第一节 一种计量经济学方法
计量经济学是利用统计学和数学来处理经济数据。
最早的经济学著作，如亚当·斯密的《国富论》，对经济运行规律提供了典型的描述。例如，斯密描述了经济如何从单一生存模式发展到现代工业模式，也描述了专业化分工如何引起产量的增加。
然而，不久数学公式就被引入到经济领域，例如，托马斯·马尔萨斯借助数学方法，马尔萨斯能够表明人口的加速增长将导致饥荒和其他形式的危机。
1817年，大卫·李嘉图在其著作《政治经济学及赋税原理》中提出了贸易理论，该理论用数学方法表明国家是如何从专业化分工中获得收益的。大卫·李嘉图认为，一国的专业化分工将有可能导致经济产出总量超过没有专业化分工时候的总产出水平。
到20世纪，计量经济学已成为经济学的一个重要分支。计量经济学关注的是经济的计量。萨谬尔森等将计量经济学定义为“基于理论与观察，并通过正确的推理方法对实际经济现象进行定量分析”。
第二节 使用图形和简单的统计关系
本书将使用图形来表明经济变量间的相关关系。
统计起始于原始数据的收集。通过收集可观察或可衡量的数据而得以实现。经济学家感兴趣的典型数据是数量数据集合，如失业水平的变化、消费者支出数据等。全部数据应该集中于数据中心或存储在一个目录表中。一个目录就是一个文件，该文件存有原始的基本数据，从而可以进行不同类型的实证分析。大多数情况下，统计分析的第一步是确定所收集到的原始数据的分布频率。这也指的是：回归分析。
回归分析是经济学家研究商业和经济数据常用到的一种主要方法。回归分析帮助我们确定形势和趋势，对预测未来商业和经济形势也是很有用的。回归分析用统计方程（也即模型）来预测构建在一个或多个自变量基础上的因变量的值。自变量的值作为因变量的观测值。一元回归分析估计的是基于一个自变量基础上的一个因变量的值。例如，基于香烟价格，我们可以用回归分析预测香烟的消费量。此时，香烟的消费量是因变量，香烟价格是自变量。多元回归分析预测的是一系列自变量对一个因变量的影响。
第三节 预测
预测就是对可能性或者可信性的阐述，通过逻辑演绎和常识分析将经济和商务决策中的“不知道”的因素剔除，并用“我预言”来替代。然而，在经济领域中，预测有必要考虑很多不同的变量和不确定性，因此经常是给出许多宽泛的选择性的预测。
就商务和经济预测而言，在对趋势和其他波动进行详细分析基础上可以设置一个预期值。
第四节 两变量相关性
一项统计调查经常包括一些在某种程度上相关的两个观察变量。例如，家庭的消费品支出金额通常和家庭的一次性收入相关。
为研究两变量的相关性，第一步是收集数据，把它们放在一个表格中。
一旦收集好信息，它们就可以用散点图进行表示。
当两变量呈现简单的或直接相关性时候，通常用一条从左向右的向下的直线表示，反之亦然。开展此项工作最简单的方法是计算机软件包，如微软，它很容易地就能建立散点图，并告诉程序为您画出一条拟合度最好的直线。
然而，在现实世界中，很少存在这种线性关系。在标注绘点图中，我们经常会发现一条直线两边散落着一些交叉点，以表示这两个变量之间的典型关系。
从原点画出的表示两变量典型性相关关系的直线称之为“拟合度最后直线”。它是一种中心趋势的衡量，熨平散点图中间的变化。
第五节 指数
经济领域中指数应用广泛。例如，工业产品指数、消费价格指数、贸易指数等。这些指数是进行数量变化比较的一种捷径。
与用单位销售金额或吨产量作为衡量变量变化方式不同，指数数值用一个简单数值进行表示，如百分比。
指数值也可以为时间序列表明价格、产出水平等是如何随着时间发生变化的。这就比基于原始测量单位的图或者表格能更直接和更清楚地表达含义。
第六节 股价指数
在商务和金融出版物中，股价是被引用较广泛的一个指数。一些最重要的股价指数为：
道琼斯指数涵盖了纽约证券交易所，日经225指数涵盖了东京市场。股票价格指数的变动通常用点数衡量。例如，如果富时100指数从5000点跌到4900点，那就意味着该指数下跌了100点。股票价格指数随着商业信心的变化而波动。