第一部分：基础与思维
第1章 计量经济学在解决什么问题？
1.1 一个日常问题：教育真的会提高薪水吗？
1.2 回归分析做了什么，没做什么
1.3 计量经济学的定位：经济理论＋统计方法＋现实数据
1.4 因果关系的三个层次
1.4.1 经济显著：系数符号与大小是否合理
1.4.2 统计显著：t检定与F检定
1.4.3 模型显著：高斯—马可夫假设是否满足
1.5 其他状况不变（Ceteris Paribus）的直观意义
1.6 计量经济学的五大步骤
1.7 这学期的学习地图
附录1.1 经济、财务、金融数据的免费来源列表
附录1.2 EViews与EXCEL快速入门
第2章 好模型的标准：高斯—马可夫与内生性
2.1 什么是「最佳线性不偏估计式」（BLUE）？
2.2 高斯—马可夫定理的直观理解
2.3 五条假设在说什么？
2.3.1 假设1：参数线性
2.3.2 假设2：随机抽样
2.3.3 假设3：无完全共线性
2.3.4 假设4：条件均值为零（外生性）
2.3.5 假设5：同方差性
2.4 哪一条假设最致命？——外生性与内生性
2.5 内生性的四大来源
2.5.1 遗漏变数
2.5.2 测量误差
2.5.3 双向因果
2.5.4 样本选择偏误
2.6 内生性为什么让你的估计「不准」？
2.7 预告：后面怎么补救
第3章 变量选择的逻辑
3.1 变量选择的三大核心问题
3.1.1 遗漏变数：少放了会怎样？
3.1.2 控制变量：哪些一定要放？
3.1.3 冗余变数：多放了会怎样？
3.2 变量选择的检验
3.2.1 冗余变数检定（Wald检定）
3.2.2变量是否遗漏无法判断（因为未知）——那RESET检定呢？
3.3 变量选择的验证与确认
3.3.1 为什么「逐步回归」不适用于计量经济学
3.3.2 模型选择准则：AIC/BIC/HQC
3.3.3 三个工具的定位总结
3.4 变量选择的计量十诫
3.5 实务建议：怎么从文献中找出该放的变量
附录3.1 EViews变量选择操作示范
第4章 实证论文的「防呆设计」：AI使用规范与学术诚信
4.1 AI时代的论文写作：哪些环节可以用AI，哪些不可以
4.2 文献回顾：AI辅助检索vs AI代写文献
4.3 数据分析：AI可以写程序代码，但学生必须能解释每一行
4.4 结论与建议：为什么「自己的灵魂」AI无法取代
4.5 如何避免被AIGC检测误判为抄袭
4.5.1 保留写作过程纪录
4.5.2 数据处理log文件与程序代码批注
4.5.3 被误判时的申诉策略
4.6 学术诚信的底线
4.7 给指导教授的验收清单
第二部分：假设诊断
第5章 模型设定的偏误与诊断
5.1 模型设定偏误的两种类型
5.1.1 遗漏重要变量
5.1.2 纳入无关变数
5.2 函数形式设错会怎样？
5.2.1 线性 vs 非线性
5.2.2 对数模型、半对数模型、倒数模型
5.3 非线性关系的检测方法
5.3.1 RESET检定
5.3.2 散布图与残差图的直观判断
5.4 非线性关系的处理方式
5.4.1 变数转换
5.4.2 加入多项式项
5.5 模型选择的最终原则
附录5.1 缺失数据的机制与处理方式简介
第6章 残差诊断：异方差与序列相关
6.1 异方差的产生机制与经济含义
6.1.1 什么是异方差？
6.1.2 异方差在实证中常见的情境
6.2 异方差的检测方法
6.2.1 残差图观察法
6.2.2 Breusch-Pagan检定
6.2.3 White检定
6.3 异方差的补救措施
6.3.1 稳健标准误
6.3.2 加权最小平方法
6.4 序列相关的产生机制与经济含义
6.4.1 什么是序列相关？
6.4.2 序列相关在实证中常见的情境
6.5 序列相关的检测方法
6.5.1 Durbin-Watson检定
6.5.2 Breusch-Godfrey LM检定
6.6 序列相关的补救措施
6.6.1 HAC稳健标准误
6.6.2 广义最小平方法
6.7 实务决策流程
附录6.1 EViews异方差与序列相关检定操作指南
第7章 变数诊断：共线性与常态性
7.1 多重共线性的定义与经济含义
7.2 多重共线性的诊断方法
7.2.1 相关系数矩阵观察法
7.2.2 变异数膨胀因子（VIF）
7.2.3 条件数
7.3 多重共线性的后果
7.3.1 标准误变大，t值变小
7.3.2 系数不稳定，符号可能相反
7.4 多重共线性的处理方式
7.4.1 删除高度相关的变数
7.4.2 合并变量
7.4.3 增加样本量
7.5 常态性检定
7.5.1 残差直方图与Q-Q图
7.5.2 Jarque-Bera检定
7.6 非常态分配的应对策略
7.6.1 大样本下常态性不太重要
7.6.2 变数转换
7.7 诊断的优先级顺序
附录7.1 EViews共线性与常态性检定操作指南
