西南财经大学博士研究生高级计量经济学讲义
研究生《高级计量经济学》课程提纲
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。
【西南财大课件计量经济学】jljj8章
高于X * ： Yˆt （ˆ0 ˆ2 X * ) （ˆ1 ˆ2）X t
ˆ1是销售低于X（* 第一段回归直线）的斜率； （ˆ1 ˆ2）是销售高于X（* 第二段回归直线）的斜率； 只要检验2的统计显著性，则可以判断在X *是否存在突变。
案例
例1：美国1940一1950年可支配收入和消费支出的数据资料：
第八章 虚拟变量的模型 第一节 虚拟变量
一、虚拟变量的基本概念
前面讨论的数量因素（变量）可以直接度量，但质的因素（如：性别、职业、 文化程度、所有制形式等定性因素）不能直接度量。
为了在模型中反映这些属性因素的影响，以提高模型的精度，须将其“量化”
虚拟变量：取值为0、1的人工（特殊）变量（记为D） 。
2、虚拟变量取“0”或“1”应从分析问题的目的出发予以界 定（多以“0”代表基础类）；
3、虚拟变量在单一方程中，可以作为解释变量，也可以作为
被解释变量。
三、模型中引入虚拟变量的作用 1、分离异常因素的影响
如观察我国社会总产值的时间趋势，须考虑三年自然灾害这一特殊因素的影响
2、检验不同属性类型对因变量的作用；
(-0.33) (10.957) (-9.254)
F 84.282 R2 0.955
冬季、农村居民 Yi 0 X i i
（比较的基础 — 冬季、农村）
20 15 10 5 0
1234567
（二）一个定量变量X、多个虚拟变量（定性变量）的模型
Yt 0 1D1t D2t Dkt X t ut
例 我国有56个民族，引入虚拟变量： D1—D55（以汉族为基础）
藏族：（1，0，0，…，0） 彝族：（0，1，0，…，0） … 汉族：（0，0，0，…，0）
变量）。
《高级计量经济学 II》2014-2015(1)
论文研读和报告可分组进行，自选论文，在课堂进行报告。
课程要求：除非你能证明有特殊情况，例如疾病，否则不能以任何借口不参加考试和随 堂测验。如果无故不参加考试和测验，给予 0 分。你可以和同学讨论课后作业，但是不可以 抄袭别人的作业。助教可以不予批改迟交的作业。涉及学生的学术不诚实问题主要包括考试 作弊；抄袭；伪造或不当使用在校学习成绩；未经老师允许获取、利用考试材料；对于学术 不诚实的最低惩罚是考试给予 0 分。其他的惩罚包括通告学校相关部门并按照有关规定进行 处理。
©沈根祥（上海财大经济学院）
HW3
11/18 11/25
多元选择模型（I） 计数模型
参考书①Ch15 参考书①Ch20
HW4
12/2 12/9 12/16
BootStrap（I） BootStrap（II） 贝叶斯分析简介
参考书①Ch13 参考书①Ch13
12/23
论文研读报告（I）
12/30
论文研读报告（II）
注：1.本课程进度可根据实际教学进程做相应调整；2.论文研读报告可穿插进行。
预备知识：本课程需要计量经济学基础和统计学基础为前导，需要熟悉会计学和公司金 融的有关理论和实务。掌握计量经济学软件的应用将对本课程的学习有很大帮助。
©沈根祥（上海财大经济学院）
Advanced Econometrics II
课程结构：本课程基本内容分为两部分：第一部分为课堂教学，第二部分为应用，通过 有关科研论文的研读和报告探讨计量经济方法在会计学和公司金融实证分析中的应用。
课程网址：
©沈根祥（上海财大经济学院）
Advanced Econometrics II
高级计量经济学课程
高级计量经济学课程一、引言1.课程背景高级计量经济学是经济学领域中一门理论与实践相结合的课程，旨在帮助学生掌握先进的计量经济学方法，运用实证研究方法解决实际经济问题。
本课程适用于已经具备一定计量经济学基础知识的本科生、研究生以及从事经济研究工作的人员。
