第1章 数据的特征数 1
1.1累计求和算子的运算规则 1
1.2画图 3
直方图 3
折线图 4
散点图 5
1.3算术平均数 5
1.4几何平均数 7
1.5中位数 8
1.6极差 11
1.7方差 12
1.8标准差 13
1.9偏度 13
1.10峰度 14
1.11协方差 16
1.12相关系数 17
相关的定义与分类 17
简单线性相关的度量 19
相关系数的取值范围 19
线性相关系数的局限性 21
第2章 总体特征数的点估计与区间估计 22
2.1抽样的基本概念 22
2.2几种统计量的抽样分布 25
样本平均数？的抽样分布 25
统计量W=？的抽样分布 27
统计量t=？的抽样分布 28
统计量F的抽样分布 30
样本比率？的抽样分布 31
样本相关系数的抽样分布 31
2.3点估计 32
总体参数的点估计 32
评价估计量优劣的标准 33
2.4区间估计 36
区间估计的概念 36
总体均值μ的置信区间计算公式 37
总体方差σ2的区间估计 42
两个正态总体均值差（μ1-μ2）的置信区间 43
两个正态总体方差比σ22/σ21的置信区间 44
大样本条件下总体比率p的置信区间估计 46
第3章 总体特征数的假设检验 48
3.1假设检验的基本思想与方法 48
假设检验的原理与分类 48
假设检验的两类错误 50
p值 51
检验功效 52
3.2总体均值的假设检验 52
情形1：总体服从正态分布，总体方差σ2已知，样本大小无限制，检验μ=μ0 52
情形2：总体分布未知，总体方差σ2未知，大样本（n≥30），检验μ=μ0 54
情形3：总体服从正态分布，总体方差σ2未知，小样本（n＜30），检验μ=μ0 54
单侧检验 57
3.3两个正态总体均值差异的假设检验 58
3.4总体方差的假设检验 61
3.5总体比率的假设检验 63
大样本条件下单个总体比率的假设检验 63
两个总体比率的假设检验（大样本） 64
3.6总体分布律的假设检验（拟合优度检验） 66
离散型分布总体的分布率检验 68
连续型分布总体的分布率检验 69
3.7简单相关系数的检验 71
第4章 经济指数 73
4.1指数的定义和分类 73
指数简史 73
指数定义 74
指数的作用 74
指数的分类 75
4.2指数的计算 76
单一指数的计算 76
简单综合指数的计算 77
加权综合指数的计算 77
加权平均指数的计算 79
4.3指数基期的选择 80
4.4基期变换与指数序列的拼接 80
4.5固定（不变）价格经济序列的计算 81
4.6国内外主要指数介绍 83
商品零售价格指数 83
居民消费价格指数 83
香港恒生指数 83
上证综指 84
深证成指 84
道琼斯指数 84
第5章 一元线性回归模型 86
5.1模型的建立及其假定条件 86
建立模型的意义 86
一元线性回归模型的定义 86
一元线性回归模型的经济含义与特征 87
模型的假定条件 87
5.2一元线性回归模型的参数估计 88
估计方法初探 88
最小二乘估计法原理 89
最小二乘估计的计算 89
5.3 yt,？1和？0的分布 90
yt的分布 90
？的分布 90
？的分布 91
5.4σ2的估计 92
5.5最小二乘估计量的统计性质 92
线性特性 92
无偏性 93
最小方差性 93
渐近无偏性 94
一致性 94
5.6最小二乘回归函数的性质 94
5.7拟合优度的测量 95
5.8回归参数的显著性检验 96
5.9回归参数的置信区间 97
5.10单方程回归模型的预测 97
单个yT+1的点预测 98
单个yT+1的区间预测 98
E（yT+1）的区间预测 99
5.11回归系数？与相关系数r的关系 100
5.12案例分析：用回归模型预测木材剩余物 101
5.13主要公式一览 105
第6章 多元线性回归模型 107
6.1多元线性回归模型及其假定条件 107
模型的建立 107
模型的假定条件 108
6.2最小二乘法 108
6.3最小二乘估计量的特性 109
线性特性 109
无偏特性 109
最小方差性 110
渐近无偏性 110
一致性 110
6.4残差的方差 111
6.5 Y与最小二乘估计量？的分布 112
6.6多重可决系数（多重确定系数） 112
总平方和、回归平方和与残差平方和 112
多重确定系数R2 113
调整的多重确定系数？ 113
6.7 F检验 113
6.8 t检验和回归系数的置信区间 114
6.9预测 115
点预测 115
单个yT+1的置信区间预测 116
E（yT+1）的置信区间预测 116
预测的评价指标 116
6.10多元线性回归计算举例 117
6.11偏相关与复相关 122
偏相关 122
复相关 124
6.12案例分析 125
6.13实际建模过程中应该注意的若干问题 127
6.14多元线性回归公式一览 131
第7章 可线性化的非线性模型 133
7.1可线性化的7种非线性函数 133
幂函数模型 133
指数函数模型 135
对数函数模型 137
双曲线函数模型 139
多项式方程模型 141
生长曲线模型 143
龚伯斯曲线 146
7.2可线性化的非线性模型综合案例 147
7.3可线性化的非线性模型一览表 153
第8章 特殊解释变量 154
8.1虚拟变量 154
测量截距移动 154
用虚拟变量测量斜率变化 158
8.2工具变量 161
工具变量在一元线性回归模型中的应用 161
工具变量在多元线性回归模型中的应用 164
8.3滞后变量 164
分布滞后模型 165
自回归模型 166
8.4随机解释变量 166
第9章 异方差 168
