金融学专业本科《计量经济学》（36学时）教学设计

金融学专业本科《计量经济学》（36学时）教学设计一、课程定位与性质本课程是普通高等学校金融学、经济学等经济学类本科专业的学科基础课或专业核心课，属于必修课程110。依据教育部《普通高等学校本科专业类教学质量国家标准》，计量经济学被列为经济学类专业的核心课程。本课程共计36学时，旨在引导学生掌握现代经济学实证研究的核心方法论，培养其运用定量方法分析和解决现实经济金融问题的能力。课程在人才培养方案中起着承上启下的关键作用，上承高等数学、概率论与数理统计、微观经济学、宏观经济学等基础理论课程，下启毕业论文写作、高级计量经济学及各类实证研究710。二、教学基本理念与设计原则本教学设计遵循“学生中心、产出导向、持续改进”的核心理念，以新文科建设为背景，深度融合课程思政与信息技术。针对36学时的紧凑安排，设计上强调“厚基础、重应用、强能力”，摒弃繁杂的数学推导，聚焦核心思想、规范流程与软件实操。教学实施过程中，坚持问题牵引，以现实经济金融案例为载体，将理论知识与实证分析有机融合，引导学生从“学计量”向“用计量”转变，实现知识传授、能力培养与价值引领的有机统一210。三、教学目标通过本课程的学习，学生应在知识、能力和素质三个维度达成以下目标：（一）知识目标【基础】1.系统掌握计量经济学的学科性质、基本概念和建模步骤，理解经济理论、统计学和数学三者相结合的分析范式36。2.深刻理解经典线性回归模型的基本假定（如零条件均值、同方差、无自相关等），掌握普通最小二乘法（OLS）的参数估计原理及其统计性质（线性、无偏性、有效性，即高斯马尔可夫定理）【重要】【高频考点】17。3.熟练掌握回归模型的拟合优度检验（R²）、变量显著性检验（t检验）和方程总体线性显著性检验（F检验）的方法论原理【重要】17。4.深入理解多重共线性、异方差性、序列相关性等违背经典假定问题的诊断方法、后果及补救措施【难点】【高频考点】18。5.掌握虚拟变量的引入方法和应用场景，理解其对于刻画定性因素影响的重要作用310。6.初步了解内生性问题的成因及工具变量法（IV）的解决思路，为后续深入学习奠定基础【难点】17。（二）能力目标1.能够独立运用EViews或Stata等主流计量软件，完成从数据录入、数据清洗、模型估计、诊断检验到结果解读的完整操作流程810。2.能够针对具体的经济金融问题（如消费函数分析、股票收益率影响因素、货币政策效果评估等），设计合理的计量模型，并正确解读计算机输出的回归结果，撰写规范的实证分析报告710。3.培养批判性思维，能够客观评价一项实证研究的科学性与局限性，识别常见的计量误用问题。4.具备初步的学术研究素养，能够检索和阅读应用计量经济学的文献，为毕业论文的实证部分打下坚实基础10。（三）素质目标（课程思政）1.培养学生实事求是的科学精神和严谨细致的治学态度，理解经济现象分析的复杂性与相对真理性，避免简单化和绝对化的判断10。2.通过引入基于中国经济现实（如中国居民消费、GDP增长、数字经济发展等）的案例，使学生深刻理解中国经济发展的伟大成就，增强道路自信、理论自信、制度自信和文化自信，厚植家国情怀7810。3.树立正确的学术道德观，坚持数据真实性，杜绝篡改数据、伪造结果等学术不端行为。4.强化问题意识与创新精神，鼓励学生运用所学方法探索新时代中国特色社会主义经济建设中的现实问题，将论文写在祖国大地上2。四、教学内容、学时分配与实施过程本课程36学时，具体分配与实施过程设计如下：（一）导论：计量经济学概述（2学时）【教学实施过程】1.【课前探索】（线上平台发布）引导学生思考：“如何科学评估一项货币政策对通货膨胀的影响？”让学生带着问题进入课堂。2.【课中内化】（2学时）（1）问题引入：从学生熟悉的“经济学家如何做研究”出发，引出定量分析的重要性。