2.课程目标通过本课程的学习，学生应掌握以下目标：（1）熟练运用经典线性回归模型、多元线性回归模型、非线性回归模型等进行实证研究；（2）掌握时间序列分析、面板数据分析等高级计量经济学方法；（3）学会使用常见计量经济学软件进行数据处理和分析；（4）了解学术规范，提高论文写作能力。
二、计量经济学基本概念1.定义与特点计量经济学是一门研究如何利用数学、统计学和方法论对经济现象进行数量描述和解释的学科。
其主要特点如下：（1）实证研究：以实际数据为基础，对经济现象进行实证分析；（2）量化分析：运用数学模型和统计方法，对经济变量进行数量分析；（3）因果关系研究：探讨经济变量之间的因果关系。
2.基本原理与方法计量经济学的基本原理包括：（1）因果关系识别：通过随机实验或自然实验等方法，识别经济变量之间的因果关系；（2）统计推断：基于样本数据，对总体参数进行推断；（3）模型检验：检验计量经济模型设定的合理性。
常见的方法包括最小二乘法、极大似然估计、矩估计等。
三、高级计量经济学方法1.经典线性回归模型经典线性回归模型是计量经济学中最基本的模型，可以用于分析两个或多个经济变量之间的线性关系。
本课程将详细介绍线性回归模型的基本原理、估计方法和检验方法。
2.多元线性回归模型多元线性回归模型是在经典线性回归基础上扩展而来的，可以同时分析多个自变量与因变量之间的线性关系。
课程中将介绍多元线性回归模型的估计、检验和应用。
3.非线性回归模型非线性回归模型用于分析非线性关系，如指数回归、对数回归等。
课程中将讲解非线性回归模型的基本概念、估计方法和应用。
4.时间序列分析时间序列分析是研究时间序列数据特征和规律的一门学科，课程中将介绍时间序列分析的基本方法，如自回归模型、移动平均模型、季节性模型等。
第一讲_高级计量经济学_绪论
建模流程
下页
理论模型的设计
对所要研究的经济现象进行深 入的分析，根据研究的目的，选择 模型中将包含的因素，根据数据的 可得性选择适当的变量来表征这些 因素，并根据经济行为理论和样本 数据显示出的变量间的关系，设定 描述这些变量之间关系的数学表达 式，即理论模型。
设计理论模型的步骤
理论模型的设计主要包含三部分工作 1. 选择变量 2. 确定变量之间的数学关系 3. 拟定模型中待估计参数的数值范围
确定模型的数学形式
选择了适当的变量，接下来就要选择适当的 数学形式描述这些变量之间的关系，即建立理 论模型。 （1）借鉴前人的研究成果 （2）用散点图判断 （3）用多个模型模拟，再进行比较选择
拟定理论模型中待估参数的理 论期望值
理论模型中的待估参数一般都具有特定的 经济含义，它们的数值，要待模型估计、检验 后，即经济数学模型完成后才能确定，但对于 它们的数值范围，即理论期望值，可以根据它 们的经济含义在开始时拟定。这一理论期望值 可以用来检验模型的估计结果。
设计、非参数方法、生存分析、时间序列分析、谱分析、投影寻踪等。）
12．Ox V. 1.11, GAUSS V. 3.2.19 13．SPSS, SAS
学习要求及达到的目的
学习要求： 1.不迟到、不早退、不无故旷课 2.课内外学习时间比例至少为1︰3 3.课内的案例课后一定要自己动手做一遍 4.认真完成课后作业 达到的目的： 1.进入应用计量经济学的殿堂 2.充分了解计量经济学理论背景 3.熟练应用计量经济学方法解决实际问题
20世纪80年代至今计量经济学经典计量初级中级高级微观计量非参数半参数时间序列paneldata一理论模型的设计二样本数据的收集三模型参数的估计四模型的检验建模流程对所要研究的经济现象进行深入的分析根据研究的目的选择模型中将包含的因素根据数据的可得性选择适当的变量来表征这些因素并根据经济行为理论和样本数据显示出的变量间的关系设定描述这些变量之间关系的数学表达式即理论模型
03phd高级计量经济学-23
推断
经典回归模型
– – –
