《计量经济学》教学大纲

《中级计量经济学》教学大纲（Econometrics）一、编写说明学分：3学分；总课时：48学时，课内外学时比至少应达到1：2；课程性质：经济类学科各专业学位课、必修课，其他专业研究生的选修课。

先修课程：《微积分》《线性代数》《概率论与数理统计》《西方经济学》《计算机基础》。

课程简介：本课程以中级计量经济学为主，适当吸收高级水平的内容；以经典线性模型为主，适当介绍一些适用的扩展模型。

全书形成具有实用性、继承性和前瞻性特色的内容体系。

本课程较为系统地介绍计量经济学的基本理论、方法、最新进展以及计量经济学软件EViews。

全书共分9章，第1章阐述回归分析的基本内容及应用问题，这是整个计量经济学的基础；第2章至第5章介绍异方差性、自相关性、多重共线性、虚拟变量、模型设定误差、变量观测误差以及随机解释变量等计量经济问题及其解决方法，这是本书的主要内容；第6章和第8章阐述滞后变量模型和联立方程模型，这是本课程的重点内容之一，第7章重点阐述时间序列分析，主要涉及ADF检验、Johansen协整检验、Granger因果关系检验、ARIMA模型、向量自回归模型(V AR)、协整理论与向量误差修正模型(VEC)，这部分内容是当代计量经济学研究的热点问题；第9章介绍面板数据模型及其应用，这是计量经济学研究的最新近展。

第7章和第9章是本书重点内容。

本书特别强调应用EViews解决实际经济问题，具有很强的可操作性。

（一）本课程的教学目的和要求本课程是中级计量经济学的系统讲授。

要求学生通过本课程的学习，系统掌握各类计量经济模型的设定、估计与检验方法，能够熟练运用Eviews（或某一相关软件）建模；并且能够追踪有关专业领域计量经济模型方法的新发展，尝试运用计量经济分析方法进行课题研究。

（二）大纲的教学体系1．课程内容与学时分配。

本课程48学时，每周3学时。

各章内容与学时分配如下：第一章多元线性回归模型（6学时）；第二章异方差性（4学时）；第三章自相关性（4学时）；第四章多重共线性（4学时）；第五章单方程回归模型的几个专门问题（6学时）；第六章滞后变量模型（4学时）；第七章时间序列分析（8学时）；第八章联立方程模型（6学时）；第九章面板数据模型（6学时）2．本课程教学方法。

