对于任何初学者,以下都是计量经济学学习的框架,总之思想和思路比工具要更难学,很高兴圈里硕博生较多。 1. 回归分析的基本概念 回归分析、相关分析、因果关系,时间序列数据、横截面数据、综列数据、混合数据,总体回归函数、样本回归函数,估计量,随机误差项,残差。 2. 双变量回归模型:估计问题 普通最小二乘法,经典线性模型的基本假定,高斯-马尔可夫定理,判定系数。 3. 双变量回归模型:区间估计与假设检验 随机误差项正态性假定下OLS估计量的性质,置信区间,基于置信区间的假设检验,t检验,随机误差项方差的检验,显著性水平,p值,方差分析,均值预测与个值预测。 4. 经典线性回归模型延伸 过原点回归,测量单位对估计结果的影响,标准化变量的回归,对数线性模型、半对数线性模型,倒数模型。 5. 多元回归模型估计和检验 偏回归系数及其OLS估计量的性质,多元判定系数R2、复相关系数、R2的校正、R2的比较,多项式回归,偏相关系数。回归总显著性的F检验、F统计量与R2的关系,多参数约束的F检验,两个回归系数是否相等的t检验,邹至庄检验,检验模型函数形式的MWD检验。 6. 虚拟自变量模型 虚拟变量的设定,虚拟变量系数的含义,邹至庄检验的虚拟变量方法,虚拟变量的交互效应,虚拟变量在季节分析中的应用,分段线性回归,半对数模型中虚拟变量的解释。 7. 放松经典模型的假定 异方差的性质、后果、检验、补救方法,加权最小二乘法,怀特检验,帕克检验,等级相关检验,Goldfeld-Quandt检验,BPG检验。自相关的性质、后果、检验、补救方法,广义差分估计,广义差分迭代估计,DW检验,游程检验,布劳殊-戈菲累检验,广义差分法。 8.模型设定和诊断检验 模型设定误差的类型、后果和检验,过度拟合模型的侦察,拉姆齐的RESET检验,增补变量的LM检验,测量误差的影响,嵌套与非嵌套模型,非嵌套假设的检验,模型选择准则。 9.非线性回归模型 线性和非线性回归模型,非线性回归模型估计的基本思想:搜索法(试错法)、直接优化、迭代线性优化。 10.定性响应回归模型 线性概率模型及其存在的问题;Logit模型、Probit模型的设定的基本思想、估计和估计结果的解释;Tobit模型、泊松回归模型的建模思想和估计结果的解释。 11.面板数据或综列数据模型 面板数据及其与时间序列数据和横截面数据的比较,面板数据模型,固定效应的含义和固定效应模型的LSDV估计,随机效应的含义,固定效应和随机效应的比较。动态面板模型及其估计的基本原理。 12. 自回归与分布滞后模型 分布滞后模型的估计,分布滞后模型的考伊克方法:适应性预期模型、存量调整与部分调整模型,分布滞后模型的阿尔蒙方法。自回归模型的估计,工具变量法,德宾h检验。 自回归模型和分布滞后模型估计结果的解释。格兰杰因果关系检验。 13. 联立方程模型 联立性偏误,内生变量、外生变量、滞后内生变量、前定变量,结构方程和结构参数,诱导方程和诱导参数。不可识别、恰好识别、过度识别,方程可识别的阶条件和秩条件。豪斯曼设定检验。递归模型。间接最小二乘法(ILS),两阶段最小二乘法(2SLS)。 14. 时间序列计量经济学 随机过程、平稳随机过程、非平稳随机过程,单位根随机过程,趋势平稳过程、差分平稳过程,漂移和确定性趋势。 单积(单整)序列的性质。平稳性检验:自相关函数、偏自相关函数、Q统计量; 单位根检验:DF检验及其统计量与分布函数、ADF检验、检验形式的确定及其统计量与分布函数。 协积(协整)的含义,误差纠正机制与误差纠正模型,协积与误差纠正机制的关系。协积检验:恩格尔-格兰杰(EG两步法)检验、协积回归德宾-沃森(CRDW)检验。Johansen 协整检验的基本思想与应用。谬误回归。 AR过程、MA过程、ARMA过程、ARIMA过程。博克斯-詹金斯方法论。AR、MA、ARMA过程的识别。ARIMA模型的估计和预测。 向量自回归(VAR)模型的设定和估计。 ARCH模型设定的含义以及ARCH效应的检验,GARCH模型设定的含义。 附注: 你最希望推送的内容是哪一个专题的,请留言在评论区,点赞最高者的留言会得到优先考虑。
|
|