章 回归模型的推断
1．1 模型的假定
1．2 参数的最小二乘估计
1．3 最小二乘估计量的性质
1．4 X为随机矩阵时OLS估计量的性质
1．5 模型的离差形式与决定系数
1．6 假设检验与置信区间
1．7 最小二乘估计量的大样本性质
1．8 误差项存在的诸问题
1．9 工具变量法与广义矩估计
第2章 平稳时间序列及性质
2．1 时间序列的基本概念
2．2 自回归（AR）模型及性质
2．3 偏自相关函数
2．4 移动平均（MA）模型及性质
2．5 自回归移动平均（ARMA）模型及性质
2．6 AR模型的估计
2．7 MA与ARMA模型的估计
2．8 ARIMA模型的构建与预测
第3章 非平稳时间序列分析
3．1 AR模型的单位根检验
3．2 MA模型的单位根检验
3．3 向量自回归与误差修正模型
3．4 协整矩阵的秩检验
第4章 时间序列的Granger因果性及最新发展
4．1 平稳时间序列的Granger因果性检验
4．2 协整关系与Granger因果性
4．3 非平稳时间序列的Granger因果性检验
4．4 非线性Granger因果性检验
第5章 通货膨胀预期与Granger因果性
5．1 Granger因果性与通货膨胀及粮食价格之关系
5．2 模型的设定与检验
5．3 向量误差修正模型的估计
……
第6章 包含信息传播速度的GARCH模型
第7章 混合模型与VaR
第8章 GARCH族的模型平均估计方法

本书主要对近年经济时间序列发展过程中的理论与方法进行研究，包括模型选择与模型平均方法、非平稳时间序列Granger因果性检验、变量的弱外生性及动态面板数据模型等内容。在实证研究中，研究者发现模型选择常伴随着一些弊端。一方面，模型选择具有不稳定性，微小的数据变化可能造成信息准则的改变，该问题在小样本的情况下尤为明显。此外，模型选择通常导向唯一的选择结果，且后续所有理论分析均基于选择结果之上，尽管选择结果同真实数据生成过程之间可能存在着较大的差异，这使得模型选择在实证研究中存在较大的风险。为规避模型选择带来的问题，近年，研究者提出了模型平均方法（model averaging）。不同于模型选择，模型平均方法不强调模型结果的唯一性。研究者基于已实现的数据对各个模型进行估计，并对各个估计结果进行某种意义上的加权平均，得到模型平均估计结果。在模型平均理论的发展过程中，BMA（Bayesian model averaging）与FMA（frequentist model averaging）为两大主流方法。本书主要讨论最新FMA模型平均方法。