第1章經(jīng)濟與金融計量學緒論
1．1經(jīng)濟計量學與金融計量學的含義及建模步驟
1．1．1計量經(jīng)濟學與金融計量經(jīng)濟學的含義
1．1．2經(jīng)濟計量學與金融計量學建模過程
1．1．3經(jīng)濟與金融模型中的數(shù)據(jù)
1．2經(jīng)濟與金融計量軟件簡介
1．2．1R軟件簡介
1.2.2Python軟件簡介
1．2．3Stata軟件簡介
1．2．4EViews軟件簡介
1．2．5SAS軟件簡介
1．2．6Matlab軟件簡介
1．2．7SPSS軟件簡介
練習題
第2章R語言的下載、安裝與啟動
2．1選擇R語言的理由
2．2R語言下載
2．3R語言安裝
2．4R語言程序包的安裝
2．5R語言的啟動
2．6R語言的退出
2．7R語言的在線幫助系統(tǒng)
練習題
第3章R語言對象與數(shù)據(jù)存取
3．1R語言的對象與屬性
3．2對象信息的瀏覽和刪除
3．3向量對象
3．3．1數(shù)值型向量對象
3．3．2字符型向量對象
3．3．3邏輯型向量
3．3．4因子型向量
3．3．5數(shù)值型向量的運算
3．3．6常用統(tǒng)計函數(shù)
3．3．7向量的下標與子集(元素)的提取
3．4數(shù)組與矩陣對象
3．4．1數(shù)組的建立
3．4．2矩陣的建立
3．4．3數(shù)組與矩陣的下標與子集(元素)的提取
3．4．4矩陣的運算函數(shù)
3．5數(shù)據(jù)框?qū)ο?br /> 3．5．1數(shù)據(jù)框的直接建立
3．5．2數(shù)據(jù)框的間接建立
3．5．3適用于數(shù)據(jù)框的函數(shù)
3．5．4數(shù)據(jù)框的下標與子集的提取
3．5．5數(shù)據(jù)框中添加新變量
3．6時間序列對象
3．7列表對象
3．8R語言數(shù)據(jù)存儲
3．9R語言數(shù)據(jù)讀取
3．9．1文本文件數(shù)據(jù)的讀取
3．9．2Excel數(shù)據(jù)的讀取
3．9．3R語言中數(shù)據(jù)集的讀取
3．9．4R語言中的格式數(shù)據(jù)
3．10R語言編程
3．10．1R語言函數(shù)基礎(chǔ)
3．10．2循環(huán)和向量化
3．10．3用R語言編寫程序
3．10．4用R語言編寫函數(shù)
練習題
第4章參數(shù)估計與假設(shè)檢驗的R語言應(yīng)用
4．1參數(shù)估計的R語言應(yīng)用
4．1．1點估計矩分析法的R語言應(yīng)用
4．1．2單正態(tài)總體均值區(qū)間估計的R語言應(yīng)用
4．1．3單正態(tài)總體方差區(qū)間估計的R語言應(yīng)用
4．2假設(shè)檢驗的R語言應(yīng)用
4．2．1參數(shù)假設(shè)檢驗的基本理論
4．2．2單個樣本t檢驗的R語言應(yīng)用
4．2．3兩個獨立樣本t檢驗的R語言應(yīng)用
4．2．4配對樣本t檢驗的R語言應(yīng)用
4．2．5單樣本方差假設(shè)檢驗的R語言應(yīng)用
4．2．6雙樣本方差假設(shè)檢驗的R語言應(yīng)用
練習題
第5章線性回歸分析的R語言應(yīng)用
5．1一元線性回歸分析基本理論
5．1．1一元線性回歸分析的OLS估計
5．1．2一元線性回歸模型的統(tǒng)計檢驗
5．1．3一元線性回歸模型預(yù)測的置信區(qū)間
5．2一元線性回歸分析的R語言應(yīng)用
5．3多元線性回歸分析基本理論
5．3．1多元線性回歸模型假設(shè)
5．3．2多元線性回歸模型的矩陣解法
5．3．3多元線性回歸模型的統(tǒng)計檢驗
5．4多元線性回歸分析的R語言應(yīng)用
5．5穩(wěn)健線性回歸分析的R語言應(yīng)用
5．5．1線性回歸中的幾個術(shù)語
5．5．2數(shù)據(jù)描述
5．5．3普通最小二乘(OLS)回歸的R語言應(yīng)用
5．5．4穩(wěn)健回歸的R語言應(yīng)用
練習題
第6章多重共線性的R語言應(yīng)用
6.1多重共線性的概念
6.2多重共線性的后果
6.3產(chǎn)生多重共線性的原因
6.4多重共線性的識別和檢驗
6.5消除多重共線性的方法
6.6多重共線性診斷的R語言應(yīng)用
6.7多重共線性消除的R語言應(yīng)用
練習題
第7章異方差問題的R語言應(yīng)用