满足5条假设 增加假设6：扰动项服从正态分布 使用OLS法估计参数
参数服从正态分布 βOLS~N(β,σ2(X’X)-1) 参数的检验服从t分布，F分布，χ2分布
检验的一般过程
显著水平的选择
–
只要样本足够多，总能证明参数显著，被称为“大样本问题” 这时应该降低显著水平。 显著水平是范第一种类型错误的概率，又称size 犯第二种错误的概率称为power 拒绝零假设 不能拒绝零假设
计量经济学基础－ 计量经济学基础－估计量
与估计量的小样本分布有关的三个标准
– – –
无偏 有效 最小均方差 解释变量不变，重复N次，例如10000次，每次被解释 变量发生变化，估计未知参数，得到10000个未知参 数，画直方图得到估计量的分布
模拟一个估计量的样本分布。
计量经济学基础－ 计量经济学基础－估计量
t检验 检验
Log(scrap)=13.72-0.028hrsemp(0.019) 1.21log(sales)+1.48log(employ) N＝30，R2=0.431 经济意义：每增加1小时的培训，log(scrap)废品率下降 0.028,即废品率减少2.8% 统计检验：-0.028/0.019=-1.47使用5％显著水平临界值1.71，所以不能拒绝零假设，该解释变量没有意义。使 用10％的显著水平，临界值－1.32，拒绝零假设。
计量经济学基础－ 计量经济学基础－计量
扰动项（disturbance term)
经济和计量的区别 收入和消费的关系 C=f(Y)确定关系 C=f(Y)+ε随机关系 C=β0+ β 1Y+ ε Ci=β0+ β 1Yi+ εi
博士生高级计量经济学指南.
西南财经大学2013级博士研究生高级计量经济学学习指南2013级博士生高级计量经济学学习指南第一部分条件期望与条件方差第二部分古典假设与最小二乘法第三部分最小二乘的有限样本性质第四部分最小二乘的大样本性质第五部分非球型扰动与广义回归模型第六部分极大似然估计，广义矩估计第七部分检验与推断第八部分工具变量和两阶段最小二乘第九部分模型设定检验第一部分 条件期望与条件方差在正式进入计量经济学的学习之前，需要对条件期望以及条件方差熟练掌握，它们是以后学习的基础。
一、条件期望 1、条件均值的定义 条件均值的定义为：[]()()||()||yy x yyf y x dy y m x E y x yP y x y ⎧⎪=⎨⎪⎩⎰∑若是连续的若是离散的应当指出的是，条件期望是谁的函数。
2、条件均值的性质条件均值有几个简单而有用的性质：（1）迭代期望律 ( Law of Iterated expectations, LIE) 条件期望的条件期望等于无条件期望。
[][]|x E y E E y x ⎡⎤=⎣⎦，其中，记号[]x E ⋅表示关于 x 值的期望。
Proof: 离散情形：We need to show: ()[]()|X xE y E y X x P X x ===∑Where []()|||Y X yE Y X x yP y x ==∑.We have[]()()()|||XY XXxyxE Y X x P X x y P y x P x ===∑∑∑()()YyyP Y y E Y ===∑.连续情形：()()X xE g gf x dx =⎰，and ()()||yE y x yf y x dy =⎰()()()||X xE E Y X x E Y X x f x dx ∴===⎡⎤⎡⎤⎣⎦⎣⎦⎰()()|x y yf y x dy f x dx ⎛⎫= ⎪ ⎪⎝⎭⎰⎰()()|x yyf y x dy f x dx =⎰⎰()()|x yyf y x f x dxdy =⎰⎰()()(),x yyyf x y dxdy yf y dy E y ===⎰⎰⎰迭代期望律的一般表述方式 ()()()|||E y E E y =x w x其中，()g =x w ，x 是w 的子集，()g ⋅为非随机函数。
