計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論

第1章 計(jì)量經(jīng)濟(jì)學(xué)概述
　1.1 什么是計(jì)量經(jīng)濟(jì)學(xué)
　1.2 計(jì)量經(jīng)濟(jì)學(xué)的研究?jī)?nèi)容及其方法
　1.3 計(jì)量經(jīng)濟(jì)模型的建立
　　1.3.1 計(jì)量經(jīng)濟(jì)學(xué)的建模方法
　　1.3.2 計(jì)量經(jīng)濟(jì)模型的類型
　1.4 研究文章寫(xiě)作建議
　1.5 研究文章寫(xiě)作建議
　思考與練習(xí)
第2章 計(jì)量經(jīng)濟(jì)學(xué)的基礎(chǔ)工具
　2.1 矩陣
　　2.1.1 矩陣的定義
　　2.1.2 矩陣的計(jì)算及其性質(zhì)
　　2.1.3 復(fù)矩陣的定義和性質(zhì)
　　2.1.4 特征值與特征向量
　2.2 概率與統(tǒng)計(jì)初步
　　2.2.1 基本概念
　　2.2.2 概率密度函數(shù)
　　2.2.3 樣本與樣本空問(wèn)
　　2.2.4 概率分布簡(jiǎn)介
　2.3 統(tǒng)計(jì)推斷
　　2.3.1 估計(jì)
　　2.3.2 假設(shè)檢驗(yàn)
　2.4 最優(yōu)化理論基礎(chǔ)
　　2.4.1 線性規(guī)劃的最優(yōu)化條件
　　2.4.2 單純形法
　　2.4.3 Kuhn?Tucker條件
　思考與練習(xí)
第3章 一元回歸分析
　3.1 回歸模型的估計(jì)法
　　3.1.1 普通最小二乘法
　　3.1.2 廣義最小二乘法
　　3.1.3 最大似然估計(jì)法
　3.2 一元線性回歸分析
　3.3 回歸方程檢驗(yàn)
　　3.3.1 擬合優(yōu)度檢驗(yàn)
　　3.3.2 回歸報(bào)告
　　3.3.3 正態(tài)性檢驗(yàn)
　3.4 回歸方程
　　3.4.1 對(duì)數(shù)線性模型
　　3.4.2 半對(duì)數(shù)模型
　　3.4.3 雙曲函數(shù)模型
　3.5 方差分析模型
　思考與練習(xí)
第4章 多元回歸分析
　4.1 多元計(jì)量經(jīng)濟(jì)模型
　　4.1.1 完全彈性模型
　　4.1.2 半彈性模型
　　4.1.3 非線性模型
　　4.1.4 虛擬變量模型
　4.2 二元回歸方程的最小二乘估計(jì)量
　　4.2.1 隨機(jī)擾動(dòng)項(xiàng)假設(shè)
　　4.2.2 解釋變量之間的相關(guān)性假設(shè)
　　4.2.3 最小二乘法估計(jì)量
　4.3 回歸方程檢驗(yàn)
　　4.3.1 回歸方程的擬合優(yōu)度
　　4.3.2 回歸方程的參數(shù)假設(shè)檢驗(yàn)
　　4.3.3 回歸模型結(jié)構(gòu)穩(wěn)定性檢驗(yàn)
　4.4 回歸方程最小二乘估計(jì)量的矩陣方法
　　4.4.1 普通最小二乘估計(jì)量
　　4.4.2 假設(shè)檢驗(yàn)的矩陣表示
　思考與練習(xí)
第5章 經(jīng)驗(yàn)回歸問(wèn)題
　5.1 多重共線性問(wèn)題
　　5.1.1 多重共線性與統(tǒng)計(jì)解釋能力
　　5.1.2 多重共線性的診斷
　　5.1.3 多重共線性的處置
　5.2 異方差問(wèn)題
　　5.2.1 導(dǎo)致異方差的原因
　　5.2.2 存在異方差的最小二乘估計(jì)量的性質(zhì)及后果
　　5.2.3 如何診斷異方差
　　5.2.4 異方差問(wèn)題的處理
　5.3 自相關(guān)問(wèn)題
　　5.3.1 自相關(guān)存在的回歸問(wèn)題
　　5.3.2 自相關(guān)問(wèn)題的識(shí)別
　　5.3.3 自相關(guān)問(wèn)題處理
　　5.3.4 條件異方差
　思考與練習(xí)
第6章 時(shí)間序列回歸模型
　6.1 時(shí)間序列自回歸模型
　　6.1.1 時(shí)間序列數(shù)據(jù)分布的滯后現(xiàn)象
　　6.1.2 分布滯后模型的估計(jì)
　　6.1.3 自回歸模型的估計(jì)
　　6.1.4 自回歸與分布滯后模型的Granger因果檢驗(yàn)
　6.2 時(shí)間序列回歸檢驗(yàn)
　　6.2.1 時(shí)間序列數(shù)據(jù)的平穩(wěn)隨機(jī)過(guò)程
　　6.2.2 平穩(wěn)檢驗(yàn)的相關(guān)圖法
　　6.2.3 單位根檢驗(yàn)
　　6.2.4 協(xié)積檢驗(yàn)
　6.3 ARIMA模型
　　6.3.1 B?J方法
　　6.3.2 ARIMA（p，d，g）的參數(shù)p，d，a的識(shí)別或確定
　　6.3.3 ARIMA（p，d,q）的估計(jì)、優(yōu)化與預(yù)測(cè)
　6.4 聯(lián)立方程與向量自回歸模型
　　6.4.1 聯(lián)立方程模型
　　6.4.2 向量自回歸模型
　思考與練習(xí)
第7章 計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)
　7.1 數(shù)字特征實(shí)驗(yàn)
　　練習(xí)
　7.2 基本概率密度函數(shù)分布實(shí)驗(yàn)
　　練習(xí)
　7.3 統(tǒng)計(jì)推斷實(shí)驗(yàn)
　　練習(xí)
　7.4 一元回歸分析實(shí)驗(yàn)
　　練習(xí)
　7.5 多元回歸分析實(shí)驗(yàn)
　　練習(xí)
　7.6 共線性問(wèn)題實(shí)驗(yàn)
　　練習(xí)
　7.7 異方差問(wèn)題實(shí)驗(yàn)
　　練習(xí)
　7.8 自相關(guān)問(wèn)題實(shí)驗(yàn)
　　練習(xí)
　7.9 時(shí)間序列回歸實(shí)驗(yàn)
　　練習(xí)
　7.10 時(shí)間序列預(yù)測(cè)實(shí)驗(yàn)
　　練習(xí)
附錄a 標(biāo)準(zhǔn)正態(tài)分布
附錄b x的平方分布的臨界值變化規(guī)律
附錄c t分布的臨界值變化規(guī)律
附錄d F分布的臨界值變化規(guī)律
附錄e Durbin-watson的d檢驗(yàn)的臨界邊界
附錄f 游程檢驗(yàn)的臨界值判斷
參考文獻(xiàn)