01章OLS及其標準誤。
著重介紹小樣本與大樣本OLS，以及相應的普通標準誤、異方差穩健標準誤、異方差自相關穩健標準誤、聚類穩健標準誤、自助標準誤（bootstrap standard errors）。深切理解OLS的原理與適用條件，是一切計量原理的基礎。
02章Stata快速入門。
及時地介紹Stata知識，以OLS在Stata的實現作為入門，體會Stata的簡單與強大。
03章二值選擇模型。
被解釋變量為虛擬變量的二值選擇模型有著廣泛的應用。包括Probit，Logit，MLE與QMLE等。
04章工具變量法。
由于雙向因果、遺漏變量、度量誤差的普遍存在，內生性是實證研究的常見難題，而工具變量法是解決內生性的利器，包括2SLS、GMM、控制函數法（Control Function）、包含內生變量的ivprobit、異質性工具變量法（Local Average Treatment Effect）等。
05章靜態面板。
面板數據由于能控制個體異質性（heterogeneity），緩解遺漏變量偏差，在實踐中越來越重要。靜態面板是Z常見的面板，包括固定效應、隨機效應、時間效應、雙向固定效應等。
06章動態面板。
經濟現象常具有某種慣性或部分調整，即被解釋變量的滯后值出現在方程右邊。動態面板也因為可自帶工具變量而應用廣泛。包括面板工具變量法（Panel IV）、差分GMM、水平GMM與系統GMM等。
07章門限回歸（ThresholdRegression）。
包括橫截面與面板模型的門限回歸。
08章非參數與半參數估計（Nonparametric and Semiparametric Estimations）。
非參與半參方法由于其穩健性而日益進入標準的計量工具箱，包括核密度估計、非參數回歸與半參數回歸等。
09章隨機實驗、自然實驗與雙重差分法（Difference-in-Differences）。
實驗方法因其可信度而日益興起，包括隨機實驗、第 一類與第二類自然實驗。雙重差分法利用面板數據的優勢，可克服部分內生性，是研究政策或項目處理效應（treatment effects）的主要工具。包括雙重差分法、平行趨勢假設、三重差分法等。
10章傾向得 分匹配（PropensityScore Matching）。
基于反事實的框架，根據個體進入處理組的概率（即傾向得 分）尋找較佳替身進行匹配估計，這是研究處理效應的一種深邃思想與方法。包括傾向得 分匹配、雙重差分傾向得 分匹配等。
11章控制變量的選擇。
選擇合適的控制變量是計量分析的重要步驟，而因果圖方法（Causal Directed Acyclic Graph）提供了一個清晰的思考框架。
12章合成控制法（SyntheticControl Method）。
在評價某處理地區的政策效應時，將控制地區進行Z優的線性組合，以構造合成控制地區進行對比，這是估計處理效應的新興強大方法。包括合成控制法的統計推斷與穩健性檢驗等。
13章回歸控制法（RegressionControl Method）。
與合成控制法類似，但使用回歸法來構造合成控制地區（Hsiao et al., 2012）。
14章斷點回歸（RegressionDiscontinuity Design）與拐點回歸（Regression Kink Design）。
由于在斷點附近存在局部隨機分組，故斷點回歸的效力接近于隨機實驗，日益為研究者所青睞。包括**斷點回歸、模糊斷點回歸、空間斷點回歸等。
15章分位數回歸。
線性回歸只是研究在給定X的情況下，Y的條件期望E(Y|X)；而分位數回歸則可研究在給定X的情況下，Y的整個條件分布Y|X，從而揭示更多信息。
16章分機器學習與大數據。
大數據與高維回歸等機器學習(Machine Learning)方法 正迅速 成為經濟學家的常用工具。本講介紹Lasso, Ridge Regression, Elastic Net, Post Lasso, Double Lasso，主成分分析，因子分析等機器學習方法。
17章面板數據前沿。
交互固定效應（interactive fixed effects）將傳統的雙向固定效應進一步推廣，因為現實經濟中常存在多種沖擊（shocks或factors），而不同個體對此沖擊的反應不同（factor loading）。
18章空間計量經濟學（Spatial Econometrics）。
傳統計量經濟學通常忽略橫截面單位的空間分布與相互影響，而空間計量經濟學則是考察空間效應、溢出效應等的重要工具。包括空間權重矩陣、空間自回歸、空間誤差模型與空間面板等。