經(jīng)濟(jì)計量學(xué)教程（第2版）

第1章 緒論
1.1 經(jīng)濟(jì)計量學(xué)的研究內(nèi)容
1.2 經(jīng)濟(jì)計量學(xué)的研究方法
1.3 經(jīng)濟(jì)計量模型的特點
思考題與練習(xí)題
第2章 一元線性回歸模型
2.1 簡介
2.2 普通最小二乘法
2.3 極大似然估計方法
2.4 假設(shè)檢驗
2.5 預(yù)測
2.6 Eviews軟件在一元線性回歸分析中的應(yīng)用
思考題與練習(xí)題
第3章 多元線性回歸模型
3.1 模型的建立
3.2 最小二乘估計
3.3 最小二乘估計量的統(tǒng)計特性
3.4 隨機(jī)項方差的估計
3.5 顯著性檢驗
3.6 預(yù)測
3.7 案例分析
思考題與練習(xí)題
第4章異方差
4.1 異方差的概念
4.2 異方差的來源與結(jié)果
4.3 異方差的檢驗
4.4 異方差的修正方法
4.5 案例分析
4.6 Eviews軟件在異方差檢驗及修正中的應(yīng)用
思考題與練習(xí)題
第5章 序列自相關(guān)
5.1 序列自相關(guān)的概念
5.2 序列自相關(guān)的來源與結(jié)果
5.3 序列自相關(guān)的檢驗
5.4 序列自相關(guān)的修正方法
5.5 案例分析
5.6 Eviews軟件在自相關(guān)檢驗及修正中的應(yīng)用
思考題與練習(xí)題
第6章 多重共線性
6.1 多重共線性的概念
6.2 多重共線性的來源與結(jié)果
6.3 多重共線性的檢驗
6.4 多重共線性的修正方法
6.5 案例分析
6.6 Eviews軟件在多重共線性檢驗及修正中的應(yīng)用
思考題與練習(xí)題
第7章 隨機(jī)解釋變量
7.1 估計量的漸近統(tǒng)計性質(zhì)
7.2 隨機(jī)解釋變量的概念與來源
7.3 存在隨機(jī)解釋變量時的估計性質(zhì)
7.4 隨機(jī)解釋變量的修正方法
7.5 案例分析
7.6 Eviews軟件在隨機(jī)解釋變量修正中的應(yīng)用
思考題與練習(xí)題
第8章 單方程建模的幾個問題
8.1 虛擬解釋變量
8.2 非線性回歸模型
8.3 非線性模型的一般性方法
8.4 變量線性回歸方程中變量的取舍——逐步回歸方程的建立
8.5 Eviews軟件在特殊模型估計中的應(yīng)用
思考題與練習(xí)題
第9章 聯(lián)立方程模型
9.1 聯(lián)立方程模型的概念
9.2 聯(lián)立方程模型的分類
9.3 模型的識別概念
9.4 結(jié)構(gòu)方程的識別條件
9.5 聯(lián)立方程模型的估計方法
9.6 案例分析
9.7 Eviews軟件在聯(lián)立方程模型估計中的應(yīng)用
思考題與練習(xí)題
第10章 經(jīng)濟(jì)計量學(xué)的應(yīng)用
10.1 生產(chǎn)函數(shù)模型
10.2 需求函數(shù)模型
10.3 供給函數(shù)和需求、供給模型
10.4 消費函數(shù)
10.5 投資函數(shù)模型
10.6 經(jīng)濟(jì)預(yù)測
10.7 經(jīng)濟(jì)結(jié)構(gòu)分析
10.8 政策評價
思考題與練習(xí)題
第11章 時間序列分析
11.1 隨機(jī)序列
11.2 平穩(wěn)和非平穩(wěn)時間序列
11.3 時間序列模型
11.4 偏相關(guān)函數(shù)和時間序列性質(zhì)小結(jié)
11.5 時間序列的建模
11.6 時間序列的預(yù)測
11.7 時間序列的協(xié)整性
思考題與練習(xí)題
附錄A EViews簡介
A.1 EViews的含義
A.2 EViews的窗口
A.3 EViews的幫助資源
附錄B 統(tǒng)計學(xué)知識簡介
B.1 總體、樣本與隨機(jī)變量
B.2 隨機(jī)變量的分布
B.3 總體分布的數(shù)字特征——參數(shù)
B.4 樣本分布的數(shù)字特征——統(tǒng)計量
B.5 幾個重要的連續(xù)型隨機(jī)變量的分布
B.6 正態(tài)總體的樣本平均數(shù)和樣本方差
B.7 估計量的評價標(biāo)準(zhǔn)
B.8 參數(shù)估計
B.9 假設(shè)檢驗
附錄C 檢驗用表
參考文獻(xiàn)