计量经济学知识点、学习指导及框架图.pdf

该【计量经济学知识点、学习指导及框架图 】是由【青山代下】上传分享，文档一共【7】页，该文档可以免费在线阅读，需要了解更多关于【计量经济学知识点、学习指导及框架图 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:..导论与第一、二章EViews/Stata操作知识点:介绍计量经济学的简史,为什么研究计量经济学,计量经济学的数据类型及因果关系;EViews与Stata操作入门。学****指导:本部分的重点知识是:计量经济学的四种数据结构——横截面数据、时间序列数据、面板数据和混合数据;因果关系;对于四种数据结构的区别要清晰,本课程重点讲解横截面数据和面板数据的处理方法;而混合数据的处理方法与横截面数据相同,而对于考虑相关性的时间序列数据,可以在另开设一门课程来介绍。因果关系是所有学科分析重要的内容。但由于经济社会中各变量之间关系十分复杂,所以通常需要控制其他变量后再具体分析所关心自变量对于因变量的影响,而这正是计量经济学研究的重要的内容之一。关于EViews与Stata的详细操作不是本课程的重点,可以不单独介绍,本课程将会在后续章节的应用例题中介绍与计量经济学密切相关的软件操作步骤。第三章一元线性回归模型知识点:一元线性回归模型的假设、最小二乘估计及其估计量的性质、系数显著性检验和预测区间。学****指导:本部分的重点知识是:模型的假设是确保模型可以估计和估计方法好坏的基础,所以要了解假设估计间的关系;最小二乘估计是计量经济学的最基本估计方法之一,所以要熟练掌握其求解过程:..要了解检验的步骤和意义;本章难点一是如何证明在本章假设下最小二乘估计量是最优的,对于要求较高的院校,可以介绍这里所使用的添项减项技巧,并指出证明的关键是使用线性无偏条件来证明交叉相乘项为0。本章难点二是如何证明S2是方差的无偏估计量,这里证明的关键是注意到不同误差项之间的无关性对计算过程化简的重要性。对于要求较低的院校也可以对证明做忽略处理,仅仅指出结论也是入门计量经济学的一种常见处理方法。第四章多元线性回归模型知识点:多元线性回归模型的假设、最小二乘估计及其估计量的性质、决定系数与修正的决定系数、单系数与线性约束的检验、多重共线性的相关问题。学****指导:本部分的重点知识是:模型的假设是确保模型可以估计和估计方法好坏的基础,所以要了解假设估计间的关系;最小二乘估计是计量经济学的最基本估计方法之一,所以要熟练掌握其求解过程和其估计量的统计性质(这里使用了多个变量,计算过程与一元处理有所区别);决定系数与修正的决定系数是衡量一个模型整体拟合度的一个重要指标;估计结果的检验可以用于判断经济理论和经验判断的正确与否,是经济政策执行结果的重要定量参考;了解多重共线性产生的原因和影响、处理方法是分析和完善估计过程的重要环节。:..难点一是如何证明在本章假设下使用矩阵方法求解最小二乘估计量,对于要求较高的院校,可以介绍这里所使用的向量导数。本章难点二是如何使用矩阵方法证明残差平方和服从卡方分布,这里需要注意三点:残差的矩阵表示;二次型的期望与其迹的期望相等;幂等矩阵的对角化。对于要求较低的院校也可以对这些相关证明做忽略处理,或者使用3变量模型来做一个简单介绍,然后再推广到K变量情形。这些处理方式也是入门计量经济学的一种常见处理方法。其次这里本课程并没有要求使用矩阵方法证明最小二乘估计量的最优性和统计量F为什么服从F分布。感兴趣的同学可以参考本课程给出的相关参考书目。第五章误差项的序列相关与异方差性知识点:当模型的误差项出现序列相关和异方差性时,如何检验和估计的相关问题。学****指导:本部分的重点知识是:在了解序列相关带来的影响后,学会使用DW检验方法,并了解更高阶相关性检验的LM检验法,并学会使用GLS估计和CO变换估计;在了解异方差的影响后,学会使用BP检验方法,并了解GQ检验,图示法及问题性质法,并学会使用文中介绍的GLS估计法;理解和使用异方差的Robust处理方法。本章难点一是出现序列相关和异方差性后,如何使用GLS方法进行估计,这里的关键就是理解进行GLS前的变量变换,理解变换后:..OLS的经典假设,因而具有最优性;同时,明确软件默认的方差估计是无序列相关和同方差的,如果在出现序列相关和异方差性后,继续使用默认估计将会影响模型的精度和检验的可靠性。