本书是在中国社会科学院研究生院硕士及博士研究生《**经济计量学》课程讲义的基础上编辑而成的，较为系统地介绍了**经济计量学的知识体系及相关*新进展。全书共分为十二章，其中**章至第五章为**经济计量学的核心方法，内容包括*大似然估计、广义矩方法、半参数方法、贝叶斯分析以及分位数回归；第六章至第九章为时间序列分析，内容包括ARMA过程与ARCH模型、协整与误差修正模型、向量自回归以及状态空间模型；第十章及第十一章为微观经济计量学，包括离散选择模型、托比特模型以及微观面板数据分析，第十二章为非平稳的宏观面板数据分析。本书思路清晰，层次分明，在理论方法的叙述及公式推导方面力求深入浅出、通俗易懂。本书可作为经济类及管理类硕士研究生及博士研究生的教材，也可作为社会各届人士查阅或使用有关模型方法的参考书。

前言
**章 *大似然估计与假设检验
**节 *大似然估计与条件*大似然估计
一 *大似然估计
二 条件*大似然估计
第二节 *大似然估计量的性质及准*大似然估计
一 *大似然估计量的性质
二 *大似然估计及其性质案例
三 *大似然估计量方差的估计
四 准*大似然估计
第三节 三种常用的假设检验
一 似然比检验
二 沃尔德检验
三 拉格朗日乘数检验（得分检验）
四 三种检验方法的比较
第四节 案例分析
一 *大似然估计及参数约束检验案例
二 参数约束检验实证分析案例
第五节 数值*大化方法
一 格子搜索法
二 *陡爬坡法
三 牛顿—拉夫森方法
思考题
第二章 广义矩方法
**节 经典矩方法
一 基本概念
二 经典矩方法
三 经典矩估计量渐近协方差的计算
第二节 广义矩方法及其性质
一 广义矩方法
二 一般广义矩估计量的性质
第三节 *优权矩阵与*优GMM
一 *优权矩阵的选择
二 *优GMM估计示例
三 *优GMM估计量数值算法的步骤
第四节 过度识别约束检验
一 线性回归模型的GMM估计
二 过度识别约束检验（Hansen检验或者J检验）
思考题
第三章 非参数与半参数方法
**节 非参数密度估计
一 局部直方图法
二 罗森布拉特—帕森核估计方法
三 k近邻估计方法
四 可变窗宽核估计方法
第二节 密度函数核估计量的性质及其*优窗宽的选择
一 密度函数核估计量的性质
二 密度函数核估计过程中窗宽的选择与嵌入估计
三 多元密度函数的核估计
第三节 非参数回归模型
一 纳达那亚—沃森核回归方法
二 核回归中窗宽的选择及其交叉核实估计
三 多元非参数模型的核回归估计
四 非参数模型的局部线性回归估计
五 非参数模型的k近邻估计
第四节 半参数线性回归模型
……
第四章 贝叶斯分析与MCMC算法
第五章 分位数回归与自助法
第六章 ARMA过程与ARCH模型
第七章 协整与误差修正模型
第八章 向量自回归
第九章 状态空间模型与卡尔曼滤波
第十章 离散选择模型与托比特模型
第十一章 面板数据分析
第十二章 非平稳面板数据分析
主要参考书目