搜索
1北京大学经济学院2011级研究生《高级计量经济学I》课程介绍及安排2011－2012学年秋季学期教学目的与要求倘若经济学要发展成为严密的科学，则要求经济学的理论必须要具备可证伪性。这一理论判断标准要求经济学必须首先具有非常严谨清晰的内部逻辑推理，也即经济学必须是内部一致的；而保证内部一致性的好的方法无疑是数学的方法，这便是当代经济学数理化倾向的原因。与此同时，可证伪性要求经济理论必须满足外部一致性，也即经济理论的假设和推论要符合经济现实；简言之，即基于经济理论的预测必须与经济数据相吻合。计量经济学正是评判经济理论是否满足外部一致性或者满足的程度好坏的首选方法。基于此，本课程必须作为经济学研究生层次所有专业的基础必修课，其目的也正是要掌握用经济数据去证伪满足内部一致性的经济学理论的方法。计量经济学分为理论计量经济学和应用计量经济学。前者主要从数学和统计的视角关注计量模型的方法和工具，以及这些方法的相关性质。后者则主要关注如何将计量模型与经济理论相结合以应用于相应的经济数据。本课程作为研究生的基础课，主要要求学生掌握计量经济学中主要的方法、工具和相关的性质，以为学生日后做应用计量的研究奠定理论基础。同时，为了使得学生更深入地理解这些方法，课程中也会介绍一些应用的例子。课程先修要求中级计量经济学微积分概率论与数理统计教材和参考书1.教材:BruceE.Hansen,Econometrics,2ndEdition,UniversityofWisconsin,20112．推荐参考书2FumioHayashi：Econometrics,PrincetonUniversityPress，2000Greene,WilliamH：Econometricanalysis,5thEdition,PrenticeHall，2002.授课教员赵晓军讲师电话：（010）62757591Email:zhaoxiaojun@pku.edu.cn黄卓助教授电话：（010）62751424Email:zhuohuang@nsd.pku.edu.cn助教：李四光：2010级西方经济学专业博士研究生18010151275Email:sandy2009pku@gmail.com梁志兵：2010级金融学专业博士研究生18710110651Email:lzp198508@gmail.com教学时间安排教员授课：周二10-12节(18:40-21:30)二教107习题课：预计每四周一次习题课，具体地点待定（第二周下课时确定）课程基本要求在每次上课之前要求提前阅读课程所指定的上课内容。每两周布置一次作业，作业在双周的周三之前上传至教学网（）的相应板块。作业必须在布置之后的第二周的课堂上上交。本课程的期末考试采取闭卷考试。本课程的最终成绩由如下三部分组成：（1）期末考试，占60%（2）期中考试，占20%（3）平时作业，占20%①授课内容与时间安排（共15周）章节内容上课时间第1章导言1.1何为计量？1.2概率方法与计量1.3计量术语与符号1.4可观测的数据9月6日①注意，作业迟交、补交或缺交，当次作业均以零分计算。31.5标准数据结构1.6经济数据来源1.7计量软件1.8本书（手稿）阅读指南第2章矩法估计2.1引言2.2总体期望与样本均值2.3样本均值的无偏性2.4方差2.5依概率收敛2.6弱大数定理2.7向量表示的矩形式2.8依分布收敛2.9矩函数2.10Delta方法2.11表示随机无穷小的阶数的符号2.12一致随机有界2.13半参数有效2.14期望2.15技术证明细节9月6日第3章条件期望与投影3.1引言3.2例子：工资分布3.3条件期望3.4条件期望函数（CEF）3.5连续型变量3.6期望迭代定理3.7条件（期望）单调性3.8CEF误差3.9最优预测值3.10条件方差3.11同质性与异质性3.12回归偏效应3.13线性CEF统计量3.14含非线性影响的线性CEF统计量3.15含虚拟变量的线性CEF统计量3.16最优线性预测值