高级计量经济学课程
高级计量经济学课程摘要：一、引言1.介绍高级计量经济学课程的背景和重要性2.阐述本课程的主要内容和目标二、高级计量经济学课程概述1.课程的核心概念和理论2.课程的主要方法论和工具三、高级计量经济学课程的主要内容1.多元回归分析2.异方差性、序列相关性和多重共线性3.工具变量和两阶段最小二乘法4.矩估计和广义矩估计5.非参数估计和半参数估计6.面板数据分析7.蒙特卡洛模拟和贝叶斯统计四、高级计量经济学课程的实践应用1.宏观经济政策的评估2.金融市场的风险管理3.产业组织和市场竞争分析4.人力资本和研发投资决策五、高级计量经济学课程的学习方法和建议1.掌握基本理论和方法2.动手实践和案例分析3.学术研究和论文写作六、总结1.强调高级计量经济学课程在现代经济学研究中的应用2.展望计量经济学未来的发展趋势和挑战正文：一、引言高级计量经济学课程是经济学专业研究生的核心课程之一，它涉及到现代经济学研究中许多重要的理论和方法。
本课程的主要目标是帮助学生掌握高级计量经济学的基本概念、理论和方法，并能够运用这些知识和技能进行独立的研究和论文写作。
二、高级计量经济学课程概述高级计量经济学课程主要涉及以下几个方面的内容：多元回归分析、异方差性、序列相关性和多重共线性、工具变量和两阶段最小二乘法、矩估计和广义矩估计、非参数估计和半参数估计、面板数据分析、蒙特卡洛模拟和贝叶斯统计等。
这些内容不仅包括高级计量经济学的基本理论和方法，还涵盖了许多现代计量经济学研究的前沿领域。
三、高级计量经济学课程的主要内容1.多元回归分析：介绍多元回归模型的建立、参数估计和假设检验等基本概念和方法。
2.异方差性、序列相关性和多重共线性：讲解这些问题的产生原因、影响和解决方法。
3.工具变量和两阶段最小二乘法：阐述工具变量理论及其在解决因果推断问题中的应用，以及两阶段最小二乘法的原理和应用。
4.矩估计和广义矩估计：介绍矩估计和广义矩估计的基本概念、性质和应用。
高级计量经济学-1
高级计量经济学-1引言高级计量经济学是经济学领域中的一门重要的学科，它主要研究经济现象的测量与分析方法，并利用各种统计工具来揭示经济变量之间的关系。
本文将介绍高级计量经济学的基本概念、方法和应用。
一、基本概念1.1 计量经济学定义计量经济学是一门关于经济现象和经济变量的量化研究方法的学科。
它通过建立数学模型和利用统计推断的方法来解释和预测经济现象。
1.2 经济变量经济变量是指反映经济现象和经济活动的数量特征。
常见的经济变量包括国内生产总值、物价指数、劳动力市场数据等。
二、计量模型2.1 线性回归模型线性回归模型是计量经济学中最常用的模型之一，它假设解释变量和被解释变量之间存在线性关系。
该模型通常用最小二乘法来估计模型参数。
2.2 时间序列模型时间序列模型是一种特殊的计量经济模型，它研究的是同一变量随时间变化的模式。
常见的时间序列模型包括自回归移动平均模型(ARMA)、自回归条件异方差模型(ARCH)等。
三、计量经济学方法3.1 最小二乘法最小二乘法是计量经济学中最常用的估计方法之一，它通过最小化观测值与模型预测值之间的差异来估计模型的参数。
3.2 极大似然估计极大似然估计是一种常用的参数估计方法，它通过寻找参数使得观测数据出现的概率最大化来估计模型的参数。
3.3 工具变量法工具变量法是一种常用的处理内生性问题的方法，它利用外生变量作为工具变量来消除内生性引起的估计偏误。
四、计量经济学应用4.1 动态面板数据模型动态面板数据模型是一种处理面板数据的方法，它结合了时间序列数据和横截面数据的特点，用于研究经济变量随时间的变化和个体之间的关系。
4.2 处理选择性偏误选择性偏误是指由于个体选择行为的特殊性质引起的估计偏误。
计量经济学可以通过处理选择性偏误来提高研究结果的准确性。
结论高级计量经济学是一门重要的经济学学科，它利用计量方法和统计工具来研究经济现象和经济变量之间的关系。
