-
第一章引言
理解计量经济学的定义和内涵，掌握因果关系等基本概念，学会横截面数据，时间序列数据和面板数据的特点和区别，掌握对数据进行初步分析的技巧。
-
●1.1什么是计量经济学
什么是计量经济学
-
●1.2数据分类：实验数据与观测数据/横截面，时间序列与面板数据
数据分类：实验数据与观测数据/横截面，时间序列与面板数据
-
●1.3数据初步分析
数据初步分析
-
第二章一元回归方程的估计及分布理论
本章将为学生理解计量经济学的估计和抽样分布的基本思想和方法打下坚实的基础。学生将掌握一元回归方程的基本形式与假设，理解并运用普通最小二乘和矩估计两种估计方法，并对估计结果进行分析和评价；学会推导估计量的期望，方差，分布等性质。
-
●2.1简单回归模型的形式及基本术语
简单回归模型的形式及基本术语
-
●2.2一元回归方程的估计
一元回归方程的估计
-
●2.3OLS估计量的统计性质
OLS估计量的统计性质
-
第三章一元回归方程的检验
理解一元回归方程系数显著性检验的含义。学生通过与数理统计中关于母体均值检验的对比学习，自然过渡到学会检验系数显著性的三种方法。
-
●3.1显著性
显著性
-
●3.2检验系数显著性的3种方法
检验系数显著性的3种方法
-
第四章第四章Stata入门
学生将掌握在Stata软件中采用命令行和程序两种方式进行数据描述，一元回归分析和简单数值模拟的方法。
-
●4.1Stata软件的特点及基本界面
Stata软件的特点及基本界面
-
●4.2一元回归方程的Stata估计
一元回归方程的Stata估计
-
●4.3如何编写Stata程序
如何编写Stata程序
-
●4.4简单数值模拟
简单数值模拟
-
第五章多元回归模型的建立和参数估计
本章通过遗漏变量偏差引入多元回归模型的必要性，建立多元回归模型并解释其含义。利用最小二乘估计方法估计未知参数，并评价样本回归直线的拟和效果。学生通过本章的学习，在实际问题的处理过程中需要更全面地分析经济现象并选择合适的变量建立模型。
-
●5.1多元回归模型的建立
多元回归模型的建立
-
●5.2参数的估计和解释
参数的估计和解释
-
●5.3R2与调整之后的R2的计算以及相互关系
R2与调整之后的R2的计算以及相互关系
-
●5.4几个基本假设和解释/完全多重共线性/不完全多重共线性
几个基本假设和解释/完全多重共线性/不完全多重共线性
-
●5.5模型假设和估计量的统计性质
模型假设和估计量的统计性质
-
第六章多元回归方程的假设检验
通过学习本章，掌握多元线性回归中单个系数的假设检验方法和多个系数的其他假设检验方法。理解不同假设条件下，比如同方差和异方差，对于检验统计量构造的影响。同时，需要掌握根据实际情况理解检验结果。
-
●6.1单个系数的假设检验和区间估计
单个系数的假设检验和区间估计
-
●6.2多个系数的联合假设检验：同方差假定下的F统计量构造
多个系数的联合假设检验：同方差假定下的F统计量构造
-
●6.3 OLS估计的渐进性质
OLS估计的渐进性质
-
●6.4异方差假定下的F统计量
异方差假定下的F统计量
-
●6.5多元回归方程的Stata操作演示
多元回归方程的Stata操作演示
-
第七章关于变量的非线性回归方程
通过学习，学生应了解当回归模型不是关于X的线性形式时的回归方法及回归系数的实际意义。掌握多项式回归模型，对数模型和变量的交互项等各种非线性回归模型，并且会对模型中的参数估计，通过一些实例了解各种模型的使用范围。
-
●7.1自变量非线性模型概述，多项式回归
自变量非线性模型概述，多项式回归
-
●7.2涉及对数变形的模型：线性对数，对数线性，双对数模型及相关解释
涉及对数变形的模型：线性对数，对数线性，双对数模型及相关解释
-
●7.3含有交互项的非线性回归模型
含有交互项的非线性回归模型
-
●7.4变量非线性的计算机操作
变量非线性的计算机操作
-
第八章定性信息与虚拟变量
掌握根据定性信息定义虚拟变量的知识，并能灵活运用多种包含单个、多个虚拟变量以及交互项的方程形式，对处理效应或政策影响进行建模，估计与检验。
-
●8.1带单个或多个虚拟变量的回归
带单个或多个虚拟变量的回归
-
●8.2带虚拟变量交互项的回归
带虚拟变量交互项的回归
-
●8.3使用虚拟变量进行政策评估与双重差分
使用虚拟变量进行政策评估与双重差分
-
●8.4涉及虚拟变量的stata操作
涉及虚拟变量的stata操作
-
第九章内生性与工具变量回归
