本书内容包括初等概率计算、随机变量及其分布、数字特征、多维随机向量、极限定理、统计学基本概念、点估计与区间估计、假设检验、回归相关分析、方差分析等.书中选入了部分在理论和应用上重要，但一般认为超出本课程范围的材料，以备教者和学者选择

面板数据的特点 面板数据的估计策略 混合回归 个体固定效应模型 时间固定效应 一阶差分法 随机效应模型 组间估计量 拟合优度的度量 非平衡面板 究竟该用固定效应还是随机效应模型 个体时间趋势 短面板的STATA命令及实例

一、回归常识：概念公式，参数估计，假设检验 二、结构方程模型：图示，概念，公式 三、DASC操作：创建一个自己的结构方程模型 四、确定性算法：LISREL,PLS, 约束最小二乘解 五、多层多对象模型：图示，算法，DASC实现 六、构思完成论文：使用DASC创建一个SEM

一、数据收集 二、数据分析和总结 三、概率论回顾 四、统计的抽样分布 五、推断:点估计和置信区间估计,假设检验 六、线性回归 七、方差分析 八、非参数方法 九、专题(数据挖掘?)

第一章 总论 §1 统计学的产生和发展 §2 统计学的研究对象与研究方法 §3 统计学的分科 §4 统计学与各学科的关系 §5 统计学的基本概念 第二章 统计资料的收集 第三章 统计数据的整理与显示 第四章 总量指标与相对指标 第五章 分布的数值特征 第六章 时间数列 第七章 统计指数 第八章 相关与回归分析 第九章 抽样与抽样估计 第十章 方差分析 第十一章 国民经济核算体系简介

专题一：ARCH 模型的有关专门问题 一、 ARCH 模型的估计检验问题 (一）ARCH 模型的估计 估计 ARCH 模型的常用方法是极大似然估计。对于回归模型

第一章 统计和统计数据的收集 第二章 统计数据的整理和展示 第三章 数据的描述性分析 一、绝对数和相对数 二、集中趋势的测定 三、离散趋势的测定 四、数据的形态测定 第四章 概率基础——随机变量及其概率分布 第一节 随机变量的概念及数字特征 第二节 常见的离散型分布 一、两点分布 二、二项分布 第三节 常见的连续型分布 正态分布 x2分布 t分布 F分布 第四节 中心极限定理 第五章 区间估计和假设检验 第六章 相关与回归 多元线性回归 非线性回归模型 第八章 时间数列分析 时间数列的种类和编制方法 时间数列传统分析指标 长期趋势的测定 季节变动、循环变动和剩余变动的测定 时间数列的预测方法

第一章 绪论 第二章 统计调查与整理 第三章 综合指标 第五章 参数估计和假设检验 第六章 相关与回归 第七章 非参数检验 第八章 时间序列 第九章 指数

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

• 掌握概率论和数理统计的基本数学知识。 • 训练用概率论和数理统计方法对实际问题进行数学建模的能力。 • 学会解决常见的统计分析问题。 • 是应用型很强的学科。 第一章 古典概型和概率空间 第二章 随机变量和概率分布 第三章 随机向量及其分布 第四章 数学期望和方差 第五章 多元正态分布和极限定理 第六章 描述性统计 第七章 参数估计 第八章 假设检验 第九章 线性回归分析