展示几篇顶级期刊论文摘要，强调计量方法的核心地位。（2）核心概念建立：讲解计量经济学的定义——经济理论、统计学、数学的结合，是揭示经济活动中客观存在的数量关系的实证学科【基础】34。区分它与数理统计学、数理经济学的区别，强调其核心在于“经济变量关系的随机性特征”【重要】6。（3）基本方法框架【核心】：详细阐述建立和应用计量经济学模型的四大步骤【高频考点】36。[1]模型设定：以经济理论为指导，选择变量、确定数学形式。[2]样本数据收集：介绍时间序列、截面数据、面板数据的特点与来源【基础】36。[3]参数估计：介绍OLS作为主要估计方法。[4]模型检验：包括经济意义检验、统计检验、计量经济学检验、预测检验。（4）课程思政融入【热点】：介绍计量经济学在中国的发展历程，从丁柏根、弗里希的奠基到我国学者的贡献，强调其在服务国家经济建设中的巨大作用，激发学生的学科自豪感167。（5）软件简介：简要展示EViews/Stata界面，激发学生学习兴趣。3.【课后提升】布置任务：查阅一篇运用了回归分析的经济学论文，初步识别其遵循的建模步骤。（二）一元线性回归模型（4学时）【教学实施过程】1.【课前探索】观看关于“家庭消费支出与可支配收入关系”的微课视频，预习相关概念。2.【课中内化】（1）第一讲（2学时）：回归分析的思想与参数估计【基础】a.概念精讲：界定总体回归函数（PRF）与样本回归函数（SRF），解释“回归”的本质是条件期望函数7。强调随机误差项的引入及其含义（代表未纳入模型的因素和随机干扰）【重要】。b.OLS推导：讲解普通最小二乘法（OLS）的基本思想——使残差平方和最小。通过微积分推导出正规方程，得出一元线性回归模型的参数估计量和。讲解中弱化纯数学技巧，强化“拟合最优”的几何直观。c.思政融入【热点】：以中国改革开放以来城乡居民消费数据为例，手工计算或软件演示估计边际消费倾向（MPC）。通过估计出的MPC（如0.7左右），引导学生理解我国经济增长的消费拉动潜力，将理论学习与中国经济实际紧密结合。（2）第二讲（2学时）：拟合优度与假设检验【重要】【高频考点】a.拟合优度：分解总平方和（TSS）=回归平方和（ESS）+残差平方和（RSS），引入判定系数R²，解释其含义——解释变量对被解释变量变异的解释程度。b.假设检验逻辑：讲解为什么需要对估计出的参数进行统计检验。回顾数理统计中的区间估计与假设检验思想。c.t检验：详细推导回归系数t统计量的构造（），并进行应用。结合软件输出，讲解如何根据p值判断变量是否显著。d.案例深化：继续使用中国居民消费数据，对学生分组，一组使用OLS估计并解读结果（斜率的经济含义：MPC；R²的含义；t统计量的含义）。3.【课后提升】作业：给定一组简单数据，要求学生手动计算OLS估计量、R²和t统计量（部分步骤可使用计算器），并撰写简短的分析结论。（三）多元线性回归模型（4学时）【教学实施过程】1.【课前探索】思考题：“影响一个地区商品房价格的因素除了居民收入，还有哪些？”引导学生认识到现实问题的复杂性，需要引入多个变量。2.【课中内化】（1）第一讲（2学时）：模型设定与OLS估计【基础】a.模型表达：引入矩阵形式表达多元线性回归模型（），强调其简洁性。b.经典假定【难点】【重要】：系统讲解经典线性回归模型的六大假定（参数线性、随机抽样、不存在完全共线性、零条件均值、同方差性、无自相关）。逐一解释每个假定的含义，并举例说明违背假定的可能情况。重点强调“零条件均值”假定的重要性，它是保证OLS估计无偏性的关键。c.OLS估计：给出矩阵形式的OLS估计量，并简要说明其推导思路。（2）第二讲（2学时）：多元推断与偏效应【重要】【高频考点】a.偏效应解释：讲解“在其他条件不变的情况下”的含义。