3.1 概述 3.2 线性差分方程模型 3.3 线性差分方程模型的最小二乘法 3.4 递推最小二乘估计 3.5 慢时变参数的实时递推估计

15.1 联立方程模型的性质 15.2 联立方程的偏误：OLS估计量的不一致性 15.3 间接最小二乘法 15.4 间接最小二乘：一则实例 15.5 模型识别问题 15.6 识别规则：识别的阶条件 15.7 过度识别方程的估计：两阶段最小二乘法 15.8 两阶段最小二乘法2SLS：一个数字例子 15.9 总结

随机解变量 澤后变量 虚拟变量 时间变量 随机解释变量 估计量的渐进特征 随机解释变量模型最小二乘估计量的统计特征 工具变量法 工具变量法估计量的统计性质 工具变量估计法的例题 课题和数据 工具变 EViews量法的估计 滞后变量 外生变量分布滞后模型 有限分布滞后模型的估计 内生变量分布滞后模型 虚拟变量 为什么引入虚拟变量 测量截距变动 测量斜季变动 分段线性回归 时间变量 最简单的 EViews编程示例

一、模型估计方法的比较 二、为什么普通最小二乘法被普遍采用 三、模型的检验

在介绍盒子模型时已经指出,对于总体中具有某种特性 的单元所占比例的抽样调查,可建立0-1盒子模型。N个 具有某种特性的单元相应的票上全标上1,其余全标上0

主要内容 12.1概述 12.2查询处理的代价模型 12.3单个关系运算的代价估计 12.4表达式运算的代价估计 12.5 Microsoft SQL Server系统的查询处理器 12.6本章小结

本文通过对Buhlmann—Straub模型结构的剖析，引入基于Gibbs抽样的马尔可夫链蒙特卡罗(MCMC)模拟方法，构建出风险保费预测值信用估计的贝叶斯模型。实例分析的结果证明了该模型能够在数据缺失的情况下，动态模拟出有关参数的后验分布，求出缺失参数的后验估计，提高计算的精度，从而有助于更有效地甄别出各保单问的非同质程度

第一节 回归分析概述 一、回归的定义 二、回归模型的分类 第二节 一元线性回归预测法 一、一元线性回归模型 二、最小二乘估计 三、拟合优度的度量 四、相关系数检验法 五、最小二乘估计式的标准误差 六、回归预测

一、多元线性回归模型 二、多元线性回归模型的参数估计 三、OLS估计量的统计性质 四、参数估计量的方差-协方差矩阵和随机误差项σ2方差的估计 五、样本容量问题 六、多元线性回归模型实例

§6.4 联立方程模型的估计 The Estimation of the Simultaneous￾Equations Econometric Model §6.5 联立方程计量经济学模型若干问题的讨论 一、模型估计方法的比较 二、为什么普通最小二乘法被普遍采用 三、联立方程模型的检验