联立方程组的结构性方法是用经济理论来建立变量之间关系的模型。但是，经济理论通常并不足以对变量之间的动态联系提供一个严密的说明。并且，内生变量既可以出现在等式的左端又可以出现在等式的右端使得估计和推断更加复杂

本章讨论的重要工具具有与以往不同的目的——建立变量的条件方差或变量波动性模型

本章我们讨论分析时间序列数据（检验序列相关性，估计ARMA模型，使用分布滞后，非平稳时间序列的单位根检验）的单方程回归方法

15.1 为什么需要非参数与半参数估计 15.2 对密度函数的非参数估计 15.3 核密度估计的性质 15.4 最优带宽 15.5 多元密度函数的核估计 15.6 非参数核回归 15.7 多元核回归 15.8 k近邻回归 15.9 局部线性回归 15.10 非参数估计的Stata命令及实例 15.11 半参数估计

非平稳序列 ARMA的平稳性 VAR的平稳性 单位根所带来的问题 单位根检验 单位根检验的Stata实例 协整的思想与初步检验 协整的最大似然估计

为研究钢筋混凝土在耦合盐环境中的腐蚀劣化规律及寿命分布，将钢筋混凝土试件置于0.32 mol·L−1NaCl和0.4 mol·L−1MgSO4盐溶液中，利用电化学工作站定期无损检测，以极化曲线、交流阻抗图谱及电化学参数指标进行耐久性分析，选择3参数Weibull进行可靠性建模，通过Anderson-Darling法（A-D）进行先验假设检验，采用相关系数优化法(CCOM)、极大似然法(MLM)及矩估计法(MEM)进行参数估计，综合可靠度曲线、密度曲线、失效率曲线对钢筋混凝土在氯盐、硫酸盐、镁盐腐蚀环境中的寿命进行分析

通过将迟滞特性引入神经元激励函数的方式，构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法，将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上，构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析，并将预测结果利用卡尔曼滤波方法进行融合，从而得到最优预测估计结果.仿真实验结果表明，迟滞神经网络具有更加灵活的网络结构，能够有效改善网络的泛化能力，预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度，降低预测误差

本文对微合金化中碳L45钢进行了控制轧制和控制冷却试验;测定了各项力学性能及先共析铁素体量fa、铁素体尺寸da、铁素体自由程λa和珠光体片层间距So;采用对大量实验数据进行数理统计的方法,研究了控轧控冷微合金化中碳钢力学性能与组织参量之间的关系,得到了一些表达其定量关系的估计式,探讨了控轧控冷中碳钢的强韧化机制

本文针对钢锭在注车上的冷却过程,推导了钢锭的非对称冷却过程传热数学模型。该模型已被实例证明,可以用来估计对称传热假设的偏差以及生产中的可用程度,也为研究钢锭任一局部位置的热状态参数提供了数学模型

在正常连轧生产条件下,同时在线采集轧辊与轧件速度并采用电源-力矩法估计机架间张力值,可以在线识别前滑模型。通过引入自适应校正方法,可以进一步提高辊速的设定精度