以房价模型（房价=f(收入,人口,学位数量)）为例，解释收入系数表示在人口和学位数量不变时，收入变化一个单位对房价的平均影响。这是计量分析的核心魅力所在。b.联合假设检验：讲解F检验的用途——检验多个参数同时为零的假设（如检验整个方程的显著性，或检验一组变量是否联合显著）。推导F统计量与R²的关系式：。c.校正的R²：讲解为什么需要校正R²（），以及它在模型比较中的作用。d.软件实操演示：在课堂用Stata演示一个完整的多元回归分析，包括变量描述性统计、相关性分析、OLS回归、输出结果解读（重点关注系数、t值、p值、F统计量、R²）。3.【课后提升】实验任务：要求学生使用提供的“中国地级市房价与影响因素”数据集，独立完成一次多元线性回归分析，提交包含规范结果解读的实验报告。（四）模型函数的设定与虚拟变量（4学时）【教学实施过程】1.【课前探索】思考：“教育回报率”是随着年龄增长而固定不变，还是随着年龄增长而递减？引导学生思考变量间的非线性关系。2.【课中内化】（1）第一讲（2学时）：非线性模型的线性化处理【基础】【重要】a.对数线性模型（双对数模型）：讲解其形式，解释系数的弹性含义（如收入弹性）。案例：需求函数（lnQ=α+βlnP+γlnI）。b.半对数模型（对数线性和线性对数）：解释其系数的半弹性含义（如ln(wage)=a+bedu，b表示多受一年教育，工资增长的百分比）。c.多项式模型：引入平方项（如收入与年龄的关系：Y=a+bAge+cAge²），讨论其经济含义（边际效应递减或递增）及U型/倒U型关系的检验【难点】。（2）第二讲（2学时）：虚拟变量【高频考点】a.虚拟变量概念：解释如何将定性因素（性别、季节、地区、政策实施与否）量化，取值为0或136。b.引入方式与解释【重要】：[1]加法方式（截距项变动）：模型为，解释：在斜率不变的情况下，基础组和对照组截距项的差异（例如：女性和男性的起薪差异）。[2]乘法方式（斜率项变动）：模型为，通过交乘项允许不同组别的斜率不同（例如：工作年限对工资的影响在不同性别间是否存在差异）。【难点】c.虚拟变量陷阱【重要】：讲解如果模型中包含截距项，则一个具有m种分类的定性变量，只能引入m1个虚拟变量，否则会引发完全多重共线性3。d.思政与案例结合【热点】：研究“一带一路”倡议对中国沿线省份对外直接投资（OFDI）的影响。引入政策实施虚拟变量（时间虚拟变量与地区虚拟变量的交乘项，即DID的雏形），初步介绍双重差分思想，并强调该政策对推动构建人类命运共同体的积极作用。3.【课后提升】小组项目启动：学生45人一组，选择一个感兴趣的经济金融问题（如“数字金融的发展对居民消费结构的影响”、“空气质量对房价的影响”），开始构思模型设定，查找相关文献和数据。（五）违背经典假定的问题（一）：多重共线性（4学时）【教学实施过程】1.【课前探索】思考：“用一个人的身高和体重去解释他的鞋码大小”，两个解释变量高度相关会带来什么问题？2.【课中内化】（1）第一讲（2学时）：多重共线性的概念与后果【重要】【高频考点】a.概念界定：区分完全共线性与近似共线性。解释现实经济数据中，近似共线性更常见（如GDP与投资、消费）。b.后果分析【难点】：[1]OLS估计量仍是无偏且一致的（不违背零条件均值假定）。[2]方差变大，导致估计精度下降，t统计量变小，系数不显著。[3]估计量对数据微小变化非常敏感，系数估计值可能不稳定，符号可能与经济理论相悖。[4]R²很高但t值不显著，这是多重共线性的典型症状。c.诊断方法【重要】：[1]简单相关系数检验。[2]方差膨胀因子（VIF）检验。讲解VIF计算公式（VIF=1/(1R_j^2)），并介绍经验法则：VIF>10（或5）存在严重多重共线性。