1.導(dǎo)論
1.1 什么是計(jì)量經(jīng)濟(jì)學(xué)
1.2 經(jīng)濟(jì)數(shù)據(jù)的特點(diǎn)與類(lèi)型
附錄A1.1 谷歌如何通過(guò)搜索記錄預(yù)測(cè)流感的傳播

2.Stata入門(mén)
2.1 為什么使用Stata
2.2 Stata的窗口
2.3 Stata操作實(shí)例
2.4 Stata命令庫(kù)的更新
2.5 進(jìn)一步學(xué)習(xí)Stata的資源
習(xí)題

3.數(shù)學(xué)回顧
3.1 微積分
3.2 線(xiàn)性代數(shù)
3.3 概率與條件概率
3.4 分布與條件分布
3.5 隨機(jī)變量的數(shù)字特征
3.6 迭代期望定律
3.7 隨機(jī)變量無(wú)關(guān)的三個(gè)層次概念
3.8 常用連續(xù)型統(tǒng)計(jì)分布
3.9 統(tǒng)計(jì)推斷的思想
習(xí)題

4.一元線(xiàn)性回歸
4.1 一元線(xiàn)性回歸模型
4.2 OLs估計(jì)量的推導(dǎo)
4.3 OLS的正交性
4.4 乙方和分解公式
4.5 擬合優(yōu)度
4.6 無(wú)常數(shù)項(xiàng)的回歸
4.7 一元回歸的Stata實(shí)例
4.8 Stata命令運(yùn)行結(jié)果的存儲(chǔ)與調(diào)用
4.9 總體回歸函數(shù)與樣本回歸函數(shù)：蒙特卡羅模擬
附錄A4.1 高爾頓與回歸
附錄A4.2 隨機(jī)數(shù)的產(chǎn)生
習(xí)題

5. 多元線(xiàn)性回歸
5.1 二元線(xiàn)性回歸
5.2 多元線(xiàn)性回歸模型
5.3 OLs估計(jì)量的推導(dǎo)
5.4 OLs的幾何解釋
5.5 擬合優(yōu)度
5.6 古典線(xiàn)性回歸模型的假定
5.7 OLs的小樣本性質(zhì)
5.8 對(duì)單個(gè)系數(shù)的￡檢驗(yàn)
5.9 對(duì)線(xiàn)性假設(shè)的F檢驗(yàn)
5.10 F統(tǒng)計(jì)量的似然比原理表達(dá)式
5.11 預(yù)測(cè)
5.12 多元回歸的Stata實(shí)例
習(xí)題

6. 大樣本Ol—S
6.1 為何需要大樣本理論
6.2 隨機(jī)收斂
6.3 大數(shù)定律與中心極限定理
6.4 使用蒙特卡羅法模擬中心極限定理
6.5 統(tǒng)計(jì)量的大樣本性質(zhì)
6.6 隨機(jī)過(guò)程的性質(zhì)
6.7 大樣本OLs的假定
6.8 0Ls的大樣本性質(zhì)
6.9 大樣本統(tǒng)計(jì)推斷
6.10 大樣本OLs的Stata實(shí)例
6.11 大樣本理論的蒙特卡羅模擬
附錄A6.1 依均方收斂是依概率收斂的充分條件
習(xí)題

7. 異方差
7.1 異方差的后果
7.2 異方差的例子
7.3 異方差的檢驗(yàn)
7.4 異方差的處理
7.5 處理異方差的Stata命令及實(shí)例
7.6 Stata命令的批處理
習(xí)題

8.自相關(guān)
8.1 自相關(guān)的后果
8.2 自相關(guān)的例子
8.3 自相關(guān)的檢驗(yàn)
8.4 自相關(guān)的處理
8.5 處理自相關(guān)的Stata命令及實(shí)例
習(xí)題

9. 模型設(shè)定與數(shù)據(jù)問(wèn)題
9.1 遺漏變量
9.2 無(wú)關(guān)變量
9.3 建模策略：“由小到大”還是“由大到小”
9.4 解釋變量個(gè)數(shù)的選擇
9.5 對(duì)函數(shù)形式的檢驗(yàn)
9.6 多重共線(xiàn)性
9.7 **數(shù)據(jù)
9.8 虛擬變量
9.9 經(jīng)濟(jì)結(jié)構(gòu)變動(dòng)的檢驗(yàn)
9.10 缺失數(shù)據(jù)與線(xiàn)性插值
9.11 變量單位的選擇
習(xí)題

