計(jì)量經(jīng)濟(jì)學(xué)原理（第5版）

第1章 計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論
1.1 為什么要學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)？
1.2 計(jì)量經(jīng)濟(jì)學(xué)研究什么？
1.3 計(jì)量經(jīng)濟(jì)模型
1.4 數(shù)據(jù)是如何生成的？
1.5 經(jīng)濟(jì)數(shù)據(jù)類型
1.6 研究過(guò)程
1.7 實(shí)證研究論文的寫(xiě)作
1.8 經(jīng)濟(jì)數(shù)據(jù)的來(lái)源
概率入門
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
P.1 隨機(jī)變量
P.2 概率分布
P.3 聯(lián)合、邊際和條件概率
P.4 求和符號(hào)
P.5 概率分布的性質(zhì)
P.6 條件依存
P.7 正態(tài)分布
P.8 練習(xí)
第2章 簡(jiǎn)單線性回歸模型
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
2.1 經(jīng)濟(jì)模型
2.2 計(jì)量經(jīng)濟(jì)模型
2.3 估計(jì)回歸參數(shù)
2.4 評(píng)估最小二乘估計(jì)量
2.5 高斯-馬爾可夫定理
2.6 最小二乘估計(jì)量的概率分布
2.7 估計(jì)隨機(jī)誤差項(xiàng)的方差
2.8 估計(jì)非線性關(guān)系
2.9 指示變量回歸模型
2.10 自變量
2.11 練習(xí)
附錄2A 最小二乘估計(jì)法的推導(dǎo)
附錄2B b2的離差形式的表達(dá)式
附錄2C b2是一個(gè)線性估計(jì)量
附錄2D 推導(dǎo)b2的理論表達(dá)式
附錄2E 推導(dǎo)b2的條件方差
附錄2F 證明高斯—馬爾可夫定理
附錄2G 第2.10節(jié)介紹的結(jié)果證明
附錄2H 蒙特卡羅模擬
第3章 區(qū)間估計(jì)與假設(shè)檢驗(yàn)
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
3.1 區(qū)間估計(jì)
3.2 假設(shè)檢驗(yàn)
3.3 特定備擇假設(shè)的拒絕域
3.4 假設(shè)檢驗(yàn)的實(shí)例
3.5 p值
3.6 參數(shù)的線性組合
3.7 練習(xí)
附錄3A t分布的推導(dǎo)
附錄3B H1下的t統(tǒng)計(jì)量的分布
附錄3C 蒙特卡羅模擬
第4章 預(yù)測(cè)、擬合優(yōu)度和建模問(wèn)題
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
4.1 最小二乘預(yù)測(cè)
4.2 衡量擬合優(yōu)度
4.3 建模問(wèn)題
4.4 多項(xiàng)式模型
4.5 對(duì)數(shù)-線性模型
4.6 雙對(duì)數(shù)模型
4.7 練習(xí)
附錄4A 預(yù)測(cè)區(qū)間的推導(dǎo)
附錄4B 總離差平方和的分解
附錄4C 均方誤差：估計(jì)和預(yù)測(cè)
第5章 多元回歸模型
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
5.1 引言
5.2 估計(jì)多元回歸模型的參數(shù)
5.3 最小二乘估計(jì)的樣本特性
5.4 區(qū)間估計(jì)
5.5 假設(shè)檢驗(yàn)
5.6 非線性關(guān)系
5.7 最小二乘估計(jì)量的大樣本特性
5.8 練習(xí)
附錄5A 最小二乘估計(jì)量的推導(dǎo)
附錄5B 增量法
附錄5C 蒙特卡羅模擬
附錄5D 自助法
第6章 多元回歸模型中的進(jìn)一步推斷
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
6.1 檢驗(yàn)聯(lián)合假設(shè)
6.2 非樣本信息的應(yīng)用
6.3 模型設(shè)定
6.4 預(yù)測(cè)
6.5 質(zhì)量差的數(shù)據(jù)共線性和非顯著性
6.6 非線性最小二乘
6.7 練習(xí)
附錄6A F檢驗(yàn)的統(tǒng)計(jì)效力
附錄6B FWL定理的進(jìn)一步結(jié)果
第7章 使用指示變量
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
7.1 指示變量
7.2 應(yīng)用指示變量
7.3 對(duì)數(shù)—線性模型
7.4 線性概率模型
7.5 處理效應(yīng)
7.6 處理效應(yīng)和因果模型
7.7 練習(xí)
附錄7A 對(duì)數(shù)—線性模型解釋的細(xì)節(jié)
附錄7B 雙差分估計(jì)量的推導(dǎo)
附錄7C 重疊假設(shè)：細(xì)節(jié)
第8章 異方差
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
8.1 異方差的性質(zhì)
8.2 多元回歸模型中的異方差
8.3 異方差穩(wěn)健方差估計(jì)量
8.4 廣義最小二乘法：方差形式已知
8.5 廣義最小二乘法：方差形式未知
8.6 檢測(cè)異方差
8.7 線性概率模型中的異方差
8.8 練習(xí)
附錄8A 最小二乘估計(jì)量的性質(zhì)
附錄8B 異方差的拉格朗日乘數(shù)檢驗(yàn)
附錄8C 最小二乘殘差的屬性
附錄8D 替代穩(wěn)健“三明治”估計(jì)量
附錄8E 蒙特卡羅證據(jù)：OLS、GLS和FGLS
第9章 時(shí)間數(shù)據(jù)回歸：平穩(wěn)變量
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
9.1 引言
9.2 平穩(wěn)性和弱依賴性
9.3 預(yù)測(cè)
9.4 檢驗(yàn)序列相關(guān)誤差
9.5 用于政策分析的時(shí)間序列回歸
9.6 練習(xí)
附錄9A D-W（Durbin-Watson）檢驗(yàn)
附錄9B AR（1）誤差的性質(zhì)
第10章 內(nèi)生回歸量和矩估計(jì)
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
10.1 含有內(nèi)生回歸變量的最小二乘估計(jì)
10.2 x 和e 同期相關(guān)的情況
10.3 基于矩估計(jì)法的估計(jì)量
10.4 設(shè)定檢驗(yàn)
10.5 練習(xí)
附錄10A 弱工具變量檢驗(yàn)
附錄10B 蒙特卡羅模擬
第11章 聯(lián)立方程模型
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
11.1 供給和需求方程
11.2 簡(jiǎn)化型方程
11.3 最小二乘估計(jì)的失靈
11.4 識(shí)別問(wèn)題
11.5 兩階段最小二乘估計(jì)
11.6 練習(xí)
附錄11A 2SLS的備選方法
第12章 時(shí)間序列數(shù)據(jù)回歸：非平穩(wěn)變量
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
12.1 平穩(wěn)和非平穩(wěn)變量
12.2 隨機(jī)趨勢(shì)的后果
12.3 平穩(wěn)的單位根檢驗(yàn)
12.4 協(xié)整
12.5 不存在協(xié)整關(guān)系時(shí)的回歸
12.6 總結(jié)
12.7 練習(xí)
第13章 向量誤差修正和向量自回歸模型
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
13.1 VEC模型和VAR模型
13.2 估計(jì)向量誤差修正模型
13.3 估計(jì)VAR 模型
13.4 脈沖響應(yīng)和方差分解
13.5 練習(xí)
附錄13A 識(shí)別問(wèn)題
第14章 時(shí)變波動(dòng)和ARCH模型
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
14.1 ARCH 模型
14.2 時(shí)變波動(dòng)
14.3 檢驗(yàn)、估計(jì)與預(yù)測(cè)
14.4 擴(kuò)展
14.5 練習(xí)
第15章