前辅文
 第1章 导论
  1.1 什么是计量经济学
   1.1.1 计量经济学的定义
   1.1.2 计量经济学的分类
   1.1.3 计量经济学的性质
  1.2 计量经济学的起源与发展
   1.2.1 计量经济学的起源
   1.2.2 计量经济学的发展
  1.3 计量经济分析的步骤
   1.3.1 明确任务
   1.3.2 模型设定
   1.3.3 获取数据
   1.3.4 模型参数估计
   1.3.5 模型检验
   1.3.6 模型应用
  1.4 大数据与计量经济分析
   1.4.1 大数据与小数据
   1.4.2 大数据对计量建模的挑战
   1.4.3 机器学习、统计学与计量经济学的关系
  1.5 常见的计量经济分析软件
  本章小结
  习题
  即测即评
 第2章 大数据预处理
  2.1 数据采集
   2.1.1 数据来源
   2.1.2 日志数据和网页数据的采集
  2.2 数据质量
   2.2.1 数据的完整性
   2.2.2 数据的一致性
   2.2.3 数据的准确性
   2.2.4 数据的时效性
   2.2.5 数据的相关性
  2.3 数据预处理
   2.3.1 数据集合并
   2.3.2 缺失值处理
   2.3.3 异常值处理
   2.3.4 数据变换
  2.4 一个文本挖掘的大数据处理实例
   2.4.1 文本数据清洗
   2.4.2 文本数据预处理
  本章小结
  习题
  即测即评
 第3章 经典线性回归模型
  3.1 回归分析概述
   3.1.1 回归分析的含义
   3.1.2 总体回归函数
   3.1.3 随机误差项
   3.1.4 样本回归函数
  3.2 线性回归模型及其基本假定
   3.2.1 一元线性回归模型形式
   3.2.2 多元线性回归模型形式
   3.2.3 线性回归模型的基本假定
  3.3 线性回归模型的参数估计
   3.3.1 普通最小二乘估计
   3.3.2 矩估计
   3.3.3 极大似然估计
  3.4 线性回归模型的统计检验
   3.4.1 置信区间检验
   3.4.2 变量显著性检验
   3.4.3 拟合优度检验
   3.4.4 方程显著性检验
  3.5 线性回归模型的预测
   3.5.1 均值预测
   3.5.2 个值预测
  3.6 可线性化的非线性回归模型
   3.6.1 双对数线性模型
   3.6.2 半对数线性模型
   3.6.3 双曲线函数模型
   3.6.4 生长曲线函数模型
   3.6.5 多项式回归模型
  本章小结
  习题
  即测即评
 第4章 经典线性回归模型的拓展
  4.1 多重共线性
   4.1.1 多重共线性的来源和后果
   4.1.2 多重共线性的检验和修正
  4.2 异方差
   4.2.1 异方差的来源和后果
   4.2.2 异方差的检验
   4.2.3 异方差的修正
  4.3 自相关
   4.3.1 自相关的来源和后果
   4.3.2 自相关的检验和修正
  4.4 内生性问题
   4.4.1 内生解释变量及后果
   4.4.2 内生性问题的解决方法
  4.5 大数据场景案例分析—在线评论中蕴含的消费者情绪对消费者满意度的影响
   4.5.1 案例背景
   4.5.2 数据收集与预处理
   4.5.3 模型估计
   4.5.4 结果分析与讨论
   4.5.5 大样本情形
  本章小结
  习题
  即测即评
 第5章 包含虚拟变量的回归模型
  5.1 虚拟变量概述
   5.1.1 虚拟变量的概念和作用
   5.1.2 虚拟变量的设置原则
  5.2 虚拟变量的引入
   5.2.1 加法方式
   5.2.2 乘法方式
   5.2.3 加法和乘法混合方式
  5.3 虚拟变量的特殊应用
   5.3.1 模型结构稳定性检验
   5.3.2 分段线性回归
   5.3.3 交互效应分析
  5.4 虚拟变量引入的综合案例
  本章小结
  习题
  即测即评
 第6章 离散与受限因变量模型
  6.1 线性概率模型
   6.1.1 线性概率模型的定义
   6.1.2 线性概率模型的估计
  6.2 Logit模型
   6.2.1 Logit模型的基本形式
   6.2.2 Logit模型的估计
   6.2.3 Logit模型的边际效应
   6.2.4 Logit模型的假设检验
  6.3 Probit模型
   6.3.1 Probit模型的基本形式
   6.3.2 Probit模型的估计
   6.3.3 Probit模型的边际效应
  6.4 Tobit模型
   6.4.1 截取数据与断尾数据
   6.4.2 Tobit模型的基本形式
   6.4.3 Tobit模型的估计
   6.4.4 Tobit模型的边际效应
  本章小结
  习题
  即测即评
 第7章 计数模型
  7.1 泊松回归模型
   7.1.1 泊松回归模型简介
   7.1.2 泊松回归模型示例
  7.2 负二项回归模型
   7.2.1 负二项回归模型简介
   7.2.2 负二项回归模型示例
  7.3 零膨胀回归模型
   7.3.1 零膨胀回归模型简介
   7.3.2 零膨胀回归模型示例
  7.4 计数模型综合示例
  7.5 大数据场景案例分析——在线评论有用性的影响因素分析
   7.5.1 案例背景
   7.5.2 数据收集与预处理
   7.5.3 模型估计
   7.5.4 结果分析
  本章小结
  习题
  即测即评
 第8章 高维数据的套索回归模型
  8.1 高维数据与正则化方法
   8.1.1 高维数据问题
   8.1.2 正则化方法
  8.2 套索回归模型
  8.3 超参数的设定
  8.4 模型估计与评估
  8.5 案例分析
   8.5.1 案例1棒球运动员收入的影响因素分析
   8.5.2 案例2前列腺癌治愈方案的判定分析
  本章小结
  习题
  即测即评
 第9章 面板数据模型
  9.1 面板数据概述
   9.1.1 面板数据的定义
   9.1.2 面板数据的分类
   9.1.3 面板数据的优点
  9.2 面板数据模型的形式及分类
  9.3 面板数据模型的估计方法
   9.3.1 固定效应变截距模型的估计方法
   9.3.2 随机效应变截距模型的估计方法
  9.4 面板数据模型的设定检验
   9.4.1 固定效应模型的设定检验
   9.4.2 随机效应模型的设定检验
   9.4.3 固定效应模型和随机效应模型的选择
  9.5 大数据场景案例分析—社会化媒体的用户行为分析
   9.5.1 案例背景
   9.5.2 数据收集与预处理
   9.5.3 研究变量与模型设定
   9.5.4 模型估计与结果分析
  本章小结
  习题
  即测即评
 第10章 空间计量分析模型
  10.1 空间数据与空间效应
   10.1.1 空间数据
   10.1.2 空间效应
  10.2 空间权重矩阵
   10.2.1 空间权重矩阵的设定方法
   10.2.2 常用的空间权重矩阵
  10.3 空间自相关检验
  10.4 空间滞后模型
   10.4.1 自变量空间滞后模型
   10.4.2 空间滞后模型及估计
  10.5 空间误差模型
  10.6 空间杜宾模型
   10.6.1 空间杜宾模型形式
   10.6.2 直接效应与间接效应
  10.7 相关模型的选取标准
   10.7.1 空间计量模型统计检验方法
   10.7.2 空间计量模型的信息准则
  10.8 空间计量分析的综合案例
  本章小结
  习题
  即测即评
 附录A Stata基本功能及操作
 附录B 统计分布表
 主要参考文献