计量经济学(2024-2025-2)
计量经济学(2024-2025-2)
1万+ 人选课
更新日期:2025/05/15
开课时间2025/02/23 - 2025/06/22
课程周期17 周
开课状态开课中
每周学时-
课程简介

计量经济学(Econometrics)是经济学的一个分支,它是在数理经济学、经济统计学和数理统计学基础上在上世纪30年代发展起来的一门应用经济学学科,是教育部确定的经济学类各专业的核心课程之一。计量经济学的先修课程为微积分、概率论与数理统计、线性代数、宏观经济学、微观经济学、经济统计学等。

计量经济学从诞生之日起,就显示了极强的生命力,著名计量经济学家、诺贝尔经济学奖获得者克莱茵 (R. Klein) 在“A Textbook of Econometrics”(1983)的序言中写道:“计量经济学已经在经济学科中居于最重要的地位”。著名经济学家、诺贝尔经济学奖获得者萨缪尔森( P. Samuelson) 甚至说:“第二次世界大战后的经济学是计量经济学时代”。

课程教学设计

1)以问题为研究对象,按照提出问题、分析问题、解决问题、总结问题的步骤,培养学生运用计量经济学基本理论和方法来分析和解决问题的能力。

(2)设计启发式教学案例,培养学生主动学习、研究和创新意识。

(3)注重实践能力的培养,建立起计量经济学的课程知识体系。

 



课程大纲

第一章 导论

  • 1.1 什么是计量经济学
  • 1.2 经典计量经济模型的建模方法
  • 1.3 Stata软件入门:学习资料与软件启动
  • 1.4 Stata软件入门:创建数据集
  • 1.5 Stata软件入门:Stata语法与命令

第二章 一元线性回归模型

  • 2.1 一元线性回归模型的引入(一)
  • 2.2 一元线性回归模型的引入(二)
  • 2.3 模型参数估计方法—OLS
  • 2.4 OLSE的有限样本性质与古典假定
  • 2.5 模型拟合优度检验
  • 2.6 解释变量显著性检验—t检验
  • 2.7 利用计量模型进行预测
  • 2.8 Stata软件应用:相关分析
  • 2.9 Stata软件应用:一元线性回归分析

第三章 多元线性回归模型

  • 3.1 多元线性回归模型的形式
  • 3.2 多元线性回归模型的参数估计
  • 3.3 多元线性回归模型OLSE的统计性质与古典假定
  • 3.4 多元线性回归模型的统计检验—R2检验
  • 3.5 多元线性回归模型的统计检验—t 检验
  • 3.6 多元线性回归模型的统计检验—F 检验
  • 3.7 多元线性回归模型的评价
  • 3.8 Eviews软件应用:多元线性回归模型参数估计
  • 3.9 Eviews软件应用:多元线性回归模型统计检验
  • 3.10 Eviews软件应用:回归系数的一般约束检验
  • 3.11 Stata软件应用:多元回归模型的估计
  • 3.12 Stata软件应用:多元回归模型的统计检验

第四章 多重共线性

  • 4.1 多重共线性的含义及产生的原因
  • 4.2 多重共线性带来的后果
  • 4.3 多重共线性的诊断方法(1):直观判别法和方差扩大因子
  • 4.4 多重共线性的诊断方法(2):法勒-格劳搏检验和特征值法
  • 4.5 多重共线性问题的处理(1)
  • 4.6 多重共线性问题的处理(2)
  • 4.7 Eviews软件应用:多重共线性
  • 4.8 Stata软件应用:多重共线性

第五章 异方差

  • 5.1 异方差问题及影响
  • 5.2 异方差的检验(1):图示法、戈德菲尔德-匡特检验
  • 5.3 异方差的检验(2):帕克检验、戈里瑟检验、怀特检验、布殊-帕甘检验
  • 5.4 异方差问题的处理(1):加权最小二乘法
  • 5.5 异方差问题的处理(2):一致估计量、代数变换
  • 5.6 Eviews软件应用:G-Q检验
  • 5.7 Eviews软件应用:异方差的检验与处理
  • 5.8 Stata软件应用:异方差的检验与处理

第六章 函数形式与虚拟变量

  • 6.1 变量非线性回归模型(1)对数函数模型
  • 6.2 变量非线性回归模型(2):双曲线模型、多项式模型
  • 6.3 虚拟变量的加法模型
  • 6.4 虚拟变量的乘法模型
  • 6.5 多状态下的虚拟变量
  • 6.6 Eviews软件应用:非线性模型建模
  • 6.7 Eviews软件应用:多状态下的虚拟变量模型回归
  • 6.8 Stata软件应用:虚拟变量建模

第七章 时间序列回归的一般问题

  • 7.1 时间序列数据的特殊性
  • 7.2 时间序列回归的特殊性
  • 7.3 时间序列回归中OLSE的有限样本性质及其假定
  • 7.4 时间序列回归中OLSE的大样本性质及其假定
  • 7.5 平稳与弱相关时间序列
  • 7.6 时间序列非平稳的来源
  • 7.7 确定性趋势与季节模型
  • 7.8 Eviews软件应用:时序数据文件的建立与基本描述性分析
  • 7.9 Eviews软件应用:确定性趋势与季节模型的建立

第八章 动态模型

  • 8.1 单变量平稳时间序列模型:ARMA模型
  • 8.2 VAR模型
  • 8.3 Eviews软件应用:ARMA模型的构建
  • 8.4 Eviews软件应用:VAR模型的构建

第九章 非平稳时间序列模型

  • 9.1 非平稳序列回归的“伪回归”问题
  • 9.2 单位根检验
  • 9.3 协整与误差修正模型
  • 9.4 结构突变检验
  • 9.5 Eviews软件应用:单位根检验
  • 9.6 Eviews软件应用:协整与误差修正模型

第十章 误差项自相关与异方差

  • 10.1 什么是随机误差项自相关
  • 10.2 随机误差项自相关的检验
  • 10.3 误差项自相关模型的修正
  • 10.4 Eviews软件应用:误差项自相关检验
  • 10.5 Eviews软件应用:误差项自相关的处理