第一章：计量经济学导论引言第1节 什么是计量经济学1.1 计量经济学的定义1.2 计量经济学的学科特点第2节 计量经济研究的步骤2.1 计量经济模型与实证分析2.2 计量模型与经济模型2.3 计量经济研究的基本步骤第3节 计量经济学涉及的主要数据类型3.1 时间序列数据3.2 横截面数据3.3 混合截面数据3.4 面板数据3.5 常用数据集第4节 计量经济学的主要研究方法第5节 计量经济分析软件本章总结思考与练习第二章：Eviews 与SAS软件简介第1节 Eviews简介1.1 Eviews的界面1.2 建立文件1.3 数据录入1.4 数据描述和简单数据处理第2节 SAS简介2.1 SAS的界面2.2 SAS语言构成简述2.3 SAS程序的基本规则2.4 数据录入2.5 数据描述2.6 数据集的合并2.7 简单变量处理2.8 一个应用实例本章总结思考与练习第三章：简单线性回归模型第1节 回归的含义第2节 回归的几个基本概念2.1 回归函数2.2 随机误差项第3节 一元回归模型的估计3.1 最小二乘法及参数估计3.2 最小二乘估计量的性质第4节 计算机应用实例4.1 Eviews4.2 SAS本章总结思考与练习第四章：多元线性回归模型第1节 多元线性回归模型的含义1.1 多元回归模型与偏回归系数1.2 多元回归模型的优势第2节 多元线性回归的参数估计--普通最小二乘法2.1 回归系数的估计2.2 多元回归系数的解释2.3 多元回归系数的性质2.4 拟合优度第3节 OLS的有效性--高斯-马尔可夫定理第4节 OLS估计量的方差第5节 计算机应用实例5.1 Eviews5.2 SAS本章总结思考与练习第五章： 假设检验第1节 假设检验的基本原理1.1 假设检验的定义和基本原理1.2 假设检验的重要概念1.3 假设检验的基本步骤第2节 单参数假设检验：t检验2.1 正态样本分布原理2.2 t检验的原理2.3 单尾t检验和双尾t检验2.4 t检验的p值 第3节 置信区间3.1 置信区间的概念3.2 置信区间的计算方法3.3 t检验的置信区间第4节 多参数假设检验：F检验4.1 F检验的原理4.2 F统计量和t统计量的关系4.3 回归整体显著性的F检验4.4 一般线性约束第5节 计算机应用实例5.1 Eviews5.2 SAS本章总结思考与练习第六章：方程形式的选择与虚拟变量的使用第1节 双对数线性模型1.1 双对数线性模型的定义1.2 双对数线性模型的应用第2节 半对数线性模型2.1 因变量是对数形式的半对数模型2.2 自变量是对数形式的半对数模型第3节 多项式回归模型第4节 虚拟变量在多元回归分析中的应用4.1 虚拟变量的定义4.2 虚拟变量的引入及解释4.3 虚拟变量陷阱4.4 多个虚拟变量的使用4.5 含虚拟变量的交叉项在回归中的使用第5节 常见的模型设定错误5.1 遗漏变量5.2 过度拟合5.3 度量误差第6节 数据测度单位6.1 数据测度单位对回归系数的影响6.2 数据测度单位对统计检验和拟合优度的影响第7节 计算机应用实例本章总结思考与练习第七章：时间趋势与季节性 第1节 时间趋势模型1.1 线性回归模型中的时间趋势1.2 对数回归模型中的时间趋势1.3 多项式形式的时间趋势第2节 消除时间趋势的方法第3节 季节性第4节 消除季节性的方法第5节 计算机应用实例5.1 Eviews5.2 SAS本章总结思考与练习第八章：异方差与自相关第1节 异方差性第2节 对异方差的检验2.1 异方差检验的基本思想 2.2 布罗施-帕甘检验2.3 怀特检验第3节 对异方差的修正第4节 序列自相关第5节 对序列自相关性的检验第6节 序列自相关模型的修正6.1 已知情况下的修正方法6.2 未知情况下的修正方法第7节 计算机应用实例7.1 Eviews和SAS中对异方差的诊断7.2 对异方差的修正7.3 Eviews和SAS中对自相关性的诊断与修正本章总结思考与练习第九章：经典时间序列模型第1节 时间序列的结构与平稳性1.1 时间序列的基本概念1.2 时间序列的平稳性第2节 ARMA过程和ARIMA过程2.1 自回归移动平均过程（ARMA）2.2 差分自回归移动平均过程（ARIMA）第3节 ARIMA过程的估计方法3.1 Wald分解定理3.2 博克斯-詹金斯方法第4节 计算机应用实例4.1 Eviews4.2 SAS本章总结思考与练习第十章：时间序列的深入专题第1节 VAR模型1.1 向量自回归模型（VAR）1.2 格兰杰因果关系第2节 ARCH模型与GARCH模型2.1 自回归条件异方差模型(ARCH)2.2 广义自回归条件异方差模型(GARCH)第3节 非平稳时间序列与单位根检验3.1 单位根过程3.2 平稳性检验第4节 协整第5节 计算机应用实例5.1 VAR模型的应用5.2 GARCH模型的应用本章总结思考与练习第十一章：混合截面数据模型第1节 混合截面数据的性质第2节 混合截面数据的检验2.1 结构突变2.2 利用分样本回归检验结构突变2.3 利用虚拟变量检验结构突变第3节 利用独立混合截面进行政策分析3.1 自然实验3.2 倍差法第4节 计算机应用实例4.1 结构突变检验4.2 DID模型本章总结思考与练习第十二章：面板数据模型第1节 面板数据的性质第2节 一阶差分模型第3节 固定效应模型3.1 固定效应模型的原理和常规估计方法3.2 最小二乘虚拟变量估计法第4节 随机效应模型4.1 随机效应模型的原理和估计方法4.2 FE模型、RE模型与混合数据OLS模型的比较4.3 模型选择与豪斯曼检验第5节 计算机应用实例本章总结思考与练习第十三章：二元选择模型第1节 二元选择问题第2节 线性概率模型第3节 Probit模型和Logit模型3.1 模型的基本原理3.2 模型的估计方法3.3 边际效应的计算3.4 参数检验第4节 二元选择模型的比较第5节 计算机应用实例本章总结思考与练习第十四章：截取与断尾数据模型第1节 截取数据与断尾数据第2节 Tobit模型2.1 Tobit模型的基本概念2.2 Tobit模型的性质2.3 右侧截取数据模型第3节 断尾数据模型第4节 计算机应用实例本章总结思考与练习第十五章：内生性与工具变量估计第1节 内生性1.1 内生性的概念及产生原因1.2 内生性造成的后果第2节 工具变量估计2.1 工具变量的选择标准2.2 简单线性回归中的工具变量估计2.3 多元线性回归中的工具变量估计第3节 工具变量选取实例第4节 两阶段最小二乘法第5节 豪斯曼检验第6节 识别条件的判定及检验6.1 模型可识别性的判定6.2 萨根-巴斯曼检验第7节 计算机应用实例本章总结思考与练习第十六章：回归方程系统模型第1节 回归方程系统第2节 似不相关回归模型第3节 联立方程模型--简介第4节 联立方程模型的识别4.1 可识别性的定义和应用4.2 用阶条件和秩条件判定模型的可识别性第5节 联立方程模型的估计第6节 计算机应用实例6.1 似不相关回归模型应用实例6.2 联立方程模型应用实例本章总结思考与练习