第三部分：进阶方法
第8章 工具变量法：处理内生性
8.1 内生性问题回顾
8.2 工具变量的定义与两个必要条件
8.2.1 相关性条件
8.2.2 外生性条件
8.3 两阶段最小平方法（2SLS）
8.3.1 第一阶段：工具变量预测内生变量
8.3.2 第二阶段：用预测值取代原始值进行回归
8.4 工具变数的检验
8.4.1 弱工具变数检定（F统计量）
8.4.2 过度识别检定（Sargan检定、Hansen J检定）
8.5 工具变数的常见来源
8.5.1 历史数据
8.5.2 自然因素
8.5.3 政策冲击
8.6 综合应用案例
8.7 实证写作指南
附录8.1 EViews工具变数法操作示范
第9章 面板数据模型
9.1 一个「骗人」的例子：ANOVA为什么可能高估效果？
9.2 从图看懂：同一家公司「自己跟自己比」
9.3 什么是面板数据？
9.4 为什么用面板数据？
9.5 三种面板数据模型
9.5.1 混合回归模型
9.5.2 固定效果模型
9.5.3 随机效果模型
9.6 双因子固定效果模型
9.7 固定效果 vs 随机效果：怎么选？
9.7.1 豪斯曼检定
9.7.2课本不会告诉你的真相：固定效果是王道
9.8 双因子FE vs ANOVA 完整对照表
9.9 EViews操作示范
9.10 实证写作指南
附录9.1 双因子FE完整实证数据与EViews操作
第10章 政策评估方法：DID与事件研究法
10.0 从FE到DID：DID就是FE的延伸
10.1 政策评估的基本问题：如何建立反事实？
10.2 DID的基本概念与估计
10.2.1 处理组 vs 对照组
10.2.2 政策前 vs 政策后
10.2.3 双重差分的计算与解读
10.3 平行趋势假设：检验方法与事件研究法
10.3.1 什么是平行趋势假设？
10.3.2 趋势图法
10.3.3 事件研究法回归模型
10.3.4 事件研究法系数图的制作与解读
10.4 进阶DID
10.4.1 多期DID
10.4.2 三重差分
10.4.3 空间DID
10.5 稳健性检验体系
10.5.1 更换对照组
10.5.2 安慰剂检定
10.5.3 排除其他政策干扰
10.6 实证写作指南与实务决策
10.6.1 DID论文的标准架构
10.6.2 表格与图表制作标准
10.6.3 数据期数实务决策
10.6.4 论文自我检查清单
附录10.1 完整DID与事件研究法实证示范
第11章 其他进阶方法导论
11.1 调节效果与中介效果
11.1.1 调节效果
11.1.2 中介效果
11.1.3 什么时候该用？什么时候不该用？
11.2 二元与多元离散选择模型
11.2.1 Logit与Probit模型
11.2.2 多项Logit
11.2.3 什么时候该用？与OLS的差别在哪？
11.3 时间序列分析与波动模型
11.3.1 平稳性与单根检定
11.3.2 ARIMA模型
11.3.3 ARCH与GARCH模型
11.3.4 什么时候该用这些模型？
11.4 联立方程模型与SEM
11.4.1 联立方程偏误
11.4.2 结构方程模型的基本概念
11.4.3 什么时候该用？与工具变量法的关系？
11.5 方法选择判定树
附录
附录A 基础线性代数复习
A.1 向量与矩阵的定义
A.2 矩阵运算
A.3 行列式
A.4 矩阵的秩
A.5 特征值与特征向量
A.6 线性代数在计量中的应用
附录B 回归分析基础复习
B.1 简单线性回归模型
B.2 最小平方法（OLS）的估计
B.3 多元线性回归模型
B.4 OLS的代数性质
B.5 拟合优度：R²与调整后R²
B.6 单一系数检定：t检定
B.7 联合检定：F检定
B.8 信赖区间的计算与解读
B.9 EXCEL回归分析操作步骤
附录C 抽样分布与统计推论复习
C.1 随机变数与机率分布
C.2 常态分配、t分配、卡方分配、F分配
C.3 抽样分布的概念
C.4 中央极限定理
C.5 点估计与不偏性
C.6 信赖区间
C.7 假设检定的逻辑
附录D 计量伦理与学术诚信
D.1 数据造假与p值操弄
D.2 便利抽样为什么是问题？
D.3 幸存者偏误与样本选择偏误
D.4 预设立场与选择性报告
D.5 AI辅助论文的伦理界线
D.6 统计实务伦理准则
D.7 你敢对这个结果负责吗？
附录E EViews与EXCEL操作指南
E.1 EViews基本操作
E.2 EXCEL数据整理技巧
E.3 EViews模型估计操作
E.4 模型输出与表格制作
附录F 实证论文写作指南
F.1 实证论文的标准结构
F.2 表格呈现的标准格式
F.3 稳健性检验清单
F.4 常见审稿意见与回应策略
F.5 论文自我检查表
参考文献
中英文索引
10个月宝宝每天需要喝多少奶粉？
