CHAPTER 1 计量经济学的本质与经济资料 1
1.1何谓计量经济学？ 1
1.2实证经济分析的步骤 2
1.3经济资料的结构 6
横断面资料 6
时间序列资料 9
合并的横断面 10
纵横资料 12
对资料结构的评述 13
1.4计量分析之因果关系以及假设其他条件不变的观念 14
本章摘要 20
习题 20
电脑习题 21
PART 1 横断面资料的回归分析 23
CHAPTER 2 简单回归模型 25
2.1简单回归模型的定义 25
2.2推导普通最小平方估计 31
对术语的附注 41
2.3任意资料样本的OLS特性 41
配适值和残差 42
OLS统计量的代数特性 42
配适度 45
2.4衡量单位和函数形式 47
衡量单位变动对OLS统计量之效应 47
简单回归加入非线性 49
「线性」回归的涵义 53
2.5 OLS估计式之期望值和变异数 53
OLS的不偏性 54
OLS估计式之变异数 60
估计误差变异数 65
2.6通过原点的回归 67
本章摘要 69
习题 71
电脑习题 75
附录2A 77
CHAPTER 3 复回归分析：估计 79
3.1复回归之动机 80
两个自变数的模型 80
k个自变数的模型 82
3.2普通最小平方之机制和解释 84
得到OLS估计 84
解释OLS回归方程式 86
复回归之「其他因素固定不变」的涵义 89
同时变动超过一个自变数 90
OLS配适值和残差 90
复回归之「偏排除」 91
简单回归和复回归估计之比较 92
配适度 93
通过原点的回归 97
3.3 OLS估计式之期望值 97
将不相干的变数加入回归模型 103
遗漏变数的偏误：简单的情况 104
遗漏变数的偏误：一般的情况 108
3.4 OLS估计式之变异数 109
OLS变异数之组成要素：多元共线性 112
错误设定模型之变异数 116
估计σ2：OLS估计式的标准误 118
3.5 OLS的效率性：高斯马可夫定理 121
3.6复回归分析语言的一些评论 122
本章摘要 124
习题 126
电脑习题 131
附录3A 135
CHAPTER 4 复回归分析：推论 139
4.1 OLS估计式之抽样分配 139
4.2单一母体参数之检定假设：t检定 143
检定单边对立假设 146
双边对立假设 152
检定关于βj之其他假设 154
计算t检定之p值 157
对于古典假设检定语言的提醒 160
经济（或是实际）显著vs.统计显著 161
4.3信赖区间 164
4.4对参数之单一线性组合的检定假设 167
4.5检定多元线性限制式：F检定 170
检定排除性限制 171
F和t统计量之间的关系 177
F统计量的R2形式 179
计算F检定的p值 181
回归整体显著性之F统计量 182
检定一般线性限制 183
4.6报告回归结果 184
本章摘要 187
习题 190
电脑习题 196
CHAPTER 5 复回归分析：OLS渐近 199
5.1一致性 200
推导OLS的不一致性 203
5.2渐近常态及大样本推论 206
其他大样本检定：拉氏乘数统计量 211
5.3 OLS的渐近效率性 214
本章摘要 216
习题 217
电脑习题 217
附录5A 218
CHAPTER 6 复回归分析：进一步的议题 221
6.1 OLS统计量资料单位的效果 221
beta系数 224
6.2函数形式的进一步解释 227
利用对数函数形式的进一步解释 227
二次项的模型 231
交叉项的模型 236
6.3再论配适度及自变数的选择 239
调整后的R2 241
利用调整后的R2选择非包覆模型 242
回归分析控制太多要素 245
加入自变数以降低误差变异数 247
6.4预测和残差分析 248
预测之信赖区间 248
残差分析 252
当log（y）为应变数时如何预测y 254
本章摘要 259
习题 261
电脑习题 263
附录6A 268
CHAPTER 7 质性资料的复回归分析：二元变数（虚拟变数） 271
7.1描述质性资料 271
7.2单一的虚拟自变数 272
当应变数以log（y）的方式呈现时，如何解释虚拟自变数的系数？ 280
7.3多个范畴下使用虚拟变数 282
