计量经济学模型及R语言应用

总序
前言
1 引论
1.1 计量经济学概述
1.1.1 计量经济学简介
1.1.2 计量经济学的发展
1.1.3 计量经济学方法
1.2 计量经济学内容与建模技术
1.2.1 计量经济学的内容体系
1.2.2 计量经济学的建模技术
1.2.3 计量经济学的建模步骤
1.3 计量经济学数据的处理
1.3.1 计量经济学数据的类型
1.3.2 计量经济学数据的收集
1.3.3 计量经济学软件的使用
1.4 R语言在计量经济学中的应用
1.4.1 R语言的编程环境
1.4.2 R语言的快速应用
练习题

2 △经典回归分析模型
△2.1 线性回归分析模型
2.1.1 单变量线性回归分析简介
2.1.2 多变量线性回归模型建立
2.1.3 多变量线性回归模型检验
2.1.4 建立有用的回归分析模型
2.2 线性相关分析模型
△2.2.1 简单线性相关
2.2.2 偏相关分析模型
2.2.3 复相关分析模型
2.3 含虚拟变量回归模型
2.3.1 虚拟变量及其作用
2.3.2 虚拟变量的设置方式
2.3.3 虚拟变量的特殊应用
2.4 非线性回归分析模型
2.4.1 单变量非线性回归分析模型
2.4.2 多变量非线性回归分析模型
2.4.3 生产函数、弹性分析及贡献率
练习题

3 非典型回归分析模型
3.1 回归分析模型的诊断
3.1.1 回归诊断的概念
3.1.2 残差的正态性检验
3.1.3 模型的影响分析
3.1.4 变量的共线性诊断
3.2 误差的异方差检验与建模
3.2.1 异方差的概念及其来源
3.2.2 异方差的影响及其检验
3.2.3 异方差模型的处理方法
3.3 误差的相关性及其检验
3.3.1 误差的相关性概念
3.3.2 误差自相关性检验
3.3.3 误差的相关性处理方法
3.3.4 滞后算子函数及其应用-
练习题

4 经典时间序列模型
4.1 时间序列的基本概念
4.1.1 时间序列的含义
4.1.2 时间序列的相关性
4.1.3 序歹0自相关性判断
4.2 时间序列自回归AR模型-
4.2.1 AR模型的平稳性条件
4.2.2 AR模型的自相关函数
4.2.3 AR模型的估计与识别
4.3 时间序列移动平均MA模型
4.3.1 MA模型的基本形式
4.3.2 MA模型的阶数确定
4.3.3 MA模型的参数估计
4.4 自回归移动平均ARMA模型
4.4.1 ARMA模型的概念
4.4.2 ARMA模型的相关分析
4.4.3 ARMA模型的统计推断
4.5 分布滞后与自回归模型
4.5.1 滞后效应与滞后变量模型
4.5.2 分布滞后模型的参数估计
4.5.3 自回归模型及其估计
练习题

5 扩展时间序列模型
5.1 非平稳时间序列模型
5.1.1 时间序列的非平稳性
5.1.2 时间序列的差分技术
5.1.3 时间序列的非平稳性检验
5.1.4 非平稳时间序列模型的建立
5.2 协整与误差修正模型
5.2.1 协整的定义和检验
5.2.2 误差修正模型（EcM）原理
5.2.3 格兰杰因果关系检验
5.2.4 协整和ECM的实证分析
*5.3 异方差时间序列模型
5.3.1 ARcH模型
5.3.2 GARCH模型
5.3.3 实证分析
5.4 时间序列模型的诊断与评价
5.4.1 时间序列模型的诊断
5.4.2 时间序列模型的优劣评价
5.4.3 基于预测的评价方法
练习题
附录A R语言软件
附录B R语言函数
参考文献