課程目錄
1.1 什么是經(jīng)濟(jì)計量學(xué)
1.2-1.3 經(jīng)濟(jì)計量學(xué)方法論
2.1 回歸的含義
2.2-2.5 總體回歸函數(shù)和樣本回歸函數(shù)
2.6-2.10 普通最小二乘法
3.1 古典線性回歸模型
3.2 OLS估計量的方差與標(biāo)準(zhǔn)誤
3.3-3.4 OLS估計量的性及與其分布
3.5假設(shè)檢驗(yàn)
3.6-3.8 擬合優(yōu)度和回歸估計結(jié)果的報告
3.9 正態(tài)性檢驗(yàn)

4.1-4.3 多元回歸模型的若干假定和參數(shù)估計
4.4-4.7 多元回歸模型的擬合優(yōu)度和假設(shè)檢驗(yàn)
4.8 多元回歸模型的聯(lián)合假設(shè)檢驗(yàn)：F檢驗(yàn)
4.10 校正的判定系數(shù)
4.11 什么時候增加新的解釋變量
5.1 雙對數(shù)模型
5.2 比較線性和雙對數(shù)回歸模型
5.3 多元對數(shù)線性回歸模型
5.4 如何測度增長率：半對數(shù)模型
5.5 Part I 線性對數(shù)模型
5.5 Part II 半對數(shù)模型應(yīng)用舉例
5.6-5.7 多項式回歸
5.8-5.9 過原點(diǎn)的回歸和關(guān)于度量單位
6.1 二分定性變量
6.2 ANCOVA模型：解釋變量包含定量和虛擬變量的模型
6.3 多分定性變量的引入
6.4 多個定性變量
6.5 虛擬變量和定量變量的交互項
6.6 虛擬變量在季節(jié)分析中的應(yīng)用
7.1-7.2 設(shè)定誤差的類型
7.3 過低擬合模型
7.4 過度擬合模型
7.7.1+7.7.2 多余變量遺漏變量的檢驗(yàn)
7.7.4 RESET檢驗(yàn)
7.5+7.6 不正確的函數(shù)形式
8.1-8.2 多重共線性的性質(zhì)與不完全共線性
8.3-8.4 多重共線性后果
8.5-8.7 多重共線性的診斷與應(yīng)用舉例
8.8 多重共線性的補(bǔ)救措施
9.1 異方差的性質(zhì)
9.2 異方差的后果
9.3.2殘差的圖形診斷
9.3.3 帕克檢驗(yàn)
9.3.4格萊澤檢驗(yàn)
9.3.5 懷特異方差檢驗(yàn)
9.4 加權(quán)最小二乘法
9.5 懷特異方差校正后的標(biāo)準(zhǔn)誤
10.1 自相關(guān)的性質(zhì)
10.2-10.3自相關(guān)后果和診斷
10.4 補(bǔ)救措施 廣義差分變換
10.5 如何估計自相關(guān)系數(shù)
10.6 Newey-West 校正
10.7 時間序列模型的自相關(guān)問題應(yīng)用舉例