大学本科《计量经济学》第二章“简单线性回归模型”教学设计

大学本科《计量经济学》第二章“简单线性回归模型”教学设计一、教学背景（一）课程基本信息【基础】课程名称：计量经济学授课章节：第二章简单线性回归模型（基于庞皓主编《计量经济学》（第五版））授课对象：大学本科经济学、金融学、国际贸易、统计学等专业二年级或三年级学生授课学时：建议68学时（含理论讲授与实验操作）先修课程：高等数学、线性代数、概率论与数理统计、微观经济学、宏观经济学、经济统计学（二）教材分析【重要】本章是计量经济学的逻辑起点和基石。它系统介绍了两变量之间的线性依存关系，通过引入扰动项，将确定性的数学关系转向了随机性的统计关系。教材（庞皓，第五版）秉承“重思想、重方法、重应用”的编写原则，避免了繁冗的数学推导，侧重于对基本概念、基本思想和基本应用的阐述1。本章内容从回归分析的本质出发，详细讲解了参数估计（普通最小二乘法，OLS）、模型检验（拟合优度、t检验）以及点预测与区间预测，并配有综合案例分析，为学生后续学习多元线性回归模型及应对各种经典假设违背（如多重共线性、异方差性、自相关性）奠定了坚实的理论基础110。（三）学情分析【基础】知识储备：学生已具备微积分（求极值）、线性代数（矩阵运算基础概念）、概率论与数统（随机变量、期望、方差、正态分布、假设检验）的基本知识，并对经济学中的边际分析和弹性概念有所了解。认知特点：这是学生第一次接触“用数据验证经济理论”的范式转换。学生普遍对繁琐的数学公式有畏难情绪，但对动手操作软件、分析现实经济问题抱有浓厚兴趣。难点在于理解为什么在因果关系识别中需要引入随机扰动项，以及如何从“样本”推断“总体”特征。（四）教学理念【核心】遵循“以学生为中心”和“成果导向教育（OBE）”理念，深度融合“课前探索课中内化课后提升”的混合式教学模式9。坚持“思政+竞赛”双轮驱动，将价值塑造、知识传授和能力培养融为一体9。通过问题驱动、案例贯穿、软件实操，实现“教、学、做、评”一体化，引导学生从“应试学习”向“自主探究”转变。二、教学目标（一）知识目标【基础】准确阐述回归分析、总体回归函数（PRF）、样本回归函数（SRF）、随机扰动项的核心内涵。【重要】熟练推导普通最小二乘法（OLS）的正规方程组，掌握参数估计量（β^1\hat{\beta}_1β^​1​和β^2\hat{\beta}_2β^​2​）的表达式及其数学性质。【重要】深刻理解经典线性回归模型的基本假定（零条件均值、同方差、无自相关等），并能解释这些假定的经济含义和作用。【基础】掌握拟合优度（判定系数R2R^2R2）的计算方法，理解其对模型解释力的度量逻辑。【重要】掌握回归系数显著性检验（t检验）的步骤，理解P值的统计意义。【基础】理解点预测和区间预测的基本原理。（二）能力目标【高频考点】能够运用EViews或Stata软件，独立完成简单线性回归模型的参数估计、检验和预测操作。【重要】能够正确解读软件输出的回归结果（如系数、标准误、t统计量、P值、R2R^2R2），并用规范的经济学语言进行书面和口头报告。【热点】具备初步的“问题模型数据验证”的实证研究思维，能够针对具体经济问题（如消费与收入关系）构建模型并分析结论。（三）素养目标【思政融入】通过引入中国宏观经济增长、农村居民收入与消费等本土化案例，引导学生感悟中国经济建设的伟大成就，增强“四个自信”，培养学生经世济民的家国情怀110。【科学精神】培养学生严谨求实的科学态度，理解统计推断的或然性，不轻易将相关关系等同于因果关系，养成批判性思维。三、教学重点与难点（一）教学重点【非常重要】普通最小二乘法（OLS）的原理与参数估计。【重要】OLS估计量的统计性质（线性性、无偏性、有效性）——高斯马尔可夫定理的直观理解。【高频考点】回归模型的拟合优度检验（R2R^2R2）和变量显著性检验（t检验）。（二）教学难点【难点】随机扰动项的经济学含义及其在模型设定中的核心地位。【难点】对“在给定解释变量条件下”的理解，以及条件期望（E(Y|X)）与无条件期望（E(Y)）的区别。【难点】参数估计量抽样分布的理解，以及标准误在统计推断中的作用。四、教学方法与手段（一）教学方法讲授法：精讲核心概念和逻辑框架，弱化数学推导，强调直觉理解。