主要内容 一、为何要用结构方程模型? 二、结构模型原理 三、结构方程的建立 四、科研案例 五、结构方程的Amos实现

01 Wold分解定理 02 AR模型 03 MA模型 04 ARMA模型

01 建模步骤 02 单位根检验 03 模型识别 04 参数估计 05 模型检验 06 模型优化 07 序列预测

◼ 差分运算 ◼ ARIMA模型 ◼ Auto-Regressive模型 ◼ 异方差的性质 ◼ 方差齐性变化 ◼ 条件异方差模型

（1）多项式函数模型 （2）双曲线函数模型 （3）对数函数模型 （4）生长曲线 (logistic) 模型（比教材中的模型复杂些） （5）指数函数模型 （6）幂函数模型

一、问题的提出及其重要性 二、计量经济学模型总体设定的“一般性”原则 三、计量经济学模型总体设定的“现实性”原则 四、计量经济学模型总体设定的“统计检验必要性”原则 五、计量经济学模型总体设定的“经济主体动力学关系导向”原则 六、案例：消费理论与消费函数模型

§3.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 §3.2 多元线性回归模型的估计 一、普通最小二乘估计 二、参数估计量的性质 三、样本容量问题 四、估计实例 §3.3 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间

• 多元线性回归模型 • 多元线性回归模型的参数估计 • 多元线性回归模型的统计检验 • 多元线性回归模型的预测 • 回归模型的其他形式 • 回归模型的参数约束

 方法性工具  差分运算  延迟算子  线性差分方程  ARMA模型  AR模型（Auto Regression Model）  MA模型（Moving Average Model）  ARMA模型（Auto Regression Moving Average model）  平稳序列建模  序列预测  建模步骤  模型识别  参数估计  模型检验  模型优化  序列预测

• 多元线性回归模型概述 • 多元线性回归模型的参数估计 • 多元线性回归模型的统计检验 • 多元线性回归模型的预测 • 可化为线性的非线性模型 • 受约束回归