第一部分　追蹤資料之線性模型
第01章 R 的線性模式lm()介紹
1.1 估計原理－最小平方法
1.2 單變數線性迴歸
1.3 連續變數線性複迴歸
1.4 因子和交互效果
1.5 迴歸診斷
1.6 時間序列迴歸：dynlm()
1.7 線性重合檢定
第02章 追蹤資料—資料結構與性質
2.1 概說
2.2 基本線性模式
2.3 R 資料建立
第03章 維度N的異質性：單維模型
3.1 固定效果設定
3.2 隨機效果設定
第04章 其他主題
4.1 維度T的異質性：雙維模型
4.2 變動係數
4.3 不完整追蹤資料簡介
第05章 檢定
5.1 固定效果模型之下個別效果的統計顯著性
5.2 隨機效果模型之下的個別效果
5.3 隨機效果vs.固定效果
5.4 序列相關檢定
第06章 修正
6.1 具序列相關修正之模型估計
6.2 殘差異質性與穩健共變異數修正
第07章 內生性問題
7.1 原理：何謂內生性？
7.2 誤差成分2SLS (EC-2SLS)
7.3 Hausman and Taylor (1981)
第08章 動態追蹤資料模型
8.1 原理
8.2 R 實做
第二部分　非定態時間序列與追蹤資料
第09章 R的時間序列分析入門
9.1 時間序列性質
9.2 R的時間序列資料建立與繪圖
9.3 時間序列繪圖
9.4 單筆時間序列性質
9.5 ARMA process
9.6 序列相關與檢定
第10章 非定態時間序列之單根檢定

第11章 非定態追蹤資料之單根檢定
11.1 原理說明
11.2 R實做
第12章 Large Panel Problems與Peseran (2006)方法
12.1 問題與Peseran(2006)方法原理
12.2 R的實做
附錄1 間斷型變數的Panel Data：Probit/Logit/Poisson
附錄2 實證個案介紹
附錄3 Stata的Panel Data分析

第一部分　追蹤資料之線性模型
第01章 R 的線性模式lm()介紹
1.1 估計原理－最小平方法
1.2 單變數線性迴歸
1.3 連續變數線性複迴歸
1.4 因子和交互效果
1.5 迴歸診斷
1.6 時間序列迴歸：dynlm()
1.7 線性重合檢定
第02章 追蹤資料—資料結構與性質
2.1 概說
2.2 基本線性模式
2.3 R 資料建立
第03章 維度N的異質性：單維模型
3.1 固定效果設定
3.2 隨機效果設定
第04章 其他主題
4.1 維度T的異質性：雙維模型
4.2 變動係數
4.3 不完整追蹤資料簡介
第05章 檢定
5.1 固定效果模型之下個別效果的統計顯著性
5.2 隨機...