《计量经济学》PPT课件 贺小丹 首都经济贸易大学

 
课件内容： 
导论 
了解计量经济学科的产生与发展，掌握计量经济学的建模步骤 
1.1计量经济学的产生和发展 
1.2计量经济学建模步骤：一、模型设定 
1.3计量经济学建模步骤：二、样本数据的收集 
1.4计量经济学建模步骤：三、参数估计 
1.5计量经济学建模步骤：四、模型检验 
线性回归模型与最小二乘估计 
理解经典线性回归模型的基本概念，掌握经典线性回归模型的最小二乘估计方法的基本原理与应用 
2.1回归模型概述 
2.2一元线性回归模型与最小二乘估计 
2.3多元线性回归模型与最小二乘估计 
2.4多元线性回归模型与最小二乘估计：实例 
OLS估计量的性质——高斯-马尔科夫定理 
掌握线性回归经典假设并理解其含义与背后的意义；掌握高斯马尔科夫定理，包括：理解OLS估计量的优良性质，掌握线性性与无偏性的证明 
3.1知识回顾 
3.2线性性假设 
3.3严格外生性假设 
3.4识别条件 
3.5球型绕动项假设 
3.6高斯-马尔科夫定理优良性证明 
多元线性回归模型统计推断 
理解计量经济学检验的基本原理与应用 
4.1拟合优度检验 
4.2单个变量显著性检验 
4.3多个参数的线性约束条件检验 
线性回归模型的进一步讨论 
掌握定性信息变量在线性回归模型中的使用掌握如何在线性回归模型中考虑变量间的非线性关系 
5.1包含定性信息变量的模型 
5.2包含非线性因素的线性回归模型 
模型设定问题 
理解计量经济学模型设定中的两大问题：“遗漏变量问题”与“无关变量问题”，并掌握一般的建模策略 
6.1遗漏变量问题（上） 
6.2遗漏变量问题（下） 
6.3无关变量问题 
6.4建模策略：“由小到大”还是“由大到小” 
内生性问题 
理解什么是内生性问题，其产生的原因与后果是什么，并掌握如何用工具变量法解决内生性问题 
7.1解释变量与绕动项相关 
7.2内生变量 
7.3工具变量 
7.4工具变量法 
7.5二阶段最小二乘法 
异方差与序列相关 
理解异方差与序列相关的概念、产生的原因、导致的后果，掌握如何解决异方差与序列相关性问题 
8.1异方差的例子 
8.2异方差的后果 
8.3异方差的检验 
8.4异方差的处理 
8.5序列相关性问题 
8.6序列相关的处理 
更多估计量介绍 
了解极大似然估计法与广义矩估计方法的思想，原理，并掌握两种方法在实际问题中的应用 
9.1似然函数 
9.2极大似然估计 以线性模型为例 
9.3矩估计 
9.4广义矩估计 
时间序列的基本概念 
10.1时间序列的研究由来和数学定义 
10.2时间序列数据描述、图例 
10.3常见时间序列的分解 
10.4不规则波动 
10.5随机趋势 
10.6相关性的测度 
10.7高斯白噪声、带漂移的随机游走 
平稳时间序列 
11.1时间序列的概率看法 
11.2严平稳时间序列 
11.3（宽）平稳时间序列 
11.4平稳时间序列的数字特征 
11.5一枚硬币产生的数据过程 
平稳性和趋势平滑 
12.1平稳性的直观鉴别 
12.2平稳性的直观鉴别：案例 
12.3平稳化手段对不平稳性部分的剥离 
12.4趋势平滑 
12.5近邻回归、局部加权回归 
平稳化与平稳性检验 
13.1平稳化 
13.2去季节性 
13.3去趋势 
13.4去周期性 
13.5（自然）对数法、差分法、对数差分法 
13.6平稳性检验，DF、ADF检验 
ARMA过程 
14.1AR（p），MA（q），ARMA（p q） 
14.2可逆、因果、无冗余 
14.3ARMA（p q）模型的ACF和PACF 
14.4ARMA（p q）模型的识别 
14.5ARMA（p q）的估计 
GARCH过程 
15.1GARCH模型族的重要性 
15.2ARCH（1） 
15.3ARCH（q） 
15.4GARCH（p q） 
15.5GARCH模型族 
15.6Eviews操作：检验与估计（上） 
15.7Eviews操作：检验与估计（下） 
线性面板数据模型 
理解面板数据线性回归模型的建模优势；掌握三种面板数据回归模型及其估计方法；理解固定效应模型和随机效应模型的区别；掌握面板数据回归模型的筛选检验。 
16.1 面板数据的概念及其建模优势 
16.2 面板数据回归模型的类型 
16.3 个体固定效应模型的估计 
16.4 时间固定/双固定效应模型 
16.5 随机效应模型的估计 
16.6 面板数据回归模型的筛选 
受限被解释变量模型-非线性概率模型 
掌握二值因变量模型、线性概率模型的基本概念，与经典线性回归模型相比，理解模型参数含义的变化。针对线性概率模型的缺点，理解Probit和Logit两个线性概率模型，掌握非线性概率模型的估计方法—极大似然估计法、极大似然估计量的统计性质、拟合优度检验。 
17.1 线性概率模型 
17.1.1 二值因变量模型 
17.1.2 线性概率模型 
17.2.非线性概率模型 
17.2.1 Probit模型 
17.2.2 Logit模型 
17.2.3 极大似然估计量 
17.2.4 统计性质与统计检验