（2）第二讲（2学时）：处理与案例实操【重要】a.处理方法：[1]最直接的方法：增加样本容量。[2]删去不重要的共线性变量（但要考虑是否会引起遗漏变量偏差）。[3]变换模型形式（如将绝对量变为相对量、比率或差分形式）。[4]逐步回归法（向前选择、向后剔除、逐步回归）作为辅助工具，但要警惕数据挖掘问题。b.案例：研究“中国能源消费总量”的影响因素（GDP、人口、产业结构、能源价格等）。数据中GDP与人口、投资等高度相关。c.软件实操：[1]命令计算相关系数矩阵和VIF，诊断多重共线性。[2]尝试一种处理办法，如将GDP和人口合并为“人均GDP”，重新回归，对比处理前后的结果（标准误的变化、系数符号的改善）。3.【课后提升】完成上机作业：对给定存在多重共线性的数据集进行诊断，并尝试至少两种方法进行处理，提交对比分析报告。（六）违背经典假定的问题（二）：异方差性（4学时）【教学实施过程】1.【课前探索】思考：“不同收入水平的家庭，其消费支出的variability（波动性）一样吗？”引导观察散点图，发现低收入家庭消费可能更集中，高收入家庭消费更分散。2.【课中内化】（1）第一讲（2学时）：异方差的后果与诊断【重要】【高频考点】a.概念与后果【难点】：[1]异方差即违背了“同方差”假定（）。[2]OLS估计量仍是无偏、线性、一致的，但不再有效（不再具有最小方差性）。[3]影响最直接的是：OLS估计的方差不再准确，导致基于t/F检验的统计推断失效（可能夸大统计显著性）。b.诊断方法【重要】：[1]残差图分析法：绘制残差与拟合值（或某个解释变量）的散点图，观察是否呈喇叭状或其它不规则形态。[2]White检验：讲解其原理——通过一个辅助回归（残差平方对原解释变量及平方/交乘项回归），利用LM统计量进行判断。【热点】[3]BreuschPagan检验：类似White，但辅助回归形式更简洁。（2）第二讲（2学时）：处理与案例实操【重要】a.处理方法【难点】：[1]加权最小二乘法（WLS）：当已知异方差形式时，通过权重（1/方差）进行变换，得到BLUE估计量。但难点在于方差形式通常未知。[2]异方差稳健标准误（White标准误）：这是当前实践中的主流做法。讲解其思想——既然无法消除异方差，就修正标准误，使OLS估计量在异方差下仍能进行有效的统计推断。强调其重要性：无论是否检验出异方差，报告稳健标准误都是一个良好的实践习惯。b.案例：继续使用消费函数案例，用残差图直观展示异方差。c.软件实操：[1]命令进行White检验。[2]命令计算异方差稳健标准误（在Stata中，regyx1x2,robust），对比普通标准误与稳健标准误下t值的变化。[3]演示WLS（如果可行），并比较WLS和稳健标准误的结果差异。3.【课后提升】习题：给定一个具体模型和数据，要求学生判断是否存在异方差，并给出处理方案。（七）违背经典假定的问题（三）：序列相关性（4学时）【教学实施过程】1.【课前探索】思考：“今年的GDP如果超出预期，明年的GDP是否会受到惯性影响？”引导学生认识时间序列数据的持久性（惯性）特征。2.【课中内化】（1）第一讲（2学时）：序列相关的后果与诊断【重要】【高频考点】a.概念界定：主要针对时间序列数据，指不同期的扰动项相关，最常见是一阶自相关（）。b.后果分析【难点】：与异方差类似，违背无自相关假定，OLS估计量仍无偏、线性，但不再有效；方差估计有偏，t/F检验失效；若存在滞后被解释变量作为解释变量，则估计量是有偏且不一致的，后果更严重。c.诊断方法【重要】：[1]残差图法：绘制残差与时间（或残差滞后项）的散点图。[2]DW检验（DurbinWatson检验）：讲解DW统计量的构造、取值范围（04）及其与自相关系数的关系（d≈2(1ρ)）。指出DW检验的局限性（有无法