7.1異方差的概念
7.2異方差產(chǎn)生的原因
7.3異方差的后果
7.4異方差的識別檢驗
7.4.1根據(jù)問題的經(jīng)濟背景，分析是否可能存在異方差
7.4.2圖示法
7.4.3統(tǒng)計檢驗方法
7.5消除異方差的方法
7.6異方差診斷的R語言應(yīng)用
7.7異方差消除的R語言應(yīng)用
練習題
第8章自相關(guān)問題的R語言應(yīng)用
8.1自相關(guān)的概念
8.2產(chǎn)生自相關(guān)的原因
8.3自相關(guān)的后果
8.4自相關(guān)的識別和檢驗
8.5自相關(guān)的處理方法
8.6自相關(guān)性診斷的R語言應(yīng)用
8.7自相關(guān)消除的R語言應(yīng)用
練習題
第9章時間序列分析ARIMA模型預(yù)測的R語言應(yīng)用
9.1ARIMA模型
9.2通過差分得到平穩(wěn)時間序列
9.3確定合適的ARIMA模型
9.4ARIMA模型預(yù)測
9.5ARIMA模型預(yù)測結(jié)果的檢驗
練習題
第10章單位根、協(xié)整與格蘭杰因果檢驗的R語言應(yīng)用
10.1時間序列分析的基本理論
10.1.1平穩(wěn)、協(xié)整、因果檢驗的基本概念
10.1.2單位根檢驗
10.1.3協(xié)整檢驗
10.1.4誤差修正模型
10.2數(shù)據(jù)來源與思路
10.3描述性分析
10.4時間序列趨勢圖
10.5對數(shù)據(jù)進行相關(guān)分析
10.6時間序列的單位根檢驗
10.7兩時間序列分析的協(xié)整檢驗與誤差修正模型
10.8格蘭杰因果關(guān)系檢驗
練習題
第11章時間序列分析GARCH模型的R語言應(yīng)用
11.1GARCH模型的含義
11.2ARCH效應(yīng)檢驗
11.3GARCH模型的R語言函數(shù)用法
11.4GARCH模型的R語言函數(shù)應(yīng)用實例
11.5德國股票指數(shù)的GARCH模型的R語言應(yīng)用
練習題
第12章面板數(shù)據(jù)分析的R語言應(yīng)用
12.1面板數(shù)據(jù)分析的基本理論
12.2面板數(shù)據(jù)格式定義
12.3混合估計回歸模型R語言估計
12.4固定效應(yīng)回歸模型R語言估計
12.5固定效應(yīng)回歸模型與混合估計回歸模型優(yōu)劣判斷的R語言應(yīng)用
12.6隨機效應(yīng)回歸模型的R語言估計
12.7組間計量回歸分析的R語言估計
12.8隨機效應(yīng)回歸模型與固定效應(yīng)回歸模型區(qū)分的Hausman檢驗
12.9面板數(shù)據(jù)的廣義矩估計的R語言應(yīng)用
12.9.1資本資產(chǎn)定價模型檢驗的廣義矩估計法（GMM）的
R語言應(yīng)用
12.9.2多因素套利定價模型檢驗的廣義矩估計的R語言應(yīng)用
練習題
第13章基于R語言的金融數(shù)據(jù)分析綜合應(yīng)用
13.1構(gòu)建金融數(shù)據(jù)分析平臺的R程序包功能及層次
13.2數(shù)據(jù)處理和圖形展示程序包quantmod
13.3金融數(shù)據(jù)獲取
13.4時間序列分析的R工具
13.5時間序列分析
13.6金融數(shù)據(jù)分析R語言綜合應(yīng)用
練習題
第14章創(chuàng)業(yè)板科技型上市公司股權(quán)激勵對其價值影響的計量檢驗研究
14.1科技型上市公司股權(quán)激勵相關(guān)概念
14.1.1科技型上市公司的概念與特征
14.1.2股權(quán)激勵的概念及特點
14.2科技型上市公司股權(quán)激勵的定性分析
14.2.1科技型上市公司推行股權(quán)激勵的意義
14.2.2高新技術(shù)公司實施股權(quán)激勵的可行性
14.2.3我國科技型上市公司股權(quán)激勵現(xiàn)狀分析
14.2.4股權(quán)激勵實施效果分析
14.3科技型上市公司股權(quán)激勵績效的實證研究
14.3.1研究假設(shè)
14.3.2變量選取
14.3.3樣本的選擇和數(shù)據(jù)的來源
14.3.4模型設(shè)計
14.3.5實證檢驗
14.3.6小結(jié)
14.4研究結(jié)論及建議
14.4.1研究結(jié)論
14.4.2政策建議
練習題
參考文獻