10. 工具變量法
10.1 聯(lián)立方程偏差
10.2 測(cè)量誤差偏差
10.3 工具變量法
10.4 二階段*小二乘法
10.5 弱工具變量
10.6 對(duì)工具變量外生性的過(guò)度識(shí)別檢驗(yàn)
10.7 對(duì)解釋變量?jī)?nèi)生性的豪斯曼檢驗(yàn)：究竟該用OLS還是Iv
10.8 如何獲得工具變量
10.9 工具變量法的Stata實(shí)例
習(xí)題

11. 二值選擇模型
11.1 二值選擇模型
11.2 *大似然估計(jì)的原理
11.3 二值選擇模型的MLE估計(jì)
11.4 邊際效應(yīng)
11.5 回歸系數(shù)的經(jīng)濟(jì)意義
11.6 擬合優(yōu)度
11.7 準(zhǔn)*大似然估計(jì)
11.8 三類(lèi)漸近等價(jià)的大樣本檢驗(yàn)
11.9 二值選擇模型的Stata命令與實(shí)例
11.10 其他離散選擇模型
習(xí)題

12. 面板數(shù)據(jù)
12.1 面板數(shù)據(jù)的特點(diǎn)
12.2 面板數(shù)據(jù)的估計(jì)策略
12.3 混合回歸
12.4 固定效應(yīng)模型：組內(nèi)估計(jì)量
12.5 固定效應(yīng)模型：LsDV法
12.6 固定效應(yīng)模型：一階差分法
12.7 時(shí)間固定效應(yīng)
12.8 隨機(jī)效應(yīng)模型
12.9 組間估計(jì)量
12.10 擬合優(yōu)度的度量
12.11 非平衡面板
12.12 究竟該用固定效應(yīng)還是隨機(jī)效應(yīng)模型
12.13 面板數(shù)據(jù)的Stata命令及實(shí)例
習(xí)題

13.平穩(wěn)時(shí)間序列
13.1 時(shí)間序列的自相關(guān)
13.2 一階自回歸
13.3 高階自回歸
13.4 自回歸分布滯后模型
13.5 誤差修正模型
13.6 移動(dòng)平均與ARMA模型
13.7 脈沖響應(yīng)函數(shù)
13.8 向量自回歸過(guò)程
13.9 VAR的脈沖響應(yīng)函數(shù)
13.10 格蘭杰因果檢驗(yàn)
13.11 VAR的Stata命令及實(shí)例
13.12 時(shí)間趨勢(shì)項(xiàng)
13.13 季節(jié)調(diào)整
13.14 日期數(shù)據(jù)的導(dǎo)入
習(xí)題

14. 單位根與協(xié)整
14.1 非平穩(wěn)序列
14.2 ARMA的平穩(wěn)性
14.3 VAR的平穩(wěn)性
14.4 單位根所帶來(lái)的問(wèn)題
14.5 單位根檢驗(yàn)
14.6 單位根檢驗(yàn)的Stata實(shí)例
14.7 協(xié)整的思想與初步檢驗(yàn)
14.8 協(xié)整的*大似然估計(jì)
14.9 協(xié)整分析的Stata實(shí)例
習(xí)題

15.如何做實(shí)證研究
15.1 什么是論文
15.2 準(zhǔn)備階段
15.3 選題
15.4 探索性研究
15.5 收集與整理數(shù)據(jù)
15.6 建立計(jì)量模型
15.7 選擇計(jì)量方法
15.8 解釋回歸結(jié)果
15.9 診斷性檢驗(yàn)
15.10 穩(wěn)健性檢驗(yàn)
15.11 論文寫(xiě)作
15.12 與同行交流
15.13 提交論文或投稿
15.14 寫(xiě)作倫理
15.15 結(jié)束語(yǔ)
習(xí)題

附錄：常用數(shù)據(jù)來(lái)源
參考書(shū)目
數(shù)學(xué)符號(hào)
英文縮寫(xiě)