1 引论 1
1.1 计量经济学概述 1
1.1.1 计量经济学简介 1
1.1.2 计量经济学的发展 2
1.1.3 计量经济学方法 3
1.2 计量经济学内容与建模技术 4
1.2.1 计量经济学的内容体系 4
1.2.2 计量经济学的建模技术 6
1.2.3 计量经济学的建模步骤 8
1.3 计量经济学数据的处理 8
1.3.1 计量经济学数据的类型 8
1.3.2 计量经济学数据的收集 9
1.3.3 计量经济学软件的使用 12
1.4 R语言在计量经济学中的应用 14
1.4.1 R语言的编程环境 14
1.4.2 R语言的快速应用 17
练习题 27
2 经典回归分析模型 29
2.1 线性回归分析模型 29
2.1.1 单变量线性回归分析简介 29
2.1.2 多变量线性回归模型建立 38
2.1.3 多变量线性回归模型检验 41
2.1.4 建立有用的回归分析模型 44
2.2 线性相关分析模型 53
2.2.1 简单线性相关 53
2.2.2 偏相关分析模型 57
2.2.3 复相关分析模型 60
2.3 含虚拟变量回归模型 61
2.3.1 虚拟变量及其作用 61
2.3.2 虚拟变量的设置方式 62
2.3.3 虚拟变量的特殊应用 63
2.4 非线性回归分析模型 66
2.4.1 单变量非线性回归分析模型 66
2.4.2 多变量非线性回归分析模型 76
2.4.3 生产函数、弹性分析及贡献率 80
练习题 86
3 非典型回归分析模型 91
3.1 回归分析模型的诊断 91
3.1.1 回归诊断的概念 91
3.1.2 残差的正态性检验 93
3.1.3 模型的影响分析 94
3.1.4 变量的共线性诊断 98
3.2 误差的异方差检验与建模 103
3.2.1 异方差的概念及其来源 103
3.2.2 异方差的影响及其检验 105
3.2.3 异方差模型的处理方法 109
3.3 误差的相关性及其检验 112
3.3.1 误差的相关性概念 112
3.3.2 误差自相关性检验 112
3.3.3 误差的相关性处理方法 114
3.3.4 滞后算子函数及其应用 116
练习题 117
4 经典时间序列模型 123
4.1 时间序列的基本概念 123
4.1.1 时间序列的含义 123
4.1.2 时间序列的相关性 124
4.1.3 序列自相关性判别 126
4.2 时间序列自回归AR模型 128
4.2.1 AR模型的平稳性条件 128
4.2.2 AR模型的自相关函数 130
4.2.3 AR模型的估计与识别 131
4.3 时间序列移动平均MA模型 140
4.3.1 MA模型的基本形式 140
4.3.2 MA模型的阶数确定 141
4.3.3 MA模型的参数估计 142
4.4 自回归移动平均ARMA模型 145
4.4.1 ARMA模型的概念 145
4.4.2 ARMA模型的相关分析 145
4.4.3 ARMA模型的统计推断 148
4.5 分布滞后与自回归模型 153
4.5.1 滞后效应与滞后变量模型 154
4.5.2 分布滞后模型的参数估计 155
4.5.3 自回归模型及其估计 160
练习题 165
5 扩展时间序列模型 168
5.1 非平稳时间序列模型 168
5.1.1 时间序列的非平稳性 168
5.1.2 时间序列的差分技术 170
5.1.3 时间序列的非平稳性检验 172
5.1.4 非平稳时间序列模型的建立 177
5.2 协整与误差修正模型 183
5.2.1 协整的定义和检验 183
5.2.2 误差修正模型（ECM）原理 189
5.2.3 格兰杰因果关系检验 191
5.2.4 协整和ECM的实证分析 194
5.3 异方差时间序列模型 201
5.3.1 ARCH模型 202
5.3.2 GARCH模型 207
5.3.3 实证分析 210
5.4 时间序列模型的诊断与评价 220
5.4.1 时间序列模型的诊断 220
5.4.2 时间序列模型的优劣评价 220
5.4.3 基于预测的评价方法 221
练习题 222
附录A R语言软件 225
附录B R语言函数 228
参考文献 231