从数据的角度看，以往计量经济分析主要利用具有结构化特点、规模较小的“小数据”进行实证分析。随着大数据时代的到来，如何利用具有样本海量、来源广泛、更新实时等优势的“大数据”，将大数据纳入计量经济分析并获取有价值的信息，这既是经济学家们基于大数据方法研究经济的出发点，也是计量经济学分析方法在各领域广泛应用的需要。
本教材就是为了满足管理类学生学习计量经济学理论及分析方法，解决某些情形下具有大数据特征的相关定量分析问题而编写的。教材在内容选择上兼顾基础性、应用性、高阶性，既介绍经典的计量经济学线性回归模型基本概念和基本理论，也介绍放松假设条件贴近现实应用的建模方法和建模技术。考虑到管理问题中有大量离散数据类型存在，因而加入了受限因变量模型、计数模型。同时，加入大数据预处理的相关内容，介绍了比较成熟的处理大数据情形的计量经济模型，并将案例分析贯穿到每一章节，目标是提高学生的问题意识及解决问题的能力。
本教材提供书中例题和习题的Stata数据集，读者可按照书后说明获取。
本教材可作为管理类各专业本科生教材，也可用于研究生教学，同时还可作为其他相关专业本科生、研究生教材和教学参考书。

第1章 导论
1.1 什么是计量经济学
1.1.1 计量经济学的定义
1.1.2 计量经济学的分类
1.1.3 计量经济学的性质
1.2 计量经济学的起源与发展
1.2.1 计量经济学的起源
1.2.2 计量经济学的发展
1.3 计量经济分析的步骤
1.3.1 明确任务
1.3.2 模型设定
1.3.3 获取数据
1.3.4 模型参数估计
1.3.5 模型检验
1.3.6 模型应用
1.4 大数据与计量经济分析
1.4.1 大数据与小数据
1.4.2 大数据对计量建模的挑战
1.4.3 机器学习、统计学与计量经济学的关系
1.5 常见的计量经济分析软件
本章小结
习题
即测即评
第2章 大数据预处理
2.1 数据采集
2.1.1 数据来源
2.1.2 日志数据和网页数据的采集
2.2 数据质量
2.2.1 数据的完整性
2.2.2 数据的一致性
2.2.3 数据的准确性
2.2.4 数据的时效性
2.2.5 数据的相关性
2.3 数据预处理
2.3.1 数据集合并
2.3.2 缺失值处理
2.3.3 异常值处理
2.3.4 数据变换
2.4 一个文本挖掘的大数据处理实例
2.4.1 文本数据清洗
2.4.2 文本数据预处理
本章小结
习题
即测即评
第3章 经典线性回归模型
3.1 回归分析概述
3.1.1 回归分析的含义
3.1.2 总体回归函数
3.1.3 随机误差项
3.1.4 样本回归函数
3.2 线性回归模型及其基本假定
3.2.1 一元线性回归模型形式
3.2.2 多元线性回归模型形式
3.2.3 线性回归模型的基本假定
3.3 线性回归模型的参数估计
3.3.1 普通最小二乘估计
3.3.2 矩估计
3.3.3 极大似然估计
3.4 线性回归模型的统计检验
3.4.1 置信区间检验
3.4.2 变量显著性检验
3.4.3 拟合优度检验
3.4.4 方程显著性检验
3.5 线性回归模型的预测
3.5.1 均值预测
3.5.2 个值预测
3.6 可线性化的非线性回归模型
3.6.1 双对数线性模型
3.6.2 半对数线性模型
3.6.3 双曲线函数模型
3.6.4 生长曲线函数模型
3.6.5 多项式回归模型
本章小结
习题
即测即评
第4章 经典线性回归模型的拓展
4.1 多重共线性
4.1.1 多重共线性的来源和后果
4.1.2 多重共线性的检验和修正
4.2 异方差
4.2.1 异方差的来源和后果
4.2.2 异方差的检验
4.2.3 异方差的修正
4.3 自相关
4.3.1 自相关的来源和后果
4.3.2 自相关的检验和修正
4.4 内生性问题
4.4.1 内生解释变量及后果
4.4.2 内生性问题的解决方法
4.5 大数据场景案例分析——在线评论中蕴含的消费者情绪对消费者满意度的影响
4.5.1 案例背景
4.5.2 数据收集与预处理
4.5.3 模型估计
4.5.4 结果分析与讨论
4.5.5 大样本情形
本章小结
习题
即测即评
第5章 包含虚拟变量的回归模型
5.1 虚拟变量概述
5.1.1 虚拟变量的概念和作用
5.1.2 虚拟变量的设置原则
5.2 虚拟变量的引入
5.2.1 加法方式
5.2.2 乘法方式
5.2.3 加法和乘法混合方式
5.3 虚拟变量的特殊应用
5.3.1 模型结构稳定性检验
5.3.2 分段线性回归
5.3.3 交互效应分析
5.4 虚拟变量引入的综合案例
本章小结
习题
即测即评
第6章 离散与受限因变量模型
6.1 线性概率模型
6.1.1 线性概率模型的定义
6.1.2 线性概率模型的估计
6.2 Logit模型
6.2.1 Logit模型的基本形式
6.2.2 Logit模型的估计
6.2.3 Logit模型的边际效应
6.2.4 Logit模型的假设检验
6.3 Probit模型
6.3.1 Probit模型的基本形式
6.3.2 Probit模型的估计
6.3.3 Probit模型的边际效应
6.4 Tobit模型
6.4.1 截取数据与断尾数据
6.4.2 Tobit模型的基本形式
6.4.3 Tobit模型的估计
6.4.4 Tobit模型的边际效应
本章小结
习题
即测即评
第7章 计数模型
7.1 泊松回归模型
7.1.1 泊松回归模型简介
7.1.2 泊松回归模型示例
7.2 负二项回归模型
7.2.1 负二项回归模型简介
7.2.2 负二项回归模型示例
7.3 零膨胀回归模型
7.3.1 零膨胀回归模型简介
7.3.2 零膨胀回归模型示例
7.4 计数模型综合示例
7.5 大数据场景案例分析——在线评论有用性的影响因素分析
7.5.1 案例背景
7.5.2 数据收集与预处理
7.5.3 模型估计
7.5.4 结果分析
本章小结
习题
即测即评
第8章 高维数据的套索回归模型
8.1 高维数据与正则化方法
8.1.1 高维数据问题
8.1.2 正则化方法
8.2 套索回归模型
8.3 超参数的设定
8.4 模型估计