本文介绍了高级计量经济学的基本概念、模型、方法和应用，希望能为读者提供有关该领域的基础知识和理解。
【西南财大课件计量经济学】JLJJ二章
(Xi X )(Yi Y (Xi X )2
)
S XY
S
2 X
)
ˆ
x i
y i
2
x 2
i
Yˆi ˆ1 ˆ2 Xi
截距项 ˆ ：当解释变量为零时，被解释变量的取值； 1
变动 斜ˆ 个率单项位ˆ。2 ：当解释变量每变动一个单位时，被解释变量平均 2 25
样本回归函数的表现形式：
Yˆi ˆ1 ˆ2 X i
E[(Yˆi
Y )ei ]
E[ yˆiei ]
yˆiei n
0
（ yˆiei 0 证明见教材P27）
（五）解释变量与剩余项不相关，即 COV ( X i , ei ) 0
COV ( X i ， ei ） EX i E(X i )ei E(ei )
1 n
(ei
e
)(
X
i
X
)
1 n
ei X i
(ei2 )
ˆ1
2(Yi
ˆ1
ˆ2 X i
)
0
(ei2 )
ˆ2
2(Yi
ˆ1
ˆ2 X i ) X i
0
24
解方程组
Yi nˆ1 ˆ2X i
X iYi
ˆ1
Xi
ˆ2X
2 i
得
ˆ
nX Y ii
X Y
i
i
2 nX 2 (X )2
i
i
注：令 x X X
i
i
y Y Y
i
i
ˆ Y ˆ X
1
2
(ˆ2
4、相关系数虽能度量变量的线性相关程度，但不能确定变量之间的因果关 系，也不能说明它具体接近哪一条直线。
西南财经计量经济学第一章导论
要有科学的理论依据
选择适当的数学形式
类型: 单一方程、联立方程
线性形式、非线性形式
模型要兼顾真实性和实用性
两种不好的模型：
太过复杂—真实但不实用
过分简单—不真实
包含随机误差项
经济模型与计量经济模型的重要区别
方程中的变量要具有可观测性
设定计量经济模型的基本要求
一般来说参数是未知的，又是不可直接观测的。由于随机项的存在，参数也不能通过变量值去精确计算。只能通过变量样本观测值选择适当方法去估计。
4
经济计量分析的结果：对经济理论确定的原则
5
联系：
1
计量经济学研究的主体—经济现象和经济关 系的数量规律
2
计量经济学必须以经济学提供的理论原则和经
3
加以验证、充实、完善
6
计量经济学与经济学的关系
三、计量经济学与其他学科的关系
计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容
02
经济理论重在定性分析，并不对经济关系提供数量上的具体度量
理论与方法的新突破 除了经典线性计量经济学模型以外，出现非线性模型、非参数、半参数模型、动态模型、时间序列模型、协整理论、Panel Data数据模型、空间计量经济模型等新的研究领域
若干代表性表述：
“计量经济学是统计学、经济学和数学的结合。” （弗瑞希）
“计量经济学是用数学语言来表达经济理论，以便通过统计方法来论述这些理论的一门经济学分支。” （美国现代经济词典）
01
区别：
经济统计侧重于对社会经济现象的描述性计量
经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据
经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据
高级计量经济学I教学大纲
