本書較為系統地介紹了計量經濟學的主要理論、方法、進展，尤其是20世紀80年代以來重要的和的研究成果，并將它們納入一個完整、清晰的體系之中。本書不僅介紹了建模的技術和方法，而且闡述了其理論背景，在數學描述方面適當淡化，以講清楚方法、思路為目標，不做大量的推導和證明，重點放在如何運用各種計量經濟方法對實際經濟問題進行分析、建模、預測、模擬等實際操作上。為便于讀者學習和理解，本書在相關各章中給出了案例分析，案例大多數是編者在實踐中運用的實例和國內外的經典實例，并基于計量經濟學軟件EViews解決實際經濟問題，具有很強的可操作性。 本書以中級水平為主，以實用性、繼承性和前瞻性為主要特色。全書共分9章。第1章闡述多元回歸分析的基本內容及應用問題；第2章至第5章介紹異方差性、自相關性、多重共線性、虛擬變量、模型設定誤差、變量觀測誤差以及解釋變量等計量經濟問題及其解決方法；第6章和第8章闡述滯后變量模型和聯立方程模型；第7章重點闡述時間序列分析，主要涉及ADF檢驗、Johansen協整檢驗、Granger因果關系檢驗、ARIMA模型、向量自回歸模型、協整理論與向量誤差修正模型；第9章介紹面板數據模型及其應用。
前言
第1章 多元線性回歸模型
1.1 多元線性回歸模型的估計
1.2 多元線性回歸模型的檢驗
1.3 多元線性回歸模型的預測
1.4 非線性回歸模型
1.5 受約束回歸
1.6 案例分析
第2章 異方差性
2.1 異方差性及其產生的原因
2.2 異方差性的影響
2.3 異方差性的檢驗
2.4 異方差性的解決方法
2.5 案例分析
第3章 自相關性
3.1 自相關性及其產生的原因
3.2 自相關性的影響
3.3 自相關性的檢驗
3.4 自相關性的解決方法
3.5 案例分析
第4章 多重共線性
4.1 多重共線性及其產生的原因
4.2 多重共線性的影響
4.3 多重共線性的檢驗
4.4 多重共線性的解決方法
4.5 案例分析
第5章 單方程回歸模型的幾個專題
5.1 虛擬變量
5.2 模型的設定誤差
5.3 模型變量的觀測誤差
5.4 隨機解釋變量
第6章 滯后變量模型
6.1 滯后變量模型的基本概念
6.2 有限分布滯后模型
6.3 幾何分布滯后模型
6.4 自回歸模型的估計
6.5 案例分析
第7章 時間序列分析
7.1 時間序列的基本概念
7.2 時間序列的平穩性檢驗
7.3 ARIMA模型
7.4 協整與誤差修正模型
7.5 Granger因果關系檢驗
7.6 向量自回歸模型
7.7 Johansen協整檢驗
7.8 向量誤差修正模型
7.9 案例分析
第8章 聯立方程模型
8.1 聯立方程模型的基本概念
8.2 聯立方程模型的識別
8.3 聯立方程模型的估計
8.4 聯立方程模型的檢驗
8.5 案例分析
第9章 面板數據模型
9.1 面板數據模型概述
9.2 模型形式設定檢驗
9.3 變截距模型
9.4 變系數模型
9.5 案例分析
參考文獻
第1章 多元線性回歸模型
現實經濟現象是錯綜復雜的，多種經濟變量互相影響，每一個變量都要受到其他多種因素的影響。以對家庭消費支出的影響為例，除了家庭收入影響因素之外，物價水平、收入分配狀況、利率、消費者偏好、家庭財產、消費信貸等多種因素都會影響家庭消費支出。又如，對人均國民生產總值的影響問題，除了人口變動因素之外，固定資產數額、貨幣供給量、物價指數、國內國際市場供求關系等多種因素都會影響人均國民生產總值。如果被解釋變量的變化原因可以由一個主要解釋變量加以說明，其他解釋變量的影響可以忽略，就可以用一元回歸模型表示。如果其他解釋變量對被解釋變量的影響不能忽略，就要用多元回歸模型表示。因此，有必要將一個解釋變量的情形推廣到多個解釋變量，利用多元回歸方法進行分析。
1.1 多元線性回歸模型的估計
1.1.1 多元線性回歸模型及其矩陣表示
線性回歸分析主要研究經濟變量之間的線性因果關系。因果關系中作為原因的變量稱為解釋變量，作為結果的變量稱為被解釋變量。例如，研究一個國家的經濟增長，被解釋變量是這個國家的GDP或人均GDP，解釋變量是勞動投入量、資本投入量、技術水平等。研究需求規律時，被解釋變量是需求量，解釋變量是價格、消費者收入等。在簡單線性回歸模型中，總體回歸函數被設定為一元線性形式。如果這種設定是恰當的，那么根據樣本數據得到的回歸直接是對樣本數據的較好擬合，一般情況下，決定系數應該較大(接近1)，隨機誤差項也符合模型的基本假定。相反，如果在模型設定時忽略了影響因變量的某些主要因素，則擬合效果會較差。此時，決定系數往往偏低，并可能出現隨機誤差項違背模型基本假定的情況，如誤差項序列自相關等。因此，在進行模型設定時，應對所研究的經濟問題進行深入分析，依據經濟理論和實踐經驗對模型進行簡化抽象，確定模型中應該包括哪些解釋變量以及模型函數的具體形式。
……