使用虚拟变数合并顺序资讯 285
7.4含虚拟变数的交互作用 289
虚拟变数间的交互作用 289
允许不同的斜率 290
在不同群组间检定回归函数的差异 295
7.5二元的应变数：线性机率模型 299
7.6政策分析与计画评价的进一步探讨 305
7.7在离散应变数下解释回归结果 308
本章摘要 310
习题 311
电脑习题 315
CHAPTER 8 异质性 323
8.1 OLS异质性的结果 323
8.2估计OLS后之异质稳健的推论 324
计算异质稳健LM检定 330
8.3异质性的检定 332
异质性的White检定 336
8.4加权最小平方估计 339
异质性是已知的乘以常数的型式 339
必须估计的异质性函数：可行GLS 345
若假设的异质性函数是错的怎么办？ 351
异质性之预测和预测区间 353
8.5回到线性机率模型 355
本章摘要 358
习题 359
电脑习题 361
CHAPTER 9 设定和资料问题之进一步探讨 365
9.1函数形式错误设定 366
RESET为函数形式错误设定之一般化检定 369
非包覆之对立假设的检定 371
9.2使用不可观察解释变数之代理变数 372
使用前期应变数当成代理变数 378
对复回归的不同看法 380
9.3随机斜率模型 381
9.4衡量误差之OLS特性 383
应变数的衡量误差 384
自变数的衡量误差 387
9.5遗漏资料、非随机样本以及极端观察值 391
遗漏资料 392
非随机样本 393
极端值和影响力观察值 395
9.6最小绝对差异估计 401
本章摘要 404
习题 405
电脑习题 407
PART 2 时间序列资料的回归分析 411
CHAPTER 10 时间序列资料的基本回归分析 413
10.1时间序列资料的本质 413
10.2时间序列回归模型之范例 415
静态模型 415
有限分配落迟模型 416
关于时间指标的惯例 419
10.3古典假设之OLS的有限样本特性 419
OLS的不偏性 419
OLS估计式的变异数和高斯马可夫定理 423
古典线性模型假设的推论 426
10.4函数形式、虚拟变数以及指数 428
10.5趋势及季节性 437
趋势时间序列的特征 437
回归分析使用趋势变数 440
时间趋势回归之趋势移除的解释 443
当应变数有时间趋势时计算R2 444
季节性 446
本章摘要 448
习题 450
电脑习题 452
CHAPTER 11 时间序列资料使用OLS之进一步议题 455
11.1恒定性和弱相依时间序列 455
恒定和非恒定的时间序列 456
弱相依时间序列 457
11.2 OLS的渐近特性 460
11.3回归分析使用高持续性时间序列 468
高持续性时间序列 469
高持续性时间序列之转换 473
判定时间序列是否为Ⅰ（1） 475
11.4动态完成模型及无序列相关 477
11.5时间序列模型的同质变异性假设 481
本章摘要 482
习题 483
电脑习题 486
CHAPTER 12 时间序列回归的序列相关和异质变异性 491
12.1序列相关误差的OLS特性 492
不偏性和一致性 492
效率性与推论 492
配适度 494
落迟应变数的序列相关 494
12.2检定序列相关 496
严格外生自变数之AR（1）序列相关的t检定 496
古典假设之Durbin-Watson检定 499
在没有严格外生自变数的情况下检定AR（1）序列相关 500
较高阶序列相关的检定 502
12.3严格外生自变数订正序列相关 504
AR（1）模型得到最佳线性不偏估计式 504
AR（1）误差之可行GLS估计 506
比较OLS及FGLS 509
订正较高阶的序列相关 511
12.4差分与序列相关 513
12.5 OLS之后的序列相关稳健推论 514
12.6时间序列回归的异质变异性 519
异质稳健统计量 519
检定异质变异性 520
自我回归条件异质变异性 521
回归模型之异质变异性和序列相关 523
本章摘要 525
习题 526
电脑习题 527
附录 531
附录F 章节问题解答 531
附录G 统计表 541
参考文献 549