2.1 为什么需要大样本理论 2.2 随机序列的收敛 2.3 大数定律与中心极限定理 2.4 统计量的大样本性质 2.5 随机过程的性质 2.6 大样本OLS的假定及估计量的性质 2.7 大样本OLS的stata实例

古典线性回归模型的假定 OLS的代数推导 OLS的几何解释 拟合优度 OLS的小样本性质 对单个系数的 t检验 对线性假设的 F检验 分块回归与偏回归(选读) 预测

贝叶斯估计的思想 贝叶斯定理 贝叶斯估计的一个例子 基于后验分布的统计推断 先验分布的选择 多元回归的贝叶斯分析 马尔可夫链蒙特卡罗法

处理效应与选择难题 通过随机分组解决选择难题 依可测变量选择 匹配估计量的思想 倾向得分匹配 倾向得分匹配的Stata实例 偏差校正匹配估计量 双重差分倾向得分匹配 断点回归的思想 精确断点回归 模糊断点回归 断点回归的Stata实例 处理效应模型

地理学第一定律 空间权重矩阵 空间自相关 空间自回归模型 空间杜宾模型 空间误差模型 一般的空间计量模型 含内生解释变量的SARAR模型 空间面板模型 空间计量方法的局限性

15.1 为什么需要非参数与半参数估计 15.2 对密度函数的非参数估计 15.3 核密度估计的性质 15.4 最优带宽 15.5 多元密度函数的核估计 15.6 非参数核回归 15.7 多元核回归 15.8 k近邻回归 15.9 局部线性回归 15.10 非参数估计的Stata命令及实例 15.11 半参数估计

为什么需要分位数回归 总体分位数 样本分位数 分位数回归的估计方法

非线性最小二乘法 非线性回归的Stata命令及实例 门限回归 面板数据的门限回归

非平稳序列 ARMA的平稳性 VAR的平稳性 单位根所带来的问题 单位根检验 单位根检验的Stata实例 协整的思想与初步检验 协整的最大似然估计

时间序列的自相关 一阶自回归 高阶自回归 自回归分布滞后模型 误差修正模型 移动平均与ARMA模型 脉冲响应函数 向量自回归过程 VAR的脉冲响应函数 格兰杰因果检验 VAR的Stata命令及实例 时间趋势项 季节调整 日期数据的导入