第1篇 單一方程回歸模型
第1章 回歸分析的性質
§1.1 “回歸”一詞的歷史淵源
§1.2 回歸的現代釋義
例子
§1.3 統計關系與確定性關系
§1.4 回歸與因果關系
§1.5 回歸與相關
§1.6 術語與符號
§1.7 計量經濟分析所用數據的性質與來源
數據類型
數據來源
數據的準確性
§1.8 要點與結論
習題
附錄1A
1A.1 經濟數據的來源
1A.2 金融數據的來源
第2章 雙變量回歸分析︰一結基本概念
§2.1 一個人為的例子
§2.2 總回歸函數（PRF）的概念
§2.3 “線性”一詞的含義
對變量為線性
對參數為線性
§2.4 PRF的隨機設定
§2.5 隨機干擾項的意義
§2.6 樣本回歸函數（SRF）
§2.7 要點與結論
習題
第3章 雙變量回歸模型︰估計問題
§3.1 普通最小二乘法
§3.2 經典線性回歸模型:最小二乘法的基本假定
這些假定有多真實？
§3.3 最小二乘估計的精度或標準誤差
§3.4 最小二乘估計量的性質:高斯—馬爾可夫定理
§3.5 判定系數r1︰“擬合優度”的一個度量
§3.6 一個數值例子
§3.7 兩個說明性例子
美國的咖啡消費，1970—1980年
美國的凱恩斯消費函數，1980—1991年
§3.8 咖啡需求函數的計算機輸出
§3.9 關于蒙特卡羅實驗的一個注記
§3.10 要點與結論
習題
附錄3A
3A.1 最小二乘估計的推導
3A.2 最小二乘估計量的線性和無偏性質
3A.3 最小二乘估計量的方差和標準誤
3A.4 β1與β2 的協方差
3A.5 o2的最小二乘估計量
3A.6 最小二乘估計量的最小方差性質
3A.7 咖啡的需求函數（3.7.1）的SAS輸出
第4章 正態性假定︰經典正態線性回歸模型
§4.1 干擾ui的概率分布
§4.2 正態性假定
§4.3 在正態性假定下OLS估計量的性質
§4.4 最大似然（ML）法
§4.5 與正態分布有關的一些概念分布:t、CHI-平方（X2）和F分布
§4.6 要點與結論
附錄4A
雙變量回歸模型的最大似然估計
消費—收入一例的最大似然估計
附錄4A 習題
第5章 雙變量回歸︰區間估計與假設檢驗
第6章 雙變量線性回歸模型的延伸
第7章 復回歸分析︰估計問題
第8章 復回歸分析︰推斷問題
第9章 線性回歸模型的矩陣方法
第2篇 放寬經典模型的假定
第10章 多重共線性與微數缺測性
第11章 異方差性
第12章 自相關
第13章 計量經濟建1︰傳統計量經濟學方法論
第14章 計量經濟建模2︰另立計量經濟學方法論
第3篇 計量經濟學專題
第15章 關于虛擬變量的回歸
第16章 關于虛擬應變量的回歸︰線性概率模型、對數單位、概率單位及托比模型
第17章 動態計量經濟模型︰自回歸與分布滯後模型
第4篇 聯立方程模型
第18章 聯立方程模型
第19章 識別問題
第20章 聯立方程方法
第5篇 時間序列計量經濟學
第21章 時間序列計量經濟學1︰平穩性、單位根與協積
第22章 時間序列計量經濟學2︰用于預測的ARIMA與VAR模型
附錄A 統計學中的若干概念復習
§A.1 總和與乘積運算子
§A.2 樣本空間，樣本點與事件
§A.3 概率與隨機變量概率
§A.4 概率密度函數（PDF）
§A.5 若干重要的理論概率分布
§A.7 統計推斷
§A.8 統計推斷︰假設檢驗
附錄B 矩陣代數初步
§B.1 定義
§B.2 矩陣的類型
§B.3 矩陣運算
§B.4 行列式
§B.5 求一個方陣的逆陣
§B.6 矩陣微分法
附錄C 計量經濟軟件包選編
附錄D 統計學用表
表D.1 標準化正態分布下的面積
表D.2 t分布的百分點
表D.3 F分布的上端百分點
表D.4 X2分布的上端百分點
表D.5 德賓—沃森d統計量:在0.05和0.01顯著性水平上d1和du的顯著點
表D.6 游程檢驗中的游程臨界值
參考書目
人名索引中譯
標題索引
後記
