●第1章 回歸模型的推斷
1．1 模型的假定
1．2 參數的最小二乘估計
1．3 最小二乘估計量的性質
1．4 X為隨機矩陣時OLS估計量的性質
1．5 模型的離差形式與決定繫數
1．6 假設檢驗與置信區間
1．7 最小二乘估計量的大樣本性質
1．8 誤差項存在的諸問題
1．9 工具變量法與廣義矩估計
第2章 平穩時間序列及性質
2．1 時間序列的基本概念
2．2 自回歸（AR）模型及性質
2．3 偏自相關函數
2．4 移動平均（MA）模型及性質
2．5 自回歸移動平均（ARMA）模型及性質
2．6 AR模型的估計
2．7 MA與ARMA模型的估計
2．8 ARIMA模型的構建與預測
第3章 非平穩時間序列分析
3．1 AR模型的單位根檢驗
3．2 MA模型的單位根檢驗
3．3 向量自回歸與誤差修正模型
3．4 協整矩陣的秩檢驗
第4章 時間序列的Granger因果性及近期新發展
4．1 平穩時間序列的Granger因果性檢驗
4．2 協整關繫與Granger因果性
4．3 非平穩時間序列的Granger因果性檢驗
4．4 非線性Granger因果性檢驗
第5章 通貨膨脹預期與Granger因果性
5．1 Granger因果性與通貨膨脹及糧食價格之關繫
5．2 模型的設定與檢驗
5．3 向量誤差修正模型的估計
……
第6章 包含信息傳播速度的GARCH模型
第7章 混合模型與VaR
第8章 GARCH族的模型平均估計方法

本書主要對近年經濟時間序列發展過程中的理論與方法進行研究，包括模型選擇與模型平均方法、非平穩時間序列Granger因果性檢驗、變量的弱外生性及動態面板數據模型等內容。在實證研究中，研究者發現模型選擇常伴隨著一些弊端。一方面，模型選擇具有不穩定性，微小的數據變化可能造成信息準則的改變，該問題在小樣本的情況下尤為明顯。此外，模型選擇通常導向專享的選擇結果，且後續所有理論分析均基於選擇結果之上，盡管選擇結果同真實數據生成過程之間可能存在著較大的差異，這使得模型選擇在實證研究中存在較大的風險。為規避模型選擇帶來的問題，近年，研究者提出了模型平均方法（model averaging）。不同於模型選擇，模型平均方法不強調模型結果的專享性。研究者基於已實現的數據對各個模型進行估計，並對各個估計結果進行某種意義上的加權平均，得到模型平均估計結果。在模型平均理論的發展過程中，BMA（Bayesian mod等