本书主要对近年经济时间序列发展过程中的理论与方法进行研究，包括模型选择与模型平均方法、非平稳时间序列Granger因果性检验、变量的弱外生性及动态面板数据模型等内容。在实证研究中，研究者发现模型选择常伴随着一些弊端。一方面，模型选择具有不稳定性，微小的数据变化可能造成信息准则的改变，该问题在小样本的情况下尤为明显。此外，模型选择通常导向专享的选择结果，且后续所有理论分析均基于选择结果之上，尽管选择结果同真实数据生成过程之间可能存在着较大的差异，这使得模型选择在实证研究中存在较大的风险。为规避模型选择带来的问题，近年，研究者提出了模型平均方法（model averaging）。不同于模型选择，模型平均方法不强调模型结果的专享性。研究者基于已实现的数据对各个模型进行估计，并对各个估计结果进行某种意义上的加权平均，得到模型平均估计结果。在模型平均理论的发展过程中，BMA（Bayesian model averaging）与FMA（frequentist model averaging）为两大主流方法。本书主要讨论近期新FMA模型平均方法。