本章难点二是理解为什么异方差的Robust处理方法现在变得流行,这是因为研究者要在坚持模型的经济解释基础上克服了异方差对模型检验的影响。第六章函数形式和虚拟变量知识点:掌握和理解取倒数,取对数和平方等变换是使用线性模型描述经济世界非线性问题的重要手段;虚拟变量是处理定性变量和经济中的结构变换,歧视和排名等问题有重要手段;分布滞后模型描述经济惯性行为的重要方法。学****指导:本部分的重点知识是:理解取倒数,取对数和平方等变换后模型中系数的解释;学会使用虚拟变量是处理定性变量和经济中的结构变换,歧视等问题;掌握结构变化检验方法;掌握分布滞后模型的估计过程。本章难点一是对数和半对数模型的系数解释,注意关于对数变量作为整体取偏导数和关于原始变量取偏导数后,发现两者间的关系是高清解释的关键;本章难点二是如何选取虚拟变量和基本组,以便于模型中反映研究者重点关注的问题,这里的关键是询问自己关注的问题是什么,可以试着选取不同组作为基本组,然后看何时获得最好的解释;:..难点三是Almon分布滞后模型的估计中p和q选取问题,实践中,可以首先确定q取2或3为常见的处理方法,然后再选取p,对于p的选择可以选最为关注变量长期效应获得最大时的p值。第七章工具变量法与广义矩估计法知识点:工具变量的选取和TSLS估计方法;判断模型可识别的阶条件;方程组模型的工具变量估计法;广义矩估计(GMM)初步学****指导:本部分的重点知识是:当模型出现内生性时,最为常见的处理方法就是工具变量法;当工具变量个数大于内生变量个数时,需要使用TSLS或GMM方法。方程组模型是出现内生性的一种重要的经济学模型,学会估计这类模型对理解结构模型和约简模型有重要意义。本章难点一是理解工具变量法如何解决了内生性问题,一个方法就是对没有常数项的一元回归模型,其仅有的变量为内生变量,使用一个工具变量Z乘以方差的两边,然后取期望,将会发现,模型已经可以估计;本章难点二是TSLS估计方差的计算问题,这里的关键是理解获得一个一致的方差是检验的需要,而第二阶段所获得的方差是不一致的。本章难点三是判断方程组模型的单个方程的识别问题,这里的关键是确定模型中哪些变量内生,哪些外生,当单方程中没有出现外生变量的个数大于模型右侧内生变量个数时,模型将可识别。:..第八章面板数据分析知识点:面板数据的两个经典估计方法:固定效应和随机效应,两个估计方法的选择。学****指导:本部分的重点知识是:理解固定效应的FE和LSDV估计中变换方法是克服不可观测个体效应的关键;随机效应估计方法是在特殊误差结构上使用GLS估计,并注意其中的个体效应和时间效应分析;Hausman检验用于选择固定效应和随机效应方法。本章难点一是理解LSDV和FE估计的优缺点,LSDV可以用于检验个体效应和时间效应,但包含变量过多会导致模型估计精度下降;FE估计无法识别模型中状态不变的变量,例如性别变量;如果模型中出现这些变量,FE估计是无法进行的。本章难点二是理解Hausman检验为何能够作为两个估计方法的选择标准,关键是理解两个方法的假设,当随机效应假设满足时,两个方法均可用于估计,此时W的值接近于0,选用随机效应将给出最优估计;否则选用FE估计。第九章微观计量分析初步知识点:因变量取0和1时的线性概率模型估计和Probit,Logit模型估计;出现截取数据的Tobit模型估计;处理效应模型初步(选学内容):..:本部分的重点知识是:线性概率模型估计的优缺点;Probit,Logit模型估计克服了线性概率模型估计的缺点,其估计是非线性估计,模型解释也异于线性模型估计,模型的拟合度判断使用的是正确率;处理效应模型在不同假设下关于ATE和ATT的各种估计方法,作为初学者可以仅仅了解这类模型估计的大致思想;也可以忽略该部分内容,这些内容在国内经典本科计量教材中并未列入,不属于必修内容。本章难点一是理解Probit和logit模型的解释以及判断拟合度的方法,由于模型因变量的取值为0和1,所以我们估计后给出的解释是自变量对y取1和0的概率大小的影响,因此对所获得概率取偏导数是获得其解释的关键;而因为模型因变量的取值为0和1,所以预测正确率的高低是判断该类模型拟合度的一个直观的方法。本章难点二是判断何时需要使用Tobit估计,比如本课本中例9-3中出现妇女工作时间大量为0时,如果坚持使用OLS估计,将会给出有偏的估计;这是因为这类模型的条件均值不同于经典线性模型;由于处理效应模型属于选修内容,所以这里不做评论。