計量經(jīng)濟學

前方
第一篇 導論與復(fù)習
1 經(jīng)濟問題和數(shù)據(jù)
1.1 我們研究的經(jīng)濟問題
1.2 因果效應(yīng)和理想化試驗
1.3 數(shù)據(jù)：來源和類型
本章小結(jié)
重要術(shù)語
內(nèi)容復(fù)習
2 概率論復(fù)習
2.1 隨機變量和概率分布
2.2 期望值、均值和方差
2.3 二維隨機變量
2.4 正態(tài)分布、卡方分布、學生t分布和F分布
2.5 隨機抽樣和樣本均值的分布
2.6 抽樣分布的大樣本近似
本章小結(jié)
重要術(shù)語
內(nèi)容復(fù)習
習題
附錄 2.1重要概念2.3 中結(jié)論的推導
3 統(tǒng)計學復(fù)習
3.1 總體均值的估計
3.2 有關(guān)總體均值的假設(shè)檢驗
3.3 總體均值的置信區(qū)間
3.4 不同總體的均值比較
3.5 基于試驗數(shù)據(jù)的因果效應(yīng)的均值之差估計
3.6 樣本容量較小時使用t統(tǒng)計量
3.7 散點圖、樣本協(xié)方差和樣本相關(guān)系數(shù)
本章小結(jié)
重要術(shù)語
內(nèi)容復(fù)習
習題
實證練習
附錄 3.1美國當前人口調(diào)查
附錄 3.2Y是uy的最小二乘估計量的兩種證明方法
附錄 3.3樣本方差一致性的證明
第二篇 回歸分析基礎(chǔ)
4 一元線性回歸
4.1 線性回歸模型
4.2 線性回歸模型的系數(shù)估計
4.3 擬合優(yōu)度
4.4 最小二乘假設(shè)
4.5 OLS估計量的抽樣分布
4.6 結(jié)論
本章小結(jié)
重要術(shù)語
內(nèi)容復(fù)習
習題
實證練習
附錄 4.1加利福尼亞測試成績數(shù)據(jù)集
附錄 4.2OLS估計量的推導
附錄 4.3OLS估計量的抽樣分布
5 一元線性回歸：假設(shè)檢驗和置信區(qū)間
5.1 關(guān)于某個回歸系數(shù)的假設(shè)檢驗
5.2 回歸系數(shù)的置信區(qū)間
5.3 X為二元變量時的回歸
5.4 異方差和同方差
5.5 普通最小二乘的理論基礎(chǔ)
5.6 樣本容量較小時t統(tǒng)計量在回歸中的運用
5.7 結(jié)論
本章小結(jié)
重要術(shù)語
內(nèi)容復(fù)習
習題
實證練習
附錄 5.1OLS標準誤差的公式
附錄 5.2GausS-Markov條件和Gauss-Markov定理的證明
6 多元線性回歸
6.1 遺漏變量偏差
6.2 多元回歸模型
6.3 多元回歸的OLS估計量
6.4 多元回歸的擬合優(yōu)度
6.5 多元回歸的最小二乘假設(shè)
6.6 多元回歸中OLS估計量的分布
6.7 多重共線性
6.8 結(jié)論
本章小結(jié)
重要術(shù)語
內(nèi)容復(fù)習
習題
實證練習
附錄 6.1(6.1)式的推導
附錄 6.2含兩個回歸變量且誤差同方差時OLS估計量的分布
7 多元回歸中的假設(shè)檢驗和置信區(qū)間
7.1 單個系數(shù)的假設(shè)檢驗和置信區(qū)間
7.2 聯(lián)合假設(shè)的檢驗
7.3 涉及多個系數(shù)的單個約束的檢驗
7.4 多個系數(shù)的置信集
7.5 多元回歸的模型設(shè)定
7.6 測試成績數(shù)據(jù)集分析
7.7 結(jié)論
本章小結(jié)
重要術(shù)語
內(nèi)容復(fù)習
習題
實證練習
附錄 7.1聯(lián)合假設(shè)的BOnferroni檢驗
8 非線性回歸函數(shù)
8.1 非線性回歸函數(shù)的一般建模方法
8.2 一元非線性函數(shù)
8.3 自變量的交互作用
8.4 學生／教師比對測試成績的非線性效應(yīng)
8.5 結(jié)論
本章小結(jié)
重要術(shù)語
內(nèi)容復(fù)習
習題
實證練習
附錄 8.1參數(shù)非線性的回歸函數(shù)
9 基于多元回歸的評估研究
9.1 內(nèi)部和外部有效性
9.2 多元回歸分析的內(nèi)部有效性威脅
9.3 利用回歸進行預(yù)測時的內(nèi)部和外部有效性
9.4 實例：測試成績和班級規(guī)模
9.5 結(jié)論
本章小結(jié)
重要術(shù)語
內(nèi)容復(fù)習
習題
實證練習
……
第三篇 回歸分析的深入專題
第四篇 經(jīng)濟時間序列數(shù)據(jù)的回歸分析
第五篇 回歸分析的計量經(jīng)濟學理論