課程大綱： 計量經濟學及Stata應用培訓
第1章 導論
1 什么是計量經濟學
2 遺漏變量
3 經濟數據的類型
第2章 Stata入門
4 為何使用Stata
5導入數據
6 變量標簽、審視數據
7 畫圖
8 統計分析
9 生成新變量、計算器、終止命令
10 日志
11 命令庫更新、學習資源
第3章 數學回顧
12 導數、一元優化
13 偏導數、多元優化、積分
14 矩陣、方陣、轉置
15 向量、矩陣加法、數乘
16 矩陣乘法、線性方程組、逆矩陣
17 矩陣的秩
18 二次型
19 概率、條件概率
20 分布與條件分布
21 隨機變量的數字特征
22 隨機變量的矩
23 條件分布與矩的案例
24 迭代期望定律
25 均值獨立
26 正態分布
27 卡方分布、t分布
28 F分布
29 統計推斷的思想
第4章 一元線性回歸
30 一元線性回歸1
31 一元線性回歸2
32 OLS估計量的推導
33 OLS的正交性
34 平方和分解公式
35 擬合優度
36 無常數項的回歸
37 一元回歸的Stata實例
38 Stata命令運行結果的存儲與調用
39 總體回歸函數與樣本回歸函數-蒙特卡羅模擬
第5章 多元線性回歸
40 二元線性回歸
41 二元線性回歸案例
42 多元線性回歸模型
43 OLS估計量的推導
44 OLS的幾何解釋
45 擬合優度
46 線性假定
47 嚴格外生性的假定
48 無嚴格多重共線性的假定
49 OLS的線性性與無偏性
50 OLS的協方差矩陣
51 高斯-馬爾可夫定理
52 標準誤
53 Wald檢驗的原理
54 t統計量的分布
55 t檢驗的步驟
56 p值
57 置信區間
58 單邊檢驗
59 第I類與第II類錯誤
60 多個線性假設的聯合檢驗
61 F統計量的分布
62 F檢驗的步驟
63 F統計量的似然比原理表達式
64 F統計量與擬合優度的聯系
65 點預測
66 區間預測
67 多元回歸的Stata實例
68 無常數項與子樣本回歸
69 假設檢驗的Stata操作
第6章 大樣本OLS
70 嚴格外生性假設太強
71 正態分布假設太強
72 小樣本理論難以推導
73 依概率收斂
74 依概率收斂的運算
75 依均方收斂
76 依分布收斂
77 依分布收斂的運算
78 依概率收斂與依分布收斂的關系
79 大數定律
80 中心極限定理
81 使用蒙特卡羅法模擬中心極限定理
82 統計量的大樣本性質
83 嚴格平穩過程
84 一階自回歸的平穩性
85 弱平穩過程
86 漸近獨立的概念
87 漸近獨立定理
88 大樣本OLS的假定
89 OLS的一致性
90 內生性的后果
91 OLS的漸近正態性
92 OLS的漸近方差
93 穩健標準誤可還原為普通標準誤
94 檢驗單個系數
95 檢驗多個線性假設
96 電力企業的成本函數
97 回歸系數的解釋
98 檢驗規模報酬效應
99 使用穩健標準誤進行推斷
100 大樣本理論的蒙特卡羅模擬
第7章 異方差
101 異方差的后果
102 條件方差與無條件方差
103 異方差的例子
104 BP檢驗
105 作為LM檢驗的BP檢驗
106 懷特檢驗
107 OLS,WLS
108 可行加權小二乘法
109 OLS還是FWLS
110 檢驗異方差的Stata命令
111 FWLS的Stata操作
112 Stata命令的批處理
第8章 自相關
113 自相關的后果
114 自相關的例子
115 畫圖、BG檢驗
116 Q檢驗
117 DW檢驗
118 OLS加HAC標準誤
119 準差分法
120 廣義小二乘法-Part A
121 廣義小二乘法-Part B
122 修改模型設定
123 時間序列算子
124 自相關檢驗與處理的Stata命令
125 畫圖
126 自相關檢驗
127 HAC標準誤
128 FGLS
129 修改模型設定
第9章 模型設定與數據問題
130 遺漏變量偏差
131 隨機實驗
132 自然實驗
133 無關變量
134 建模策略
135 信息準則
136 序貫t規則
137 解釋變量個數選擇的案例
138 對函數形式的檢驗
139 RESET檢驗的案例
140 多重共線性的后果
141 方差膨脹因子
142 多重共線性的處理方法
143 多重共線性的處理方法與案例
144 將變量標準化
145 極端數據的后果
146 極端數據的檢測