计量经济学是实践性很强的课程，为经济学研究提供坚实的基础和系统的分析工具，与宏观经济学、微观经济学并列为经济学专业基础课。

为了达到学以致用的目的，本课程主要采用课堂讲授、计算软件操作和专题文献研读相结合，案例分析、课堂研讨论与课外学习相结合，教师主讲与学生自讲相结合的教学方法。

二、教学大纲内容第一章多元线性回归分析第一节多元线性回归模型的估计一、多元线性回归模型及古典假定1．多元线性回归模型及其矩阵表示2．模型的古典假设二、多元线性回归模型的估计1．参数的最小二乘估计2．最小二乘估计量的性质三、随机误差项方差的估计第二节多元线性回归模型的检验一、拟合优度检验1．多重决定系数2．修正的多重决定系数二、赤池信息准则和施瓦茨准则三、偏相关系数四、回归模型的总体显著性检验：F检验五、回归参数的显著性检验：t检验第三节多元线性回归模型的预测一、点预测二、区间预测第四节非线性回归模型一、可线性化模型1．双对数模型2．半对数模型3．倒数模型4．多项式模型5．成长曲线模型二、非线性化模型的处理方法三、回归模型的比较第五节受约束回归一、模型参数的线性约束二、解释变量的选择三、参数的稳定性检验：邹氏检验第六节多元线性回归模型的计算过程及案例分析一、多元线性回归分析的计算过程二、案例分析第二章异方差性第一节异方差性的含义与产生的原因一、异方差性的定义二、产生异方差性的原因第二节异方差性的影响一、对模型参数估计值无偏性的影响二、对模型参数估计值有效性的影响三、对模型参数估计值显著性检验的影响四、对模型估计式应用的影响第三节异方差性的检验一、图示检验法二、戈德菲尔德——匡特检验（Goldfeld—Quandt test）三、怀特检验（White test）四、戈里瑟检验(Glejser test)和帕克检验（Park test）五、ARCH检验（自回归条件异方差检验）第四节异方差性的解决方法一、模型变换法二、加权最小二乘法(WLS)三、模型的对数变换四、广义最小二乘法(GLS)#第五节案例分析第三章自相关性第一节自相关性及其产生的原因一、什么是自相关性二、自相关性产生的原因第二节自相关性的后果一、模型参数估计值不具有最优性二、随机误差项的方差一般会低估三、模型的统计检验失效四、区间估计和预测区间的精度降低第三节自相关性检验一、图示法二、德宾一沃森(Durbin-Watson)检验三、回归检验法四、高阶自相关性检验1．偏相关系数检验2．布罗斯——戈弗雷检验（Breusch-Godfrey）拉格朗日检验(Lagrange Mutiplicator-LM) 第四节自相关性的解决方法一、广义差分法二、自相关系数ρ的估计方法1．用DW求ρˆ2．Durbin二步估计法3．迭代估计法三、广义差分法的EViews软件实现过程四、广义最小二乘法与广义差分法的关系第四章多重共线性第一节多重共线性及其产生的原因一、多重共线性(Multicollinearity)的定义二、多重共线性产生的原因第二节多重共线性造成的影响一、完全共线性下参数估计量不存在二、近似共线性造成的影响1．增大OLS估计的方差2．参数估计量经济含义不合理3．变量的显著性检验和模型的预测功能失去意义4．回归模型缺乏稳定性第三节多重共线性的检验一、相关系数检验法(Klein判别法)二、辅助回归模型检验三、方差膨胀因子检验四、特征值检验五、根据回归结果综合判断第四节多重共线性的解决方法一、保留重要解释变量，去掉次要的或可替代的解释变量二、利用先验信息改变参数的约束形式三、变换模型的形式四、综合使用时序数据与横截面数据五、逐步回归法六、增加样本容量七、主成分回归第五节案例分析第五章单方程回归模型的几个专门问题一、虚拟变量的概念及作用二、虚拟变量的设置1．虚拟变量的设置规则2．虚拟变量的引入方式三、虚拟变量的特殊应用1．虚拟变量在季节调整模型中的应用2．虚拟变量在模型结构稳定性检验中的应用3．虚拟变量在分段回归中的应用4．虚拟变量在混合回归中的应用5．虚拟变量在异常值问题中的应用第二节离散因变量模型一、线性概率模型二、Probit模型和Logit模型三、多元选择模型第三节模型的设定误差一、判断计量经济模型优劣的基本准则二、模型设定误差的类型1．模型遗漏了重要的解释变量2．模型包含无关的解释变量3．模型采用了不正确的函数形式三、模型存在设定误差的后果1．模型遗漏重要变量的后果2．模型包含无关变量的后果3．模型遗漏重要解释变量和引进无关解释变量的后果比较4．模型函数形式设定错误的后果四、模型设定误差的检验1．模型是否包含无关解释变量的检验2．模型遗漏重要解释变量和采用错误函数形式的检验第四节模型变量的观测误差一、模型变量存在观测误差的后果二、观测误差的检验第五节随机解释变量一、估计量的渐近统计性质二、随机解释变量的概念与来源三、随机解释变量的后果四、随机解释变量的修正方法：工具变量法1．选择工具变量的要求2．工具变量的应用第六节案例分析第六章滞后变量模型第一节滞后模型的基本概念一、滞后现象与产生滞后现象的原因二、滞后变量与滞后变量模型三、滞后变量模型的作用第二节有限分布滞后模型及其估计一、有限分布滞后模型估计的困难二、有限分布滞后模型的估计方法1．经验加权法2．阿尔蒙法（Almon）第三节几何分布滞后模型一、几何分布滞后模型（Koyck模型）二、以经济理论为基础的几何分布滞后模型：1．自适应预期模型(Adaptive Expectation) 2．局部调整模型第四节自回归模型的估计一、自回归模型估计中的问题二、工具变量法三、自相关的检验：德宾h检验第五节案例分析第七章时间序列分析第一节时间序列的基本概念一、时间序列二、时间序列的数字特征1．均值函数2．自协方差函数3．自相关函数三、平稳和非平稳的时间序列1．平稳时间序列2．非平稳时间序列第二节时间序列的平稳性检验一、利用散点图进行平稳性判断二、利用样本自相关函数进行平稳性判断三、平稳性的单位根检验1．单位根2．DF检验（Dickey-Fuller Test）3．ADF检验（Augmented Dickey-Fuller Test）第三节 ARIMA模型一、自回归模型AR(p)1．自回归模型的平稳条件2．自回归过程的自相关函数和偏自相关函数3．自回归过程的识别与估计二、移动平均模型MA(q)1．移动平均模型及其可转换条件2．移动平均模型阶数的确定3．移动平均模型的参数估计三、自回归移动平均模型ARMA(p,q)1．自回归移动平均模型2．ARMA模型阶数的确定3．ARMA模型的估计四、单整自回归移动平均模型ARIMA(p,d,q)1．ARIMA模型的形式2．应用ARMA(p，q)模型建模的过程第三节协整理论与误差修正模型一、单整二、协整1．协整(cointegration)的概念2．协整理论的重要意义3．协整的检验三、误差修正模型(ECM)1．误差修正模型2．误差修正模型的建立第四节 Granger因果关系检验一、因果关系分类二、格兰杰(Granger)因果关系检验第五节向量自回归模型(VAR)一、向量自回归模型(VAR)的概念二、向量自回归模型(VAR)的估计三、脉冲响应函数四、方差分析第六节 Johansen协整检验与向量误差修正模型一、特征根迹检验二、最大特征根检验三、协整方程的形式四、向量误差修正模型(VEC)第七节案例分析第八章联立方程组模型第一节联立方程组模型的基本概念一、联立方程组模型及其特点二、联立方程组模型的变量类型1．内生变量2．外生变量3．前定变量三、联立方程组模型的类型1．结构式模型2．简化式模型3．递归模型第二节联立方程组模型的识别一、识别的概念二、识别的类型1．不可识别2．恰好识别3．过度识别三、识别条件1．识别的阶条件2．识别的秩条件3．模型识别的一般做法四、其它判别准则第三节联立方程组模型的估计一、联立方程偏误二、递回模型的估计三、恰好识别模型的估计：间接最小二乘法（ILS）四、过度识别模型的估计：两阶段最小二乘法（TSLS）第四节案例分析第九章面板数据模型第一节面板数据模型概述一、面板数据的含义二、面板数据模型的基本类型三、面板数据模型的优点第二节面板数据模型的设定第三节混合回归模型一、模型假设二、模型估计第四节变截距模型一、固定影响变截距模型二、随机影响变截距模型三、随机效应模型的检验第五节变系数模型一、固定影响变系数模型二、随机影响变系数模型第六节案例分析三、考核方式及成绩评定标准考核方式：（一）专题作业：（1）各章节的作业题。