12.1 面板数据定义 12.2 面板数据模型分类 12.3 面板数据模型的估计方法 12.4 面板数据模型的设定与检验 12.5 面板数据建模案例分析 12.6 面板数据建模的 EViews 操作

第一节 异方差的存在与检验 第二节 协方差为对角阵的广义线性模型 第三节 自相关线性模型 第四节 广义矩估计方法 (GMM) 第五节 协方差阵正定的广义线性模型 第六节 协方差阵半正定的广义线性模型

一、主要研究技术结构方程式模型(GEM) 1.什么是结构方程式模型 结构方程式模型(ucu即uau■u~,简称S:)是一种建立、估计和检验因果关系模型的多元统计分析技术它包含了回归分析(m心8n)、因子分析(aranas)、路径分析(訕as)和多元方差分析( muitrarlate analysis ofvariance)等一系列多元统计分析方法,是一种非常通用的、线性的、借助于理论进行假设检验的统计建模技术。S:在国外学术界的应用已经十分普遍,但在国内则处于刚刚起步的阶段

• 一、时间序列模型的基本概念及其适用性 • 二、随机时间序列模型的平稳性条件 • 三、随机时间序列模型的识别 • 四、随机时间序列模型的估计 • 五、随机时间序列模型的检验

• 一、时间序列模型的基本概念及其适用性 • 二、随机时间序列模型的平稳性条件 • 三、随机时间序列模型的识别 • 四、随机时间序列模型的估计 • 五、随机时间序列模型的检验

一、时间序列模型的基本概念及其适用性 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验

3.1 多元线性回归模型 3.2 回归参数的估计 3.3 参数估计量的性质 3.4 回归方程的显著性检验 3.5 中心化和标准化 3.6 相关阵与偏相关系数 3.7 本章小结与评注

3.1 多元线性回归模型 3.2 回归参数的估计 3.3 参数估计量的性质 3.4 回归方程的显著性检验 3.5 中心化和标准化 3.6 相关阵与偏相关系数

§2.1 舰艇的会合 §2.2 双层玻璃的功效 §2.3 崖高的估算 §2.4 经验模型 §2.5 参数识别 §2.6 量纲分析法建模 §2.7 赛艇成绩的比较(比例模型) §2.8 方桌问题 §2.9 最短路径与最速方案问题 §2.6 π的计算

一、时间序列模型的基本概念及其适用性 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验