本书较为系统地介绍了计量经济学相关数学工具和经典计量经济学知识，在此基础上深入介绍了因果推断（Causal Inference）以及结构式估计（Stuctural Estimation）等现代计量经济学的流行方法或新近发展，并有机融入了数值优化（Numerical Optimization）、蒙特卡罗模拟（Monte Carlo Sim-ulation）、动态规划（Dynamic Programming）以及机器学习（Machine Learn-ing）等内容。形成了从统计关系到因果关系再到结构关系的有机联系递进内容体系。
本书的主要特色体现在如下方面：计量理论介绍与典型中国经济案例剖析并重；坚持细化数学推导过程的同时注重数学公式的直观解释；借助大量直观图形来展示计量方法；强调重要计量方法的动机和发展历程，并力求多视角来介绍这些方法；Stata、MATLAB以及LaTex等流行软件的使用贯穿全书，并提供相应的原始程序供读者参考学习。
本书适用于经济、金融与管理类专业研究生和高年级本科生，也适合（但不限于）从事经济学、金融学、管理学、统计学、社会学、量化历史以及政治学等相关科学研究的学者或教师作为参考书使用。

陈诗一，教育部“长江学者”特聘教授，国家杰出青年科学基金获得者，现任复旦大学经济学院副院长，复旦大学数量经济学教研室主任，复旦大学中国经济研究中心教授，博士生导师。主要讲授计量经济学、微观经济学、经济统计学、时间序列分析、当代中国经济等课程；出版《节能减排、结构调整与工业发展方式转变研究》《非参数支持向量回归和分类理论及其在金融市场预测中的应用》等专著，以及《应用多元统计分析》《金融市场统计分析》等译著。

第一章 导论
1.计量经济学的两个公理及含义
2.矩阵符号
3.最优预测的含义
4.解释变量随机与否及影响
5.统计识别、因果识别与结构识别——以教育收益率为例
6.同方差无自相关假定
第一部分 数学基础
第二章 数学工具
1.矩阵代数
1.1 矩阵符号
1.2 矩阵运算
1.3 矩阵的秩
1.4 矩阵的对角化
1.5 幂等矩阵、投影矩阵、残差制造矩阵
1.6 矩阵微分
2.概率论
2.1 概率论基础
2.2 正态分布
2.3 本书其他常用分布：卡方分布、I类极值分布
2.4 期望
2.5 渐近理论
3.数值优化
3.1 牛顿-拉普森方法
3.2 最速上升方法
4.蒙特卡罗模拟
4.1 牛顿-科茨积分法
4.2 高斯积分法
4.3 蒙特卡罗积分
4.4 从分布中抽取随机数
5.动态规划
5.1 基本设定与基本原理
5.2 求解方法
习题
第二部分 核心估计方法
第三章 最小二乘法
1.最小二乘方法的逻辑起点
2.线性最小二乘方法
2.1 最小二乘参数的识别与估计
2.2 总体模型与样本模型
2.3 方差分析、拟合优度与机器学习初步
……
第三部分 因果识别策略
第四部分 结构模型
参考文献