1 回归概述 1
1.0 本章精要 1
1.1 需要回归的原因 2
1.2 教育与收入 3
1.3 回归结果的展示 4
1.4 何处开始讨论？ 5
1.5 何处得解释？ 6
1.6 在解释中寻求什么？ 7
1.7 如何解释回归结果 10
1.8 如何评价解释 14
1.9 R2与F统计量 15
1.10 做法的合理性 17
1.11 回归的其他表示形式 21
1.12 本书导读 23
1.13 本章结语 24
本章习题 24
2 数学工具 28
2.0 本章精要 28
2.1 本课程是一门变相的数学课吗？ 29
2.2 求和的乐趣 30
2.3 常量求和 32
2.4 平均数 33
2.5 求和的加法运算 34
2.6 算术求和的乐趣 37
2.7 乘积求和 39
2.8 提醒：及时复习 40
本章习题 41
3 协方差和相关系数 43
3.0本章精要 43
3.1 本章导言 43
3.2 样本协方差 44
3.3 理解样本协方差 49
3.4 样本相关系数 52
3.5 关于数位的说明 58
3.6 其他例子 59
3.7 本章结语 62
本章附录 62
本章习题 65
4 线性拟合 67
4.0 本章精要 67
4.1 本章导言 68
4.2 哪一条直线拟合得最好？ 69
4.3 残差平方和最小化 72
4.4 计算截距项和斜率 78
4.5 再论斜率和截距项的意义 80
4.6 R2和拟合优度 83
4.7 回归运算 87
4.8 其他例子 90
4.9 本章结语 92
本章附录 92
本章习题 95
5 从样本到总体 100
5.0 本章精要 100
5.1 本章导言 101
5.2 总体关系 102
5.3 εi的统计特性 104
5.4 yi的统计特性 110
5.5 参数与估计 111
5.6 β与α的无偏估计 112
5.7 再次解释 117
5.8 a、b的总体方差 123
5.9 高斯-马尔可夫（Gauss- Markov）定理 126
5.10 一致性 130
5.11 本章结语 134
本章习题 135
6 置信区间和假设检验 139
6.0 本章精要 139
6.1 本章导言 140
6.2 置信区间和假设检验的基础 141
6.3 置信区间 144
6.4 假设检验 147
6.5 置信区间与假设检验之间的关系 164
本章习题 165
7 普通最小二乘估计的统计推断 168
7.0 本章精要 168
7.1 b和a的分布 169
7.2 σ2的估计 170
7.3 b的置信区间 174
7.4 β的假设检验 183
7.5 yi的再预测 191
7.6 教育回报的含义 196
7.7 再举一例 197
7.8 本章结语 200
本章附录 201
本章习题 202
8 随机扰动项期望不等于0与异方差 206
8.0 本章精要 206
8.1 本章导言 207
8.2 随机扰动项εi的期望等于非0常数 208
8.3 随机扰动项的期望不相等 210
8.4 异方差 212
8.5 异方差的后果 212
8.6 σ2i、ε2i、e2i与怀特检验 215
8.7 估计标准差 219
8.8 获得最佳线性无偏估计 220
8.9 随机扰动项有两个方差 223
8.10 其他形式的异方差 230
8.11 本章结语 231
本章习题 232
9 自相关 235
9.0 本章精要 235
9.1 本章导言 236
9.2 自相关 236
9.3 自相关的后果 238
9.4 存在自相关时，普通最小二乘估计方差的估计 241
9.5 自相关、随机扰动与冲击 244
9.6 一阶自相关与广义最小二乘估计 249
9.7 一阶自相关的检验 253
9.8 存在一阶自相关时的二步估计法 255
9.9 其他类型的自相关 257
9.10 本章结语 258
本章习题 259
10 随机扰动项与解释变量相关 262
10.0 本章精要 262
10.1 本章导言 263
10.2 发生内生性问题的原因 264
10.3 模型有内生性的后果 267
10.4 解决内生性问题 272
10.5 二阶段最小二乘估计与工具变量 274
10.6 工具变量估计的性质 277
10.7 工具变量的优劣 281
10.8 内生性检验 286
10.9 用实际数据进行的讨论 288
10.10 本章结语 291
本章习题 291
11 二元回归模型的参数估计 296
11.0 本章精要 296
11.1 本章导言 297
11.2 模型有第二个解释变量 298
11.3 拟合 302
11.4 b1，b2有用的原因 309
11.5 b1，b2的期望 314
11.6 本章结语 319
本章习题 320
12 二元回归模型的理解与解释 323
12.0 本章精要 323
12.1 本章导言 324
12.2 b1，b2的方差 325
12.3 x1i与x2i的相互作用 329
12.4 标准差的估计 333
12.5 受约束与不受约束的回归 335
12.6 联合假设检验 339
12.7 模型错误设定 345
12.8 经典假设不成立的二元回归 347
12.9 本章结语 351
本章习题 351
13 灵活运用回归 357
13.0 本章精要 357
13.1 本章导言 358
13.2 虚拟变量 358
13.3 非线性影响：二次函数回归模型 361
13.4 非线性的影响：取对数 367
13.5 影响的非线性：引入交互项 372
13.6 本章结语 379
本章习题 380
14 多元线性回归模型 387
14.0 本章精要 387
14.1 本章导言 389
14.2 解释变量多于两个的原因 389
14.3 多元回归模型的统计推断 393
14.4 示例 398
14.5 随机扰动项的假设 407
14.6 面板数据 408
14.7 本章结语 411
本章习题 411
15 定性变量的回归 419
15.0 本章精要 419
15.1 本章导言 420
15.2 离散型收入变量 421
15.3 参数估计的工作原理 422
15.4 极大似然估计 426
15.5 极大似然估计的实施 430
15.6 极大似然估计的作用 433
15.7 示例 435
15.8 样本选择问题 440
15.9 其他方法 443
15.10 本章结语 445
本章附录 445
本章习题 449
附录 453
参考文献 461
后记 462