計量經(jīng)濟學(xué)原理（第5版）

第1章 計量經(jīng)濟學(xué)導(dǎo)論
1.1 為什么要學(xué)習(xí)計量經(jīng)濟學(xué)？
1.2 計量經(jīng)濟學(xué)研究什么？
1.3 計量經(jīng)濟模型
1.4 數(shù)據(jù)是如何生成的？
1.5 經(jīng)濟數(shù)據(jù)類型
1.6 研究過程
1.7 實證研究論文的寫作
1.8 經(jīng)濟數(shù)據(jù)的來源
概率入門
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
P.1 隨機變量
P.2 概率分布
P.3 聯(lián)合、邊際和條件概率
P.4 求和符號
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 簡單線性回歸模型
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
2.1 經(jīng)濟模型
2.2 計量經(jīng)濟模型
2.3 估計回歸參數(shù)
2.4 評估最小二乘估計量
2.5 高斯-馬爾可夫定理
2.6 最小二乘估計量的概率分布
2.7 估計隨機誤差項的方差
2.8 估計非線性關(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 最小二乘估計法的推導(dǎo)
附錄2B b2的離差形式的表達式
附錄2C b2是一個線性估計量
附錄2D 推導(dǎo)b2的理論表達式
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)間估計與假設(shè)檢驗
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
3.1 區(qū)間估計
3.2 假設(shè)檢驗
3.3 特定備擇假設(shè)的拒絕域
3.4 假設(shè)檢驗的實例
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)計量的分布
附錄3C 蒙特卡羅模擬
第4章 預(yù)測、擬合優(yōu)度和建模問題
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
4.1 最小二乘預(yù)測
4.2 衡量擬合優(yōu)度
4.3 建模問題
4.4 多項式模型
4.5 對數(shù)-線性模型
4.6 雙對數(shù)模型
4.7 練習(xí)
附錄4A 預(yù)測區(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：估計和預(yù)測
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 估計多元回歸模型的參數(shù)
5.3 最小二乘估計的樣本特性
5.4 區(qū)間估計
5.5 假設(shè)檢驗
5.6 非線性關(guān)系
5.7 最小二乘估計量的大樣本特性
5.8 練習(xí)
附錄5A 最小二乘估計量的推導(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一步推斷
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
6.1 檢驗聯(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
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檢驗的統(tǒng)計效力
附錄6B FWL定理的進一步結(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 對數(shù)—線性模型解釋的細(xì)節(jié)
附錄7B 雙差分估計量的推導(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 最小二乘估計量的性質(zhì)
附錄8B 異方差的拉格朗日乘數(shù)檢驗
附錄8C 最小二乘殘差的屬性
附錄8D 替代穩(wěn)健“三明治”估計量
附錄8E 蒙特卡羅證據(jù)：OLS、GLS和FGLS
第9章 時間數(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
9.4 檢驗序列相關(guān)誤差
9.5 用于政策分析的時間序列回歸
9.6 練習(xí)
附錄9A D-W（Durbin-Watson）檢驗
附錄9B AR（1）誤差的性質(zhì)
第10章 內(nèi)生回歸量和矩估計
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
10.2 x 和e 同期相關(guān)的情況
10.3 基于矩估計法的估計量
10.4 設(shè)定檢驗
10.5 練習(xí)
附錄10A 弱工具變量檢驗
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 簡化型方程
11.3 最小二乘估計的失靈
11.4 識別問題
11.5 兩階段最小二乘估計
11.6 練習(xí)
附錄11A 2SLS的備選方法
第12章 時間序列數(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 隨機趨勢的后果
12.3 平穩(wěn)的單位根檢驗
12.4 協(xié)整
12.5 不存在協(xié)整關(guān)系時的回歸
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 估計向量誤差修正模型
13.3 估計VAR 模型
13.4 脈沖響應(yīng)和方差分解
13.5 練習(xí)
附錄13A 識別問題
第14章 時變波動和ARCH模型
學(xué)習(xí)目標(biāo)
關(guān)鍵詞
14.1 ARCH 模型
14.2 時變波動
14.3 檢驗、估計與預(yù)測
14.4 擴展
14.5 練習(xí)
第15章