在大数据时代，大数据所具有的公共属性，使数据的获得不再是困难的，大样本成了普遍现象。这时，个别样本点的得失还有那么重要吗？是研究方法的“高、大、上”重要还是对数据本身的观察重要？对普通应用者，还需要关注回归系数的最小二乘估计的分布性质吗？传统经济计量分析中的异方差性问题、自相关问题和多重共线性问题还是那么重要吗？是研究数据表面所呈现的相关关系重要，还是研究其因果关系重要？等等。这些问题，李庆华编著的这本《大数据时代的经济计量分析》将会回答。

李庆华编著的这本《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。

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