8.1 面板二值选择模型 8.2 面板二值选择模型的随机效应估计 8.3 面板二值选择模型的固定效应估计 8.4 面板二值选择模型的Stata实例 8.5 面板泊松回归 8.6 面板负二项回归 8.7 面板计数模型的Stata实例 8.8 面板Tobit 8.9 面板随机前沿模型（选读）

实验数据 理想的随机实验 引入更多的解释变量 随机实验执行过程中可能出现的问题 自然实验 双重差分法 三重差分法（选读） 观测数据的处理效应

蒙特卡罗法的思想与用途 蒙特卡罗法实例：模拟中心极限定理 蒙特卡罗法实例：服从卡方分布的扰动项 蒙特卡罗积分 最大模拟似然法与模拟矩估计 自助法的思想与用途 自助法的分类 使用自助法估计标准误 使用自助法进行区间估计 自助法的一致性(选读) 异方差情况下的自助法 面板数据与时间序列的自助法 自助法的Stata命令 使用自助法进行稳健的豪斯曼检验

时间序列的自相关 一阶自回归 高阶自回归 自回归分布滞后模型 误差修正模型 移动平均与ARMA模型 脉冲响应函数 向量自回归过程 VAR的脉冲响应函数 格兰杰因果检验 VAR的Stata命令及实例 时间趋势项 季节调整 日期数据的导入

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

11.4 向量误差修正模型(VECM) 11.5 确定性趋势与协整分析 11.6 Johansen协整分析方法 11.7 VECM的估计与统计推断 11.8 Johansen协整分析方法的应用

5.4 样本自相关与部分自相关函数 5.5 自相关性检验 5.6 ARMA模型的实证分析及应用 5.7 实例应用：中国CPI通胀率的AR模型

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

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