大数据时代的经济计量分析

　　《大数据时代的经济计量分析》研究了适应大数据时代的经济计量分析方法，提出了在大数据时代传统计量经济学中有关异方差性、自相关性和多重共线性等问题并不重要的观点；通过对时间序列的分析，得出传统时间序列分析适合于大数据条件下的同类研究，而经济预测精度会提高的观点。最后，通过数据挖掘和样本扩张，实际研究了我国消费价格指数向生产价格指数的传导，以及我国货币传导的效率与时滞这两个重要的宏观经济问题。

暂缺《大数据时代的经济计量分析》作者简介

1 大数据时代的数据集特征
1．1 更多：不是随机样本，而是超大样本，近乎是全体数据
1．2 更杂：不是精确性，而是混杂性
1．3 更好：不是因果关系，而是相关关系
2 回归双变量模型
2．1 经典双变量模型概述
2．2 双变量模型的参数估计
2．3 置信区间与显著性检验
2．4 方差分析与拟合优度
2．5 均值预测与个值预测
3 更好的分析方法：多元线性回归
3．1 多元线性回归模型的基本假设
3．2 多元线性回归模型的参数估计
3．3 多元回归模型的统计检验
3．4 拟合优度与方差分析
3．5 偏相关系数与回归系数释义
3．6 重要的数据与简单的方法
4 大数据时代的动态回归分析
4．1 非受限有限分布滞后模型的估计
4．2 无限分布滞后模型
4．3 工具变量法
4．4 内生性检验
5 时间序列的性质
5．1 平稳的时间序列
5．2 非平稳的时间序列
5．3 单位根检验
5．4 协整和误差纠正机制
6 线性时间序列模型与预测
6．1 MA模型
6．2 AR过程
6．3 ARMA模型
6．4 ARIMA模型
6．5 预测
7 大数据经济计量分析举例
7．1 我国CPI向PPI的反向倒逼传导的实证研究
7．2 我国货币政策传导机制的效率与时滞
参考文献