高级计量经济学I教学大纲（2018年·秋季学期·经资院）授课教师：周晔馨 zhouyexin@教学对象：博士生、硕士生先修课程：有微积分、线性代数、概率论基础知识学时/学分：48学时/3学分教学方式：PPT+板书推导主要教材：1.Colin Cameron, Pravin K. Trivedi, Microeconometrics: Methods and Applications;2.陈强，高级计量经济学及Stata应用（第二版，研究生用），高等教育出版社，2014；3.J. Stock, M. Watson, Introduction to Econometrics.参考书籍：1.Joshua D. Angrist, Jörn-Steffen Pischke, Mostly Harmless Econometrics: AnEmpiricist’s Companion, 基本无害的计量经济学(MHE);2.伍德里奇，计量经济学导论：现代观点；3.L. Hamilton，应用Stata做统计分析；4.Angrist and Pischke，Mastering Econometrics；5.W. Green，Econometric Analysis.课程板块：共16次课，其中上课14次，半期考试1次，期末考试1次。
助教课：上机和作业讲解大约6次。
1、导论+OLS（多元回归+小样本理论+大样本理论）2、古典假定的违反，模型设定和数据问题3、分位数回归4、工具变量与内生性5、国庆6、离散因变量：二值选择模型Logit/Probit+多值选择模型，有序因变量7、受限因变量1：断尾回归Truncated、归并回归Tobit8、专题：如何做规范的实证研究9、半期闭卷考试10、受限因变量2：样本选择模型Heckit11、因果推断1：实验，处理效应模型PSM12、因果推断2：双重差分DID13、因果推断3：断点回归RD14、面板数据回归15、论文报告与点评16、期末闭卷考试成绩：总成绩由以下三部分组成：1、平时成绩（20%）；2、期中考试成绩（纸考含上机题，30%）；3、期末考试成绩（论文分享与点评，5%；纸考含上机题，45%）。
西南财大课件计量经济学JLJJ四章.ppt
2 X 2 3 X 3 k X k 0
重共式线中性：。2、3、、k 是不全为0 的常数，则称解释变量之间存在完全多
例如，设有回归模型 C 1 2S 3N 4T u
其中： C为居民个人消费； S为个人工资收入； N为非劳动收入； T为总收入
不含截距项，c jj为（X X）1的（j 1）行（j 1）列的元素。
18
在完全多重共线性条件下： y 2 x2 3x3 u
因为（X X）1
x22x32
1 （x2
x3）2
x32 x2 x3
x2 x3 x22
ˆ2的方差等于：
Var（ˆ2 ）（X X）212
0
同理：易得ˆ3的方差为：
Var(ˆ3 )
x22x32
2x22 (x2 x3 )2
2
x32
(1
2 23
)
且： Var(ˆ3)
20
小结：完全多重共线性产生的后果
1、参数估计值的不确定性
如y 2 x2 3x3 u 设x3x2 y （ˆ2 ˆ3）x2 u
例2：某国家分折汽车保养费用支出Y(元)与汽车的行程数X2(公里)以及汽车 拥有的时间X3(周)的关系。建立如下模型：
Yˆ 7.29 27.58X 2 15161.5X 3
SE =(121.50) (28.79)
(21.41)
t = （0.06） （0.958） （-7.06）
R 2 0.946
故由正规方程组： X Y X Xˆ ˆ （X X）1X Y 将不能唯一解出ˆ。正规方程有无穷多个解。
高级计量经济学课程
高级计量经济学课程摘要：一、高级计量经济学课程概述1.课程背景与意义2.课程目标与内容二、课程的主要内容1.高级计量经济学的基本概念2.多元回归分析3.异方差性、序列相关性和随机波动4.工具变量和两阶段最小二乘法5.面板数据分析6.蒙特卡洛模拟和贝叶斯统计三、课程的学习方法和技巧1.掌握基础理论知识2.熟练运用统计软件3.动手实践与案例分析4.参与课堂讨论和互动四、课程的实践应用1.应用于经济学研究2.政策评估与分析3.金融市场与企业管理正文：在我国的经济学教育体系中，高级计量经济学课程是一门十分重要的课程。
这门课程主要针对已经掌握了基础计量经济学知识的本科生和研究生，旨在进一步提高他们的高级计量经济学理论水平和实际应用能力。