9.1同方差假定 168
9.2异方差的表现与来源 169
9.3异方差的后果 170
9.4异方差检验 171
定性分析异方差 171
戈德菲尔德-匡特检验 172
怀特检验 173
戈列瑟检验 174
自回归条件异方差检验 174
9.5克服异方差的方法 174
用解释变量或解释变量的算术根除原回归式克服异方差 174
用戈列瑟检验式克服异方差 176
通过对数据取自然对数消除异方差 176
克服异方差的矩阵描述 177
9.6案例分析 178
第10章 自相关 184
10.1非自相关假定 184
10.2自相关的来源与后果 187
10.3自相关检验 189
图示法 189
DW检验法 189
LM检验（亦称BG检验）法 191
回归检验法 192
10.4自相关的解决方法 192
10.5克服自相关的矩阵描述 193
10.6自相关系数的估计 195
10.7案例分析 196
第11章 多重共线性 201
11.1非多重共线性假定 201
11.2多重共线性的来源 202
11.3多重共线性的后果 203
完全多重共线性对参数估计的影响 203
近似共线性对参数估计的影响 204
多重共线性后果的矩阵描述 205
11.4多重共线性的检测 206
11.5多重共线性的解决方法 207
直接合并解释变量 207
利用已知信息合并解释变量 207
增加样本容量或重新抽取样本 208
合并截面数据与时间序列数据 209
剔除引起多重共线性的变量 209
11.6案例分析 211
11.7多重共线性与解释变量的不正确剔除 215
11.8违反模型假定条件的其他几种情形 215
被解释变量存在测量误差 215
被解释变量、解释变量同时存在测量误差 216
随机解释变量 217
模型的设定误差 217
第12章 联立方程模型 219
12.1联立方程模型概念 219
12.2联立方程模型分类 219
结构模型 219
简化型模型 221
递归模型 223
12.3联立方程模型的识别 224
识别概念 224
结构模型的识别方法 226
12.4联立方程模型的估计方法 227
递归模型的估计方法 227
简化型模型的估计方法 228
结构模型的估计方法 228
12.5联立方程模型举例 229
第13章 模型检验的常用统计量 235
13.1检验模型总显著性的F统计量 235
13.2检验回归系数显著性的t统计量 236
13.3检验线性约束条件是否成立的F统计量 236
13.4似然比（LR）统计量 240
13.5沃尔德（Wald）统计量 241
13.6拉格朗日乘子（LM）统计量 244
13.7赤池信息准则、施瓦茨准则和汉南-奎因准则 247
13.8检验正态分布的JB统计量 250
13.9格兰杰因果性检验 251
13.10邹突变点检验 253
13.11回归系数稳定性的邹检验 258
13.12递归分析 261
第14章 时间序列ARIMA模型 266
14.1时间序列定义 266
14.2 ARIMA模型的分类 268
自回归（AR）模型 268
移动平均（MA）模型 271
自回归移动平均（ARMA）模型 273
单积自回归移动平均（ARIMA）模型 274
14.3伍尔德（Wold）分解定理 275
14.4自相关函数及其估计 277
自相关函数 277
自回归过程的自相关函数 278
移动平均过程的自相关函数 280
ARMA过程的自相关函数 281
相关图（估计的自相关函数） 281
14.5偏自相关函数及其估计 282
14.6 ARIMA模型的建立 287
模型的识别 288
模型参数的估计 288
模型的诊断与检验 293
ARIMA模型预测 293
14.7 ARIMA模型建模案例 295
14.8 SARIMA模型 302
SARIMA模型定义 302
SARIMA模型建模案例 304
14.9回归与ARMA组合模型 309
回归与ARMA组合模型定义 310
回归与ARMA组合模型案例分析 310
第15章 面板数据模型与应用 313
15.1面板数据定义 313
15.2面板数据模型分类 316
混合模型 316
固定效应模型 316
随机效应模型 318
15.3面板数据模型估计方法 319
混合最小二乘估计 319
平均数最小二乘估计法 319
离差变换最小二乘估计 320
一阶差分最小二乘估计 321
可行广义最小二乘估计法（随机效应估计法） 321
15.4面板数据模型的设定与检验 321
F检验 322
H检验 322
Wald检验 324
F检验和LR检验 324
15.5面板数据建模案例分析 325
15.6面板数据模型的EViews操作 332
建立混合数据库 332
面板数据模型估计的EViews操作 333
15.7面板数据的单位根检验 337
LLC检验 337
崔仁检验（Fisher-ADF检验） 339
第16章 单位根检验与协整 341
16.1非平稳时间序列与虚假回归 341
单积定义 341
单积时间序列的统计特征 342
虚假回归 343
16.2单位根检验 344
DF统计量的分布特征 344
AR（p）含单位根过程的DF分布 347
误差项为ARMA形式的I（1）过程的DF分布 348
单位根检验 348
单位根检验步骤 349
单位根检验的EViews操作 350
单位根检验案例分析 351
16.3结构突变序列的单位根检验 354
16.4经济变量的协整 360
均衡概念 360
协整定义 361
协整性检验 362
16.5误差修正模型 364
附录A 统计分布表 368
附录B 随机变量、概率极限、矩阵代数知识简介 379
参考文献 392