第一章：绪论
1．计量经济学的学科属性、计量经济学与经济学、数学、统计学的关系；
2．计量经济研究的四个基本步骤
（1）建立模型（依据经济理论建立模型，通过模型识别、格兰杰因果关系检验、协整关系检验建立模型）；
（2）估计模型参数（满足基本假设采用最小二乘法，否则采用其他方法：加权最小二乘估计、模型变换、广义差分法等）；
（3）模型检验：经济意义检验（普通模型、双对数模型、半对数模型中的经济意义解释，见例1、例2），统计检验（T 检验，拟合优度检验、F 检验，联合检验等）；计量经济学检验（异方差、自相关、多重共线性、在时间序列模型中残差的白噪声检验等）；
（4）模型应用。

例1：在模型中，y 某类商品的消费支出，x 收入，P 商品价格，试对模型进行经济意义检验，并解释21,ββ的经济学含义。

t t t P x y 31.0ln 25.0213.0ln -+=∧,
其中参数21,ββ都可以通过显著性检验。

经济意义检验可以通过（商品需求与收入正相关、与商品价格负相关）。

商品消费支出关于收入的弹性为0.25（)/ln(25.0)/ln(11-∧
-=t t t t x x y y ）；
价格增加一个单位，商品消费需求将减少31%。

例2：研究金融发展与贫富差距的关系，认为金融发展先使贫富差距加大（恶化），尔后会使贫富差距降低（好转），成为倒U 型。

贫富差距用GINI 系数表示，金融发展用（贷款余额/存款总额）表示。

回归结果
为：
229.164.034.2t t t x x GINI -+=∧，
模型参数都可以通过显著性检验。

在x 的有意义的变化范围内，GINI 系数的值总是大于1，细致分析后模型变的毫无意义；
同样的模型还有：GINI 系数的值总是为负
231.1412.734.13t t t x x GINI -+-=∧。

3．计量经济学中的一些基本概念
数据的三种类型：横截面数据、时间序列数据、面板数据；
线性模型的概念；模型的解释变量与被解释变量，被解释变量为随机变量（如 果一个变量为随机变量，并与随机扰动项相关，这个变量称为内生变量），被解释变量为内生变量，有些解释变量也为内生变量。

第二章：回归模型
1．两个变量的相关关系，相关关系与随机因果关系的区别；
2．总体回归函数与线性总体回归函数；
3．一元与多元线性回归模型，回归模型的基本假设；
4．最小二乘估计的基本原理与最小二乘估计量的具体表达式，随机扰动项的方差的估计方法；
5．最小二乘估计的数值性质与最小二乘估计的统计性质，样本容量变化对统计性质的影响；
6．在回归模型中（包括对数模型）计量单位变化对模型参数估计的影响（例3）；
7．样本回归直线及其性质；
8．高斯-马尔柯夫定理及其证明。

在回归模型中，我们将解释变量看成非随机变量，但如果解释变量为随机变量，并解释变量与随机扰动项相关，那么高斯-马尔柯夫定理就不成立，实际上在此时，对参数的最小二乘估计并不是一个无偏估计；
9．总体平方和分解公式及其含义；
10．拟合优度的含义与计算，拟合优度检验的适用条件；
11．解释变量的显著性检验，T 统计量的计算方法，T 统计量与样本容量的关系，0:0≠=b H i β的显著性检验方法，模型参数（解释变量）的置信区间（区间估计）；
12．联合检验与模型的显著性检验方法，F 统计量的具体计算方法，F 统计量与样本容量的关系；
13．2R 与F 统计量、2R 与_2R 的相互关系；
14．回归分析结果中，各变量之间的相互关系；
15．利用回归模型进行点预测与区间预测；
16．非线性模型的线性化方法，普通回归模型、半对数模型、双对数模型的具体解释意义上的区别；
17．回归结果的标准表达方式。