147 極端數據的案例
148 虛擬變量陷阱
149 虛擬變量的作用
150 在Stata中生成虛擬變量
151 鄒檢驗
152 虛擬變量法
153 結構變動的案例-Part A
154 結構變動的案例-Part B
155 缺失數據與線性插值
156 變量單位的選擇
第10章 工具變量法
157 聯立方程偏差
158 測量誤差偏差
159 工具變量的定義
160 工具變量法
161 2SLS的一致性
162 2SLS的階條件
163 2SLS的推廣
164 弱工具變量的檢驗
165 弱工具變量的處理
166 過度識別檢驗的Sargan統計量
167 過度識別檢驗的大前提
168 豪斯曼檢驗的原理
169 豪斯曼檢驗的Stata操作
170 排他性約束
171 滯后變量作為工具變量
172 警察人數與犯罪率的案例
173 制度與經濟增長的案例
174 看電視與小兒自閉癥的案例
175 工具變量法的估計
176 工具變量法的診斷性檢驗
177 回歸結果的輸出
第11章 二值選擇模型
178 二值選擇模型的建模
179 Probit與Logit的比較
180 大似然估計的原理
181 大似然估計的數值計算
182 多參數的MLE估計
183 二值選擇模型的MLE估計
184 邊際效應
185 回歸系數的經濟意義
186 擬合優度
187 準大似然估計
188 Wald檢驗
189 LR檢驗
190 LM檢驗
191 三大統計檢驗的比較
192 二值選擇模型的Stata命令
193 泰坦尼克號案例的數據特征
194 Logit模型的估計與解釋
195 Logit模型的預測
196 Probit與Logit模型的比較
197 其他離散選擇模型
第12章 面板數據
198 面板數據的結構與分類
199 面板數據的優缺點
200 面板數據的估計策略
201 混合回歸
202 固定效應模型-組內估計量
203 固定效應模型-LSDV法
204 固定效應模型-一階差分法
205 時間固定效應
206 隨機效應模型的組內自相關
207 隨機效應模型的FGLS估計
208 組間估計量
209 擬合優度的度量
210 非平衡面板
211 究竟該用固定效應還是隨機效應模型
212 面板模型的設定
213 家庭聯產承包責任制的案例
214 混合回歸
215 固定效應
216 隨機效應
217 豪斯曼檢驗
218 組間估計量及總結
第13章 平穩時間序列
219 自協方差與自相關系數
220 GDP的案例
221 一階自回歸
222 一階自回歸的案例
223 高階自回歸
224 高階自回歸的案例
225 自回歸分布滯后模型
226 ADL的案例
227 誤差修正模型
228 移動平均與ARMA模型
229 脈沖響應函數
230 GDP對數差分的脈沖響應
231 向量自回歸
232 VAR的滯后階數與變量個數
233 VAR的脈沖響應函數
234 正交化的脈沖響應函數
235 格蘭杰因果檢驗
236 VAR的Stata命令
237 VAR的估計與檢驗
238 VAR的IRF函數
239 VAR的預測
240 時間趨勢項
241 季節效應
242 季節調整的原理
243 季節調整的回歸法
244 日期數據的導入
第14章 單位根與協整
245 確定性趨勢
246 結構變動
247 隨機趨勢
248 ARMA的平穩性
249 VAR的平穩性
250 估計量不服從漸近正態
251 偽相關與偽回歸
252 DF檢驗
253 ADF檢驗
254 ADF檢驗的Stata命令
255 單整階數的確定
256 單位根檢驗的Stata實例
257 協整的思想
258 協整的定義
259 EG-ADF檢驗
260 協整的大似然估計
261 協整分析的Stata命令
262 貨幣需求函數的案例
第15章 如何做實證研究
263 什么是論文
264 準備階段
265 選題
266 探索性研究
267 收集與整理數據
268 建立計量模型
269 選擇計量方法
270 解釋回歸結果
271 診斷性檢驗
272 穩健性檢驗
273 標題、關鍵字、摘要
274 引言、文獻回顧
275 理論框架、數據說明
276 計量方法、回歸結果
277 穩健性檢驗、結論
278 參考文獻、附錄
279 寫作風格
280 與同行交流
281 提交論文或投稿
282 寫作倫理
加入高級會員獲得助教答疑