案例教学法：以一个贯穿始终的案例（如“中国城镇居民消费与可支配收入的关系”）串联全部知识点，实现知识体系的建构。探究式学习：通过设置问题链（如“如果模型不满足假定，估计结果会怎样？”），引导学生主动思考。任务驱动法：布置上机实验任务，要求学生在规定时间内完成数据分析和结果解读。（二）教学手段多媒体课件（PPT）：图文并茂，动态展示推导过程和图形变化。板书辅助：关键公式推导、逻辑关系图板书呈现，强化学生记忆。计量软件演示：课堂现场操作EViews/Stata，展示“输入命令得到结果解读结果”的全过程。在线教学平台：利用学习通/雨课堂发布预习资料、进行随堂测验、开展讨论答疑9。五、教学实施过程（一）课前准备（线上自学，约60分钟）发布学习任务清单：通过在线平台发布第二章导学案，明确学习目标、重点难点及预习要求。观看微课视频：要求学生观看教师预先录制的“回归分析的起源（高尔顿的豌豆实验）”和“什么是随机扰动项？”两个微课视频，初步建立感性认识。完成预习题：简述回归分析的主要任务是什么？思考：在经济学中，消费Y和收入X之间的关系是完全确定的函数关系Y=f(X)吗？为什么？数据：提前将“中国城镇居民人均可支配收入与消费支出（）”的Excel数据文件上传至平台，供学生熟悉。（二）课中内化（课堂交互，90分钟×2次课）第一模块：从相关关系到因果关系——回归分析的思想（约30分钟）【导入】问题链开启：教师展示散点图——中国城镇居民人均可支配收入与消费支出的散点图。师问：“从这张图大家能直观感受到什么？”（生答：正相关，点围绕着一条直线）。师再问：“这是不是就意味着高收入‘导致’了高消费？我们能否用数学公式刻画这种‘导致’关系？”引出回归分析的核心任务：不仅要描述相关性（描述统计），更要通过模型来刻画变量间的依赖关系（推断统计）。【核心概念建立】讲解“相关”与“回归”的区别。借用高尔顿的“普遍回归定律”故事，引出“回归”的统计学本意——向均值的回归。【重要】总体回归函数（PRF）与随机扰动项：板书：Yi=β1+β2Xi+uiY_i=\beta_1+\beta_2X_i+u_iYi​=β1​+β2​Xi​+ui​教师精讲：解释β1+β2Xi\beta_1+\beta_2X_iβ1​+β2​Xi​为系统性部分，即给定收入水平X下的平均消费支出E(Y|X_i)。uiu_iui​为随机扰动项，它是“我们无知程度的度量”。【难点攻克】随机扰动项的内涵：组织学生讨论“u包含了哪些因素？”引导学生归纳：①模型的遗漏变量（如消费习惯、财富效应）；②变量的测量误差；③人类行为的内在随机性；④模型函数形式的设定误差。强调：将能解释的部分交给β1+β2Xi\beta_1+\beta_2X_iβ1​+β2​Xi​，将无法解释的部分统统归入u，这是计量经济学的“智慧”。【基础】样本回归函数（SRF）：由于总体未知，我们只能通过样本估计总体。引出样本回归线：Yi=β^1+β^2Xi+eiY_i=\hat{\beta}_1+\hat{\beta}_2X_i+e_iYi​=β^​1​+β^​2​Xi​+ei​，其中β^1\hat{\beta}_1β^​1​、β^2\hat{\beta}_2β^​2​是总体参数的估计量，eie_iei​是残差（对扰动项u_i的估计）。本模块小结：我们寻找的是一条穿过样本点的“最佳”直线，使得估计值Y^i\hat{Y}_iY^i​尽可能地接近真实的Y_i。第二模块：如何找到“最佳”直线？——普通最小二乘法（OLS）（约50分钟）【问题驱动】教师提问：“给定一堆样本点，我们可以画出无数条直线，哪一条是‘最好’的？”引导学生思考“好”的标准是什么？【思想引入】介绍“残差”ei=Yi—Y^ie_i=Y_i—\hat{Y}_iei​=Yi​—Y^i​，它代表了实际观测值与估计值的偏离程度。我们自然希望所有点的偏离程度加起来尽可能小。【重要】最小二乘原理：为了避免正负残差相互抵消，我们采用“残差平方和（RSS，或记作∑ei2\sume_i^2∑ei2​）最小”作为准则。教师板书：min⁡β^1,β^2∑ei2=min⁡∑(Yi—β^1—β^2Xi)2\min_{\hat{\b