第一章  線性代數(shù)和矩陣基本知識  §11 線性代數(shù)基本知識    §111 向量空間    §112 GramSchmidt正交化程序    §113 向量的正交投影和Bessel不等式  §12 矩 第一章 線性代數(shù)和矩陣基本知識 §11 線性代數(shù)基本知識 §111 向量空間 §112 GramSchmidt正交化程序 §113 向量的正交投影和Bessel不等式 §12 矩陣的一般理論和性質(zhì) §13 矩陣的數(shù)字特征 §14 幾類特殊的矩陣 §15 二次型 §16矩陣的特殊運(yùn)算與矩陣的微商第二章 多元統(tǒng)計(jì)分析基本知識 §21 隨機(jī)向量的數(shù)字特征 §22 多元正態(tài)及由它生成的統(tǒng)計(jì)量 §23 矩陣正態(tài)分布和’Wishart分布 §24 相關(guān)性分析和關(guān)聯(lián)性分析 §25其他重要的多元分布 §26 Copula §261 Copula的定義和性質(zhì) §262 幾個重要的Copula §263 阿基米德Copula與對應(yīng)的秩相關(guān)系數(shù) §264 Copula的C藤和D藤分解 §27 大數(shù)定律和中心極限定理第三章 回歸分析 §31 多元線性回歸模型 §311 古典假定以及統(tǒng)計(jì)推斷 §312 多重共線性 §313 異方差性 §314 自相關(guān)性 §315 解釋變量與誤差項(xiàng)的相關(guān)性 §316 分塊回歸與偏回歸估計(jì) §32 多元統(tǒng)計(jì)分析 §321 多元模型 §322 主成分分析與因子分析 §323 偏最小二乘方法 §33 非線性回歸模型 §331 可化為線性的非線性回歸模型 §332 非線性回歸模型及其最小二乘估計(jì) §333 變參數(shù)線性回歸模型 §34 非參數(shù)回歸方法 §341 非參數(shù)回歸模型 §342 核密度估計(jì) §343 非參數(shù)均值回歸 §344 局部多項(xiàng)式回歸 §345 半?yún)��?shù)模型 §346 樣條方法 §35 分位點(diǎn)回歸模型 §351 線性分位點(diǎn)回歸模型 §352 非線性分位點(diǎn)回歸模型第四章 時間序列分析 §41 差分方程 §411 常系數(shù)齊次差分方程 §412 非齊次差分方程 §42 平穩(wěn)過程的定義 §43 線性時間序列 §431 常用時間序列的定義 §432 ARMA(p，q)的平穩(wěn)性 §433 時間域上平穩(wěn)ARMA(p，q)的研究 §434 頻率域上平穩(wěn)ARMA(p，q)的研究 §44平穩(wěn)線性序列的參數(shù)估計(jì) §441 平穩(wěn)過程均值μ的估計(jì) §442 平穩(wěn)過程自協(xié)方差和自相關(guān)函數(shù)的估計(jì) §443 自回歸模型的參數(shù)估計(jì) §444 自回歸模型階數(shù)p的估計(jì) §45 非平穩(wěn)過程與單位根 §451 單整 §452 單位根檢驗(yàn) §453 結(jié)構(gòu)突變序列單位根檢驗(yàn) §46 協(xié)整與誤差修正模型 §461 協(xié)整 §462 協(xié)整的檢驗(yàn) §463 誤差修正模型 §47 非線性時間序列 §471 門限自回歸模型 §472 異方差性與GARCH模型 §473 非參數(shù)時間序列模型第五章 面板數(shù)據(jù)分析 §51 面板數(shù)據(jù)模型簡介 §511 面板數(shù)據(jù)模型簡介 §512 面板數(shù)據(jù)模型的協(xié)方差分析 §513 面板數(shù)據(jù)模型的設(shè)定 §52 變截距簡單回歸模型 §521 固定效應(yīng)變截距模型 §522 隨機(jī)效應(yīng)變截距模型 §523 Mundlak公式 §524固定效應(yīng)以及隨機(jī)效應(yīng)模型的選擇 §53 面板數(shù)據(jù)的單位根檢驗(yàn) §54 面板數(shù)據(jù)的協(xié)整檢驗(yàn)第六章 屬性數(shù)據(jù)分析 §61 屬性數(shù)據(jù)簡介 §62 虛擬解釋變量模型 §621 虛擬變量 §622 虛擬解釋變量綜合應(yīng)用 §63 虛擬被解釋變量模型 §631 廣義線性模型 §632 二元數(shù)據(jù)廣義線性模型 §633 多元數(shù)據(jù)廣義線性模型第七章 常用的估計(jì)方法 §71 極大似然估計(jì) §711 極大似然估計(jì)簡介 §712 簡單線性回歸模型的極大似然估計(jì) §713 多元線性回歸模型的極大似然估計(jì) §714 非線性模型的極大似然估計(jì) §715 似然比檢驗(yàn) §72 廣義矩估計(jì) §721 參數(shù)的廣義矩估計(jì) §722 矩條件以及廣義矩估計(jì) §723 一些估計(jì)量的GMM估計(jì)解釋 §724關(guān)于廣義矩估計(jì)的假設(shè)檢驗(yàn) §725 GMM方法的具體應(yīng)用 §73 Bdyes估計(jì)方法 §731 Bayes估計(jì)方法簡介 §732 先驗(yàn)分布的確定 §733 正態(tài)線性回歸模型的Bayes估計(jì) §734 Bayes統(tǒng)計(jì)推斷 §735 Bayes方法的應(yīng)用——Bayes VaR §74 聯(lián)立方程模型及其估計(jì)參考文獻(xiàn)名詞索引