在社會科學研究中，許多資料都會以時間序列的形式出現，並隨時間變化而變化。對時間序列的分析會遇到一些問題，其中最重要的便是時間序列資料往往違反經典回歸的誤差項不存在自相關的假設條件，因此在分析此類資料時，必須對自相關進行診斷。

序

第1章 導言

第2章 時間序列回歸分析：無滯後項實例
第1節 比率目標假設
第2節 誤差項
第3節 時間序列回歸模型
第4節 無自相關假設
第5節 違反無自相關假設的後果
第6節 自相關的常規檢驗
第7節 一種替代性的估計方法
第8節 EGLS估計（以一階自相關過程為例）
第9節 小樣本特性
第10節 比率目標假設再回顧
第11節 向多元回歸擴展
第12節 結論

第3章 替代性時間依賴過程
第1節 替代性過程
第2節 檢驗高階過程
第3節 過程識別
第4節 估計
第5節 結論

第4章 時間序列回歸分析：滯後項實例
第1節 分散式的滯後模型
第2節 滯後內生變數
第3節 用滯後內生變數來檢驗模型中的自相關
第4節 估計
第5節 EGLS估計
第6節 改良型比率目標模型
第7節 對分散式滯後模型的解釋
第8節 結論

第5章 預測
第1節 預測誤差
第2節 預測生成
第3節 修正預測方程
第4節 預測評估
第5節 案例：預測美國國防開支
第6節 結論

第6章 總結

附錄
注釋
參考文獻