【教学目的】了解管理研究的基本要素；理解管理理论的因果解释和结构解释功能，构念与变量及变量类型，潜变量和显在变量及其关系、理论的呈现方式；熟悉管理理论的构建过程，自变量、因变量、中介变量和调节变量及其相互作用机制，掌握假设的提出及其陈述形式 【教学重点与难点】管理学理论构建过程；构念与变量及其变量间关系；假设提出及陈述；理论的呈现方式

因子分析(factor analysis)是一种数据简化的技术 。它通过研究众多变量之间的内部依赖关系,探求观测数 据中的基本结构,并用少数几个假想变量来表示其基本的 数据结构。这几个假想变量能够反映原来众多变量的主要 信息。原始的变量是可观测的显在变量,而假想变量是不 可观测的潜在变量,称为因子。 例如,在企业形象或品牌形象的研究中,消费者可以 通过一个有24个指标构成的评价体系,评价百货商场的24 个方面的优劣

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量

一、随机解释变量问题 二、实际经济问题中的随机解释变量问题 三、随机解释变量的后果 四、工具变量法 五、案例

一、随机解释变量问题 二、实际经济问题中的随机解释变量问题 三、随机解释变量的后果 四、工具变量法 五、案例 六、广义矩方法（GMM）的概念

4.1 联立方程偏差 4.2 测量误差偏差 4.3 工具变量法 4.4 二阶段最小二乘法 4.5 弱工具变量 4.6 对工具变量外生性的过度识别检验 4.7 对解释变量内生性的豪斯曼检验：究竟该用OLS还是IV 4.8 如何获得工具变量 4.9 工具变量法的Stata实例

第14章变量的存储类别及 内部、外部函数 一、变量的存储类型 1、自动变量 2、静态变量 3、寄存器变量 4、外部变量 二、内部函数和外部函数 1、内部函数 2、外部函数

理解结构体的概念和它对于编程的重要性； 理解定义结构体类型和定义结构体变量的区别； 能够用“ .”和“->”分量运算符操作结构体变量和指向结构体的指针变量； 能够定义并使用结构体数组； 了解用typedef定义数据类型。 定义结构体类型变量的方法； 结构体变量的引用； 结构体变量的初始化； 结构体数组； 指向结构体类型数据的指针； 用指针处理链表； 用typedef定义类型

多元线性回归( multiple linear regression)是分析一个随机变量与多个变量 之间线性关系的最常用的统计方法。实际工作中,常常希望知道所关心的事物受 哪些因素的影响,比如销售量与价格和广告费的关系,农业产量与原料和气候的 关系,生育水平与教育水平和经济水平的关系,物价和失业率的关系,收入与受 教育程度和年龄的关系等等。多元线性回归用变量的观察数据拟合所关注的变量 和影响它变化的变量之间的线性关系式,检验影响变量的显著程度和比较它们的 作用大小,进而用两个或多个变量的变化解释和预测另一个变量的变化 回归这一名词起源于19世纪生物学家F.高尔顿进行的遗传学研究,他在研 究子女身高与父母身高之间关系时发现

多元线性回归(multiple linear regression)是分析一个随机变量与多个变量 之间线性关系的最常用的统计方法。实际工作中,常常希望知道所关心的事物受 哪些因素的影响,比如销售量与价格和广告费的关系,农业产量与原料和气候的 关系,生育水平与教育水平和经济水平的关系,物价和失业率的关系,收入与受 教育程度和年龄的关系等等。多元线性回归用变量的观察数据拟合所关注的变量 和影响它变化的变量之间的线性关系式,检验影响变量的显著程度和比较它们的 作用大小,进而用两个或多个变量的变化解释和预测另一个变量的变化