄：理論結果的詳細證明
第四章 廣義交互效應面板數據模型
第一節 引言
第二節 識別條件
第三節 估計方法
第四節 估計量的漸近性質
第五節 ECM算法
第六節 有限樣本性質
第七節 結論
第八節 附錄：理論結果的詳細證明
第五章 結論
第一節 結論性評述
第二節 進一步研究的方向
附錄 第三章基準模型的MCMC算法
參考文獻
後記

本書的主要內容是繫統地研究了用極大似然方法來估計高維因子模型，並分析了極大似然估計量的統計性質。本書首次為高維因子模型的極大似然分析建立了分析框架。在第二章，極大似然分析框架得以確立。第三章和第四章將新的分析框架推廣到存在交互效應的面板數據模型中。最後一章，討論了兩個與新的分析框架相關的問題：高維因子模型中樣本識別條件與總體識別條件的問題，以及交互效應面板模型中解釋變量因子結構假定的問題。同時，本書還指出了兩個重要且有意義的研究方向。