3.17线性预测偏误的方差3.18回归系数3.19回归子向量3.20系数分解3.21遗漏变量偏误3.22最优线性逼近3.23正态回归（模型）3.24均值附近回归3.25反向回归9月13日9月20日43.26最优线性估计的局限性3.27随机系数回归3.28因果效应3.29条件期望的存在性与唯一性3.30技术证明细节第4章最小二乘估计4.1引言4.2最小二乘估计4.3最小二乘（估计量）求解4.4举例4.5最小二乘估计残差4.6模型的矩阵写法4.7投影矩阵4.8正交投影4.9成分回归4.10残差回归4.11预测偏误4.12极端观测值4.13拟合优度4.14正态回归模型9月27日第5章最小二乘回归5.1引言5.2最小二乘估计量的均值5.3最小二乘估计量的方差5.4高斯-马尔科夫定理5.5残差5.6偏误方差估计5.7同方差假定下的协方差矩阵估计5.8异方差假定下的协方差矩阵估计5.9标准误5.10多重共线性5.11正态回归模型10月11日第6章最小二乘估计的渐进理论6.1引言6.2最小二乘估计的一致性6.3样本方差估计量的一致性6.4渐进正态性6.5联合分布6.6回归残差（residual）一致地收敛到偏误（errortrem）6.7渐进扰动6.8协方差矩阵的一致估计6.9参数函数6.10渐进标准误6.11t-统计量10月18日56.12置信区间6.13回归区间6.14二次形式6.15置信区域6.16投影模型中半参数有效性6.17同方差回归模型中的半参数有效性6.18技术证明细节第7章约束性估计7.1引言7.2有约束的最小二乘估计7.3排除性约束7.4最小距离7.5操作计算7.6渐进分布7.7有效最小距离估计量7.8重新考虑排除性约束7.9方差与标准误估计7.10非线性约束7.11技术细节10月25日第8章检验8.1t检验8.2t-统计量8.3沃尔德（Wald）检验8.4最小距离检验8.5F检验8.6正态回归模型8.7关于非线性假设检验的主要问题8.8模特卡罗模拟8.9估计工资方程11月1日第9章其他回归方法9.1广义最小二乘（估计）9.2异质性检验9.3预测区间9.4非线性最小二乘9.5最小的绝对偏离（估计）9.6分位数回归9.7关于检验被遗漏的非线性关系的问题9.8模型选择11月8日第10章自我重复抽样10.1自我重复抽样的定义10.2经验分布函数10.3非参数自我重复抽样10.4自我重复抽样回归的偏误与方差10.5百分位数区间10.6等价性t-百分位数区间10.7对称型t-百分位区间10.8渐进扩展10.9单边检验11月15日610.10对称型双边检验10.11百分位置信区间10.12回归模型的自我重复抽样方法第11章广义矩方法11.1过度识别线性模型11.2GMM统计量11.3GMM统计量的分布11.4有效权重矩阵的估计11.5GMM：一般情形11.6过度识别检验11.7假设检验：距离统计量11.8条件矩约束11.9GMM推断的自我重复抽样方法11月22日第12章经验似然估计12.1非参数似然比（非参数似然估计）12.2EL估计量的渐进分布12.3过度识别约束12.4检验12.5数值计算11月29日第13章内生性13.1工具变量13.2简约式13.3识别问题13.4估计13.5两个特例：IV与2SLS13.6Bekker渐进性13.7识别失效问题12月6日第14章单变量时间序列14.1平稳性与遍历性14.2自回归14.3一阶回归过程的平稳性14.4滞后算子14.5k阶回归过程的平稳性14.6估计14.7渐进分布14.8自回归的自我重复抽样法14.9趋势平稳性14.10遗漏性序列自相关检验14.11模型选择14.12自回归单位根（检验）12月13日第15章多元时间序列15.1结构向量自回归（VARs）15.2估计15.3有约束的VARs15.4VAR中的单一等式15.5序列自相关遗漏性检验15.6VAR中滞后阶数的选择15.7格兰杰因果检验12月20日715.8协整15.9协整的VAR期末考试