1．ベイズアプローチの基本
　1.1　ベイズ的意思決定
　1.2　ベイズ的アプローチとデータ分析
　1.3　ベイズ推論の考え方
　1.4　尤度原理
　1.5　ベイズ主義者と頻度主義者

2．ベ イ ズ 推 論
　2.1　事前分布
　2.2　線形回帰モデルに対する事前分布と事後分布
　2.3　予測分布
　2.4　線形回帰モデルにおける事後密度の生成
　2.5　モデル選択

3．マルコフ連鎖モンテカルロ法
　3.1　マルコフ連鎖
　3.2　ギブズ・サンプラー
　3.3　メトロポリス-ヘイスティング法
　3.4　収束判定
　3.5　線形回帰モデルへのギブズ・サンプラーの適用

4．離散選択モデル
　4.1　二項プロビットモデル
　4.2　二項ロジットモデル
　4.3　トビットモデル
　4.4　順序プロビットモデル
　4.5　多項プロビットモデル
　4.6　多変量プロビットモデル

5．マルチレベルモデル
　5.1　マルチレベルモデル
　5.2　マルチレベルモデルの推定

6．パネルデータモデルと時系列モデル
　6.1　パネルデータの線形回帰モデル
　6.2　自己回帰モデル
　6.3　自己回帰移動平均モデル
　6.4　ベクトル自己回帰モデル
　6.5　ARCH・GARCHモデル
　6.6　確率的ボラティリティ変動モデル

APPENDIX A　Rの基礎
　A.1　Rのダウンロードとインストール手順
　A.2　ベイズ統計関連パッケージのインストールと読み込み
　A.3　データファイルの入出力と簡単なプログラミング
　A.4　確率分布

APPENDIX B　WinBUGSの基礎
　B.1　WinBUGSの導入
　B.2　WinBUGSでの計算事例
　B.3　R2WinBUGSを使った計算事例

文　　　献
索　　　引