2024年清華李子奈計(jì)量經(jīng)濟(jì)學(xué)教學(xué)全集

清華李子奈計(jì)量經(jīng)濟(jì)學(xué)教學(xué)全集目錄計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型違背經(jīng)典假設(shè)的計(jì)量經(jīng)濟(jì)學(xué)模型目錄虛擬變量模型時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)模型聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型01計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論計(jì)量經(jīng)濟(jì)學(xué)是一門運(yùn)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)和經(jīng)濟(jì)學(xué)理論，以經(jīng)濟(jì)數(shù)據(jù)為基礎(chǔ)，通過建立經(jīng)濟(jì)模型，對(duì)經(jīng)濟(jì)現(xiàn)象進(jìn)行定量分析和預(yù)測(cè)的學(xué)科。計(jì)量經(jīng)濟(jì)學(xué)起源于20世紀(jì)初，隨著計(jì)算機(jī)技術(shù)的發(fā)展和經(jīng)濟(jì)學(xué)理論的不斷完善，計(jì)量經(jīng)濟(jì)學(xué)在理論、方法和應(yīng)用方面都取得了巨大的進(jìn)展。計(jì)量經(jīng)濟(jì)學(xué)定義與發(fā)展計(jì)量經(jīng)濟(jì)學(xué)發(fā)展計(jì)量經(jīng)濟(jì)學(xué)定義研究對(duì)象計(jì)量經(jīng)濟(jì)學(xué)的研究對(duì)象包括微觀經(jīng)濟(jì)主體（如家庭、企業(yè)）和宏觀經(jīng)濟(jì)總體（如國(guó)民經(jīng)濟(jì)、國(guó)際經(jīng)濟(jì)）。研究方法計(jì)量經(jīng)濟(jì)學(xué)的研究方法主要包括理論建模、實(shí)證分析和政策評(píng)估。其中，理論建模是構(gòu)建經(jīng)濟(jì)模型的基礎(chǔ)，實(shí)證分析是對(duì)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行檢驗(yàn)和解釋的過程，政策評(píng)估是對(duì)經(jīng)濟(jì)政策效果進(jìn)行定量評(píng)估的方法。計(jì)量經(jīng)濟(jì)學(xué)研究對(duì)象與方法計(jì)量經(jīng)濟(jì)學(xué)與其他學(xué)科關(guān)系經(jīng)濟(jì)學(xué)為計(jì)量經(jīng)濟(jì)學(xué)提供了理論支撐和研究對(duì)象，如微觀經(jīng)濟(jì)學(xué)、宏觀經(jīng)濟(jì)學(xué)、國(guó)際經(jīng)濟(jì)學(xué)等。同時(shí)，計(jì)量經(jīng)濟(jì)學(xué)也為經(jīng)濟(jì)學(xué)研究提供了實(shí)證支持和政策分析工具。與經(jīng)濟(jì)學(xué)的關(guān)系數(shù)學(xué)為計(jì)量經(jīng)濟(jì)學(xué)提供了嚴(yán)密的理論基礎(chǔ)和分析工具，如線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)等。與數(shù)學(xué)的關(guān)系統(tǒng)計(jì)學(xué)為計(jì)量經(jīng)濟(jì)學(xué)提供了數(shù)據(jù)收集、整理、描述和推斷的方法，如參數(shù)估計(jì)、假設(shè)檢驗(yàn)、回歸分析等。與統(tǒng)計(jì)學(xué)的關(guān)系02經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型一元線性回歸模型介紹一元線性回歸模型的基本形式，討論模型的設(shè)定和參數(shù)估計(jì)方法，包括最小二乘法（OLS）的原理和步驟。模型的統(tǒng)計(jì)檢驗(yàn)闡述對(duì)一元線性回歸模型進(jìn)行統(tǒng)計(jì)檢驗(yàn)的方法和步驟，包括擬合優(yōu)度檢驗(yàn)、回歸系數(shù)的顯著性檢驗(yàn)（t檢驗(yàn)）和模型的總體顯著性檢驗(yàn)（F檢驗(yàn)）。模型的預(yù)測(cè)與應(yīng)用探討如何利用一元線性回歸模型進(jìn)行預(yù)測(cè)和決策分析，包括點(diǎn)預(yù)測(cè)、區(qū)間預(yù)測(cè)和假設(shè)檢驗(yàn)等。模型設(shè)定與參數(shù)估計(jì)模型設(shè)定與參數(shù)估計(jì)介紹多元線性回歸模型的基本形式，討論模型的設(shè)定和參數(shù)估計(jì)方法，包括最小二乘法（OLS）在多元線性回歸模型中的應(yīng)用。模型的統(tǒng)計(jì)檢驗(yàn)闡述對(duì)多元線性回歸模型進(jìn)行統(tǒng)計(jì)檢驗(yàn)的方法和步驟，包括擬合優(yōu)度檢驗(yàn)、回歸系數(shù)的顯著性檢驗(yàn)（t檢驗(yàn)和F檢驗(yàn)）以及多重共線性的診斷和處理。模型的預(yù)測(cè)與應(yīng)用探討如何利用多元線性回歸模型進(jìn)行預(yù)測(cè)和決策分析，包括點(diǎn)預(yù)測(cè)、區(qū)間預(yù)測(cè)、假設(shè)檢驗(yàn)以及變量選擇和模型優(yōu)化等。多元線性回歸模型010203異方差性討論異方差性的概念、產(chǎn)生的原因以及對(duì)最小二乘法估計(jì)量的影響，介紹異方差性的檢驗(yàn)方法和處理方法，如加權(quán)最小二乘法和異方差穩(wěn)健標(biāo)準(zhǔn)誤。自相關(guān)性闡述自相關(guān)性的概念、產(chǎn)生的原因以及對(duì)最小二乘法估計(jì)量的影響，介紹自相關(guān)性的檢驗(yàn)方法和處理方法，如廣義最小二乘法和自相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤。多重共線性討論多重共線性的概念、產(chǎn)生的原因以及對(duì)最小二乘法估計(jì)量的影響，介紹多重共線性的診斷方法和處理方法，如變量剔除法、主成分回歸和嶺回歸等。放寬基本假定的模型03違背經(jīng)典假設(shè)的計(jì)量經(jīng)濟(jì)學(xué)模型ABDC異方差性的定義指隨機(jī)誤差項(xiàng)的方差隨解釋變量的變化而變化，不滿足同方差性的假設(shè)。異方差性的后果導(dǎo)致OLS估計(jì)量雖然仍然是無偏和一致的，但不再是有效估計(jì)量，且t檢驗(yàn)和F檢驗(yàn)失效。異方差性的檢驗(yàn)圖示檢驗(yàn)法、等級(jí)相關(guān)系數(shù)檢驗(yàn)法、戈里