理解内生性的含义及其后果，掌握使用工具变量的矩方法和两步最小二乘，并掌握涉及工具变量的有关检验。
-
●9.1内生性的概念及后果
内生性的概念及后果
-
●9.2合格工具变量的条件
合格工具变量的条件
-
●9.3工具变量回归
工具变量回归
-
●9.4工具变量有效性的检验
工具变量有效性的检验
-
●9.5工具变量回归的Stata操作
工具变量回归的Stata操作
-
第十章平稳线性ARMA模型
本章介绍平稳时间序列数据模型及其预测，本章内容是时间序列分析中最基本的内容。希望学生了解随机过程，平稳，自相关，偏自相关，白噪声等基本概念，掌握MA,AR,ARMA模型的表达式和基本性质，可以使用Box-Jenkins法进行识别，估计和检验。使用ARMA模型进行预测并对预测结果进行评价，可以使用STATA完成相关操作。
-
●10.1基本概念
基本概念
-
●10.2MA模型
MA模型
-
●10.3AR模型
AR模型
-
●10.4 ARMA模型
ARMA模型
-
●10.5建立ARMA模型
建立ARMA模型
-
●10.6预测
预测
-
●10.7使用STATA估计ARMA模型
使用STATA估计ARMA模型
-
第十一章波动率模型
金融中的时间序列数据通常具有波动率聚类性，通过本章的学习要求学生了解ARCH,GARCH,TGARCH,EGARCH,ARH-M这几类模型的表达式和特点，可以使用ARCH-LM检验判断是否需要建立ARCH类模型，完成ARCH模型的建模和预测，可以使用STATA完成相关操作。
-
●11.1波动率聚类性
波动率聚类性
-
●11.2ARCH模型的定义
ARCH模型的定义
-
●11.3建立ARCH模型
建立ARCH模型
-
●11.4 ARCH模型预测
ARCH模型预测
-
●11.5ARCH类模型扩展
ARCH类模型扩展
-
●11.6使用STATA估计ARCH模型
使用STATA估计ARCH模型
-
第十二章非平稳时间序列数据回归模型
经济时间序列数据通常具有一定的趋势，本章希望学生了解刻画趋势常用的两类模型，可以正确的对时间序列数据建立回归模型。要求掌握平稳随机过程与单位根过程的特点和区别，使用DF,ADF法判断数据是否有单位根，了解伪回归的定义和产生的原因，理解协整的含义，可以使用基于残差的方法进行协整检验，建立误差修正模型。可以使用STATA完成相关操作。
-
●12.1确定趋势和随机趋势
确定趋势和随机趋势
-
●12.2伪回归
伪回归
-
●12.3单位根检验
单位根检验
-
●12.4协整基本概念
协整基本概念
-
●12.5误差修正模型与协整检验
误差修正模型与协整检验
-
●12.6使用STATA对非平稳时间序列数据建模
使用STATA对非平稳时间序列数据建模
-
第十三章面板数据回归
通过学习，学生应了解面板数据的基本形式及具体分析方法。理解固定效应和随机效应，并且掌握个体固定效应的几种处理办法，进一步了解具有时间固定效应的模型的回归方法。
-
●13.1面板数据回归概述
面板数据回归概述
-
●13.2固定效应估计方法
固定效应估计方法
-
●13.3固定效应模型假设和标准误估计
固定效应模型假设和标准误估计
-
●13.4随机效应模型
随机效应模型
-
●13.5面板数据模型的Stata操作
面板数据模型的Stata操作
-
第十四章二值因变量模型
通过本章学习，学生掌握二值因变量的使用范围，以及二值因变量的三种模型：线性概率模型，Probit模型和Logit模型。对后两种重要估计模型及模型的估计推断方法。
-
●14.1线性概率模型及其优缺点
线性概率模型及其优缺点
-
●14.2 Probit和Logit模型解释
Probit和Logit模型解释
-
●14.3Probit和Logit模型模型的估计（MLE）
Probit和Logit模型模型的估计（MLE）
-
●14.4模型的推断/拟合好坏的评价
模型的推断/拟合好坏的评价
-
●14.5其他的受限因变量模型：多项选择模型/有序响应模型，截断数据/Tobit模型
其他的受限因变量模型：多项选择模型/有序响应模型，截断数据/Tobit模型
-
●14.6二值因变量模型的Stata操作
二值因变量模型的Stata操作
-
第十五章如何完成一个实证项目
了解完成一个实证分析项目的全过程，并掌握过程中的每一步应注意的关键点。
-
●15.1如何确定一个实证题目
如何确定一个实证题目
-
●15.2实证建模
实证建模
-
●15.3结果汇报与分析
结果汇报与分析