例3：考虑下面模型中，计量单位（如从元改变为万元）变化对模型参数的影响， t t t P x y 31.0ln 25.0213.0ln -+=∧,
第三章：回归模型的扩展
异方差的定义，异方差与模型基本假设的违背；
异方差的产生原因：模型缺失重要解释变量、样本数据的观察误差、异常值的影
响、模型函数形式的设定误差、随机因素的影响；
存在异方差的后果：最小二乘估计不再为有效估计（有效估计的概念）、无法正确估计系数的标准误差、t检验的可靠性降低（具体的影响方式）、增大模型的预测误差；
异方差的检验方法：图示检验法（一元与多元模型的检验方法）、Goldfeld-Quandt 检验（Eviews中的实现方法）、White检验与实现方法、Park检验和Gleiser检验与实现方法；
异方差的补救方法：模型变换法（与Park检验和Gleiser检验的关系）、加权最小二乘估计（加权最小二乘估计的基本思想：怎样利用权重进行调整，更加重视大的方差还是小的方差），模型变换方法与加权最小二乘估计方法的区别，建立半对数模型或双对数模型；
自相关的定义，自相关与模型基本假设的违背，一阶自相关与高阶自相关；
自相关产生的原因：模型中遗漏了重要的解释变量（与异方差同）、经济变量的惯性作用、某些经济行为的滞后性、模型函数形式设置不当（与异方差同）、随机因素的影响（与异方差同）；
存在自相关性的后果：最小二乘估计不再为有效估计、系数的标准差被严重低估（T统计量被放大、T检验的可靠性降低）、降低模型的预测精度；
自相关的检验方法：图示法与相关性检验（包括对残差序列进行自相关、偏自相关分析）、DW检验法（检验统计量的推导、五个区域的检验方法、DW检验法的适用条件）、高阶自相关性检验（BG检验）；
自相关性的补救方法（一阶自相关的补救方法）：广义差分方法（相关系数已知，相关系数需要估计，不同的估计方法）、广义最小二乘法；
多重共线性与完全多重共线性的定义；
多重共线性的产生原因：经济变量的内在联系、经济变量的共同变化趋势、模型中滞后变量的影响；
存在多重共线性的后果：增大OLS估计量的方差、难于区分每个解释变量的单独影响、T检验的可靠性降低（可能存在低估T统计量的情况）、回归模型缺乏稳定性，需要注意的是，在存在多重共先线性的情况下，如果我们构建模型的目的是为了预测，只要构建模型的样本是随机样本（样本数据中的共线性结构与总体中的共线性结构相同），那么存在共线性的模型并不会影响模型的预测准确性；多重共线性的检验方法：相关系数检验法、辅助回归模型法、变量显著性与模型显著性的综合检验、方差膨胀因子检验；
多重共线性的补救方法：增加样本容量（共线性现象是由抽样不当造成）、直接剔除次要的解释变量、利用先验信息方法改变模型的结构（减少解释变量的个数）、面板数据方法、逐步回归法；
虚拟变量的定义与虚拟变量的设置、虚拟变量陷阱；
虚拟变量模型的构建方法：加法模型及其含义、乘法模型及其含义、混合模型及其含义，虚拟变量模型的等价形式；
虚拟变量模型的应用：将定性因素引入模型（检验定性因素对被解释变量的影响）、模型的结构变化检验、分段回归模型的构建；
Chou检验方法及其应用。

第四章：时间序列模型
1．时间序列的平稳性概念（强平稳、弱平稳-协方差平稳）；
2．白噪声过程是一个平稳时间序列，其线性组合亦为平稳时间序列（例4）；
3．一元平稳时间序列建模时的模型识别：自回归模型的自相关系数、偏自相关系数的特征，移动平均过程的自相关系数、偏自相关系数的特征，自回归移动平均回归的自相关系数、偏自相关系数的特征；
4．时间序列的平稳性检验方法：单位根检验（ADF 检验）的检验模型、检验的原假设、检验结果的分析方法（例5、例6）；
5．格兰杰因果关系的含义，格兰杰因果关系检验的模型，格兰杰因果关系检验的结果分析；
6．格兰杰因果关系检验与时间序列的平稳性的关系。

例4：已知}{t ε为一个白噪声过程，t t t t z εεε5.03.02.01++=-，试证明}{t z 为一个平稳时间序列。

证明：
设2)(,σεε==t t D u E ，则u u u u Ez t =++=5.03.02.0；
2238.0)25.009.004.0()(σσ=++=t z D
2
2232121121.015.006.0)](5.0)(3.0)(2.0)][(5.0)(3.0)(2.0[))((σσσεεεεεε=+=-+-+--+-+-=
--------u u u u u u E u z u z E t t t t t t t t 2
4322121.0)](5.0)(3.0)(2.0)][(5.0)(3.0)(2.0[))((σεεεεεε=-+-+--+-+-=
--------u u u u u u E u z u z E t t t t t t t t 而当K>2时，
0))((=---u z u z E k t t ，因此}{t z 为一个平稳时间序列。

例5：
分析在0.1和0.05、0.01三个显著性水平下，下列时间序列的平稳性问题。

表5-1
股指序列单位根检验输出结果
其中c 常数项、t 趋势项、m 滞后阶数。

例6：证明随机游走过程是一个非平稳的时间序列
t t t y y ε+=-1，其中}{t ε为一个白噪声过程。

第五章：协整与误差修正模型
1．时间序列单整阶数的定义，时间序列的单整阶数的检验方法；
2．时间序列的单整性的相关性质；
3．时间序列的协整关系的定义与实际含义；
4．两变量协整关系的EG 两步检验法的原理、检验模型与具体实现方法；
第六章：ARCH 模型及其拓展形式
1．金融时间序列的波动集聚现象与厚尾现象；
2．ARCH 模型的基本思想、基本形式与模型约束条件；。