●前言
第1章 R語言簡介 1
1.1 運算 1
1.2 變量 2
1.2.1 變量命名的規則 3
1.2.2 向量 4
1.2.3 矩陣 7
1.3 其他數據類型 11
1.3.1 字符 11
1.3.2 邏輯 12
1.3.3 列表 12
1.4 數據框 14
1.5 編程 17
1.5.1 條件提取 17
1.5.2 流程控制 19
1.6 繪圖 20
第2章 概率與統計 23
2.1 三類函數 23
2.1.1 p函數類 23
2.1.2 q函數類 24
2.1.3 r函數類 25
2.2 抽樣分布 26
2.2.1 隨機抽樣 27
2.2.2 大樣本抽樣分布 27
2.3 統計推斷 31
2.3.1 假設檢驗 32
2.3.2 置信區間 34
2.3.3 大樣本統計推斷 36
2.3.4 不同總體的均值比較 37
第3章 線性回歸模型 40
3.1 簡單線性回歸模型的估計 40
3.1.1 根據公式求解模型 41
3.1.2 根據lm()函數求解模型 43
3.1.解釋變量 44
3.線性回歸模型的估計 45
3.2.1 分組比較 45
3.2.線性回歸模型的建立 46
3.2.3 用矩陣求估計值 47
3.2.4 用lm()函數求估計值 48
3.2.5 Frisch-Waugh定理 49
3.3 線性回歸模型的統計推斷 50
3.3.1 單個繫數的假設檢驗 50
3.3.2 聯合假設檢驗 54
3.3.3 置信區間 60
3.3.4 大樣本統計推斷 61
3.4 含非線性變量的線性回歸模型 63
3.4.1 多項式回歸模型 63
3.4.2 對數化變量回歸模型 66
3.4.3 含交互項的回歸模型 69
3.5 隨機模擬 72
3.5.1 蒙特卡羅試驗 72
3.5.2 自助法 74
第4章 時間序列模型 75
4.1 預測模型 75
4.1.1 自回歸模型 76
4.1.2 自回歸分布滯後模型 78
4.1.3 向量自回歸 79
4.2 平穩性 86
4.2.1 單位根檢驗 87
4.2.2 協整 91
4.3 動態因果性 98
4.4 序列相關 100
4.4.1 HAC標準誤 101
4.4.2 GLS模型 101
第5章 微觀計量經濟學 103
5.1 受限因變量模型 103
5.1.選擇模型 103
5.1.2 sion回歸模型 107
5.1.3 Tobit模型 109
5.1.4 樣本選擇模型 112
5.2 匹配方法 113
5.2.1 協變量匹配 114
5.2.2 傾向得分匹配 115
5.3 工具變量 116
5.3.1 兩階段最小二乘法 116
5.3.2 三種檢驗 118
5.4 面板數據 120
5.4.1 隨機效應模型 121
5.4.2 固定效應模型 123
5.4.3 動態面板模型 126
5.5 分位數回歸 128
參考文獻 130