世界上大多数国家的宏观经济统计数据均有小样本特性，我国宏观经济统计数据还具有不平稳性和异常性，诊断统计数据中的异常点具有重要理论与现实意义，然而也面临着各种困难。本文引入一种新的经济时间序列模型分析方法-贝叶斯分析方法，它很好的弥补了小样本情况之下的信息不足。宏观经济系统之间的相互关联，本文建立了联立方程组的研究框架，将异常点的挖掘从单方程拓展到联立方程组中。　　 本文分为五个章节。第一章的绪论简要介绍本文的选题背景，国内外相关理论实证文献回顾、理论和方法的研究意义，以及主要创新点。第二章阐述了贝叶斯向量自回归模型的理论框架，包括贝叶斯原理，向量自回归模型的性质。通过模拟仿真举例的方法，采用了贝叶斯方法中的Gibbs抽样方法，对向量自回归模型进行了估计，并与经典的频率学派方法进行比较，结果证实了，由于贝叶斯方法运用了参数的先验信息，在小样本的情况之下，比最小二乘方法更精确更稳健。第三章转入利用贝叶斯方法在VAR模型进行小样本数据质量诊断研究，首先给出了时间序列中异常点常见的表现形式，并比较了这种形式在联立方程组与单方程中的不同，最后通过模拟实验了贝叶斯方法在挖掘小样本数据中异常点的可行性与有效性。第四章建立VAR模型对城市化与经济增长关系进行了实证研究，发现两者具有协整关系，序列无加性异常点，贝叶斯估计方法很好的拟合了序列。第五章为结论。　　 本文的创新之处包括三个方面：第一，建立计量经济联立方程诊断数据质量，将目前集中于单方程模型的影响分析诊断方法扩展应用到计量经济联立方程中，特别是时间序列向量自回归模型中，讨论了联立模型中异常点的特性，和在此基础上展开的异常点诊断问题。第二，注重分析小样本数据的性质，应用贝叶斯的分析方法，充分利用了参数的先验信息，克服经典频率学派大样本近似分布的限制，通过仿真实验证实了贝叶斯方法对小样本估计更准确更稳健。贝叶斯方法是计量经济学研究中的一个新的领域，国内对它的学术研究仍处于起步阶段，本文将贝叶斯方法运用到异常点的挖掘中，是对这一方法在计量经济学中运用的一次尝试与拓展。第三，目前城市化与经济增长关系领域的研究集中在经典的向量自回归估计方法上，将贝叶斯方法应用于此尚不多见，本文是对这一问题研究方法上的创新。