课程简介
作为现代经济学研究中的核心方法论，《计量经济学》早已成为经济学各专业本科生的必修课程。通过学习该课程，学生可以全面掌握计量经济学的基本原理与主流方法，并为日后在经济学相关领域的深入学习与研究奠定坚实的基础。
本课程针对财经专业本科生开设，旨在通过理论讲解和案例实操，为学生介绍计量经济学的基本原理、方法和应用，内容囊括了经典线性回归模型、现代时间序列分析方法、线性面板数据模型以及非线性计量模型。本课程共17章，其中，经典线性计量方法部分包括以下9章：计量经济学导论、线性回归模型与最小二乘估计、OLS估计量的性质——高斯-马尔科夫定理、多元线性回归模型统计推断、线性回归模型进一步讨论、模型设定问题、内生性问题、异方差与序列相关、更多估计量介绍；现代时间序列计量方法包括以下6章：时间序列的基本概念、平稳时间序列、平稳性和趋势平滑、平稳化与平稳性检验、ARMA过程、GARCH过程；最后两章分别对现代计量经济学方法中的线性面板数据模型以及受限被解释变量非线性模型进行简要介绍。本课程将有助于学生深入理解和掌握现代应用经济学研究中的主要计量经济学方法，同时有助于提高学生在经济学实证研究中的实践操作能力。
这里有最严谨的理论演绎，你将掌握计量经济学的逻辑内核；这里有最贴切的实操案例，你将学会用计量经济学方法分析现实问题；这里有最生动的教学方式，你将发现，计量经济学原来这么简单！
课程大纲
导论
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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