通过学习这门课程，学生将能够更好地理解和分析经济现象，为今后的经济学研究和工作打下坚实的基础。
高级计量经济学课程涵盖了诸多内容，从基本概念到各种统计方法的运用，再到实践应用，形成了完整的知识体系。
课程首先介绍高级计量经济学的基本概念，如随机变量、随机过程、概率密度函数等，为后续内容的学习打下基础。
随后，课程将深入讲解多元回归分析、异方差性、序列相关性和随机波动等统计方法，帮助学生掌握各种情况下的数据分析技巧。
此外，课程还包括工具变量和两阶段最小二乘法、面板数据分析、蒙特卡洛模拟和贝叶斯统计等高级内容，使学生能够应对更复杂的分析任务。
要想在高级计量经济学课程中取得好成绩，关键在于掌握基础理论知识，熟练运用统计软件（如Stata、R 等），动手实践与案例分析，以及积极参与课堂讨论和互动。
通过这些方法，学生可以更好地理解课程内容，提高自己的分析能力。
在实践应用方面，高级计量经济学课程的知识可以广泛应用于经济学研究、政策评估与分析、金融市场与企业管理等领域。
例如，研究者可以利用多元回归分析评估某项政策的有效性，利用面板数据分析企业竞争力的变化趋势，或者利用蒙特卡洛模拟对未来经济形势进行预测。
西南财经大学博士研究生高级计量经济学讲义
图 a 由白噪声过程产生的时间序列
图b
日元对美元汇率的收益率序列
(2)正态过程：若｛Yt｝的有限维分布都是正态分布，则称｛Yt｝为正态过程，有 时也称为高斯过程。
6
PDF created with pdfFactory trial version
(3)独立增量过程：设｛Yt｝为随机过程，若对任意 n 及 ti∈T，
当任意给定 t1，t2∈T 时，随机变量 Yt1 , Yt 2 的联合分布函数为： FYt1 ,Yt 2 ( y1 , y 2 ) = P Yt1 < y1 , Yt 2 < y 2
(
)
(二维分布)
一般地，对于任意 m∈N,t1,t2,……tm∈T， Yt1 ,…… Yt m 的联合分布函数为： FYt1 ,Yt 2 LYt m ( y1 , y 2 L y m ) = P Yt1 < y1 , L , Yt m < y m
E：偏自相关函数（PACF） ：ϕ (t , s ) = Covr (Yt , Ys Ys +1 ,L, Yt −1 ) 3、几种重要的随机过程 (1)纯随机过程(白噪声过程)： 设｛Yt｝为随机过程， （t=1，2，…） ，若 σ 2 EYt=0， cov(Y y , Ys ) = 0 则称｛Yt｝为白噪声过程。 t=s t≠s
4
PDF created with pdfFactory trial version
一、随机时间序列分析的基本概念 1、随机过程（stochastic process） 为什么要引入随机过程？（★） 定义：若对于每一特定的 t（t∈T） ，Yt 为一随机变量，则称这一族随机变 量｛Yt｝为一个随机过程。 连续型随机过程：若 T 为一区间，则｛Yt｝为一连续型随机过程。 （心电图， 水位纪录仪，温度纪录仪） 离散型随机过程：若 T 为离散集合，如 T＝（0，1，2，……）或 T＝（……， -2，-1，0，1，2，……） ，则｛Yt｝为离散型随机过程。 离散型（时间指标集）随机过程通常称为随机序列（随机型时间序列） 。 （股 票日收盘价、年粮食产量、进出口额序列） 随机过程的实现或轨迹（路径） ：对于每一 t0∈T,Yt0 为一随机变量，它可取 某一状态值，由于 Yt 为一随机过程，在 T 中的每一时刻都有一个取值，这一串 取值形成的｛Yt｝一个样本，称之为｛Yt｝的实现或轨迹或样本路径。 在经济分析中常用的时间序列数据都是经济变量随机序列的一个实现 （或样 本路径） 。 2、随机过程的分布及其特征 （1）分布：设｛Yt｝为一随机过程，对每一 t∈T，Yt 的分布函数为 FYt ( y ) ， 即 FYt ( y ) = P(Yt < x ) (一维分布)