|
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。
|
|
|
