研究生《高级计量经济学》课程提纲.doc

。研究生高级计量经济学课程提纲【说明】这是非经济学院、一个学期的研究生高级计量经济学课程的指导性纲要，包括推荐的教材、教学内容、课时安排和教学要求。教材： 第一本可作为指定教材备案；后两本教材更适合学生阅读。教师可根据需要补充其它参考资料。1 William H. Greene, Econometric Analysis, 5th edition。（有中译本）。2 Jeffrey Wooldridge著，费剑平译，计量经济学导论（第三版）上下册，中国人民大学出版社，2007。（英文原版：Introductory Econometrics: A Modern Approach，South-Western College Publishing, 2000）。3 Walter Enders (2004), Applied Econometric Time Series, 2nd edition, John Wiley & Sons, Inc. 中译本：应用计量经济学-时间序列分析（第2版），杜江和谢志超译，高等教育出版社，2006。预备知识：经济学基础、微积分学、线性代数，概率论和数理统计。授课对象：非经济学院的、仅上一个学期“高级计量经济学”的硕士、博士。课时安排：每周3课时 17（周）=51课时。考核方式：包括作业、期中考试和期末考试。期中考试和期末考试均采用闭卷形式。教学内容、课时安排和教学要求：课时安排说明：内容讲解约43课时（预估课时都标注在各章名称后面的括号内），复习约6课时，期中考试2课时，共计51课时。助教职责：计量软件辅导（如Eviews、Stata等），问题答疑，批改作业，协助老师评判试卷。 一、 课程概述及复习（预估6课时）主要内容：（一）计量经济学课程简介，包括计量经济学的学科性质、实证分析的步骤、经济数据的类型、因果关系概念介绍、本课程的学习内容、课程要求等。（二）微积分、线性代数相关知识简要复习。（三）概率统计相关知识简要复习。教学要求：了解计量经济学分析的目的和研究范围、了解经济学实证分析的步骤，复习与本课程有关的预备知识。二、 经典线性回归模型（预估12课时）主要内容（一） 经典多元线性回归模型的设定（五个假设）及矩阵表示。（二） OLS估计的思想、矩阵表示、几何解释，以及在五个经典假设下的有限样本性质（无偏性、Gauss-Markov theorem、MVUE、正态性，等等）和大样本性质（一致性，渐近正太性，渐近有效性）。简要介绍矩估计和极大似然估计（MLE）方法。（三） 线性回归模型的拟合优度和推断-关于单个回归系数的t检验、多个回归系数和多个回归系数线性组合的F检验（包括回归方程的显著性检验）。（四） 解释变量的选择，定性解释变量（虚拟变量）的使用，共线性问题，基于残差分析的模型设定检验。（五） 线性回归模型的应用，样本内和样本外预测（点预测、区间预测），预测误差。教学要求：掌握相关概念、思想、假设条件、估计和检验方法、回归结果的解释。要求必要的理论推导；学习用矩阵语言表示相关的概念、思想、假设、估计和检验。三、 经典线性回归模型的推广（预估12课时）主要内容（六） 简要介绍经典多元线性回归模型的推广-放松五个经典假设：从“正态性假设”到“非正太性假设”，从“同方差/不相关”到“异方差/相关”，从“严外生”到“弱外生”，从“线性回归函数”到“非线性回归函数”。（七） 简要介绍在上述模型推广下，最小二乘估计的有限样本性质可能不再成立，但在相当弱的条件下大样本性质中的“一致性”和“渐近正太性”仍可成立。对于“回归系数的线性限制条件”的检验问题，简要介绍三种大样本下的检验方法：Wald检验，LR检验，LM检验。（八） 介绍广义线性回归模型：误差项“异方差、序列相关”产生原因及后果，GLS估计的思想和矩阵表示，可行的GLS估计及计算，White的协方差估计（HCCME），Newey-West的协方差矩阵（HAC）估计，异方差检验（White检验，等），序列相关检验（DW检验，Box-Pierce检验，Ljung-Box检验，等）。（九） 内生性问题和它产生的原因（遗漏相关变量，度量误差，联立方程组，等）及后果，工具变量（IV）估计和GMM估计，内生性检验（Durbin-Wu-Hausman检验）。（十） 模型选择及设定检验：一般线性模型（log线性模型，多项式模型，“交互项”作为解释变量，等），结构变化（Chow检验，Hansen检验，CUSUM检验）。教学要求：了解经典线性回归模型推广的意义、所产生的问题和后果（对原有的估计和推断方法）、以及怎样解决这些问题。不要求理论推导。四、 离散选择和受限制数据模型（预估4课时）主要内容：（一） 二项选择模型：Logit和Probit模型的设定和估计。简要介绍多项选择模型：有顺序的多项选择模型（the ordered probit models），无顺序的多项选择模型（the multinomial probit models）。（二） 受限制数据模型：截断数据模型（Truncated Regression Models），Tobit（Censored Regression Models）模型，样本选择模型（Sample Selection Models）。（三） 简要介绍处理效果（Treatment Effects）及评估的基本概念和方法：ATE，ATET，DID方法，等。教学要求：了解常用的离散选择和受限制数据模型的模型设定、估计方法、以及在经济中的应用。不要求掌握理论推导。五、 时间序列模型（预估12课时）主要内容：（一） 时间序列的相关概念（白噪声，协方差平稳，ACF，等）。（二） ARMA模型：平稳和可逆条件，识别方法（Box-Jenkins方法，AIC和BIC准则），估计方法（条件OLS，MLE），模型检验和预测。（三） ARCH模型：性质（所能捕捉的数据特征），估计，应用，推广（GARCH，EGARCH，ARCH-M，等）。（四） 介绍单位根过程，单位根检验（DF和ADF检验），协整（co-integration）和误差修正模型（ECM），协整检验（Engle-Granger方法，Johansen方法）。（五） 介绍VAR模型及误差修正表示，结构VAR建模和脉冲反应。教学要求：了解常用时间序列模型的相关概念，识别、估计和检验方法，以及在经济和金融中的应用。不要求掌握理论推导。六、 面板数据模型（预估3课时）主要内容：（一） 了解面板数据的优势：提高估计的精度，允许“不可观测的个体异质性”，提供动态建模和分析的可能性。（二） 了解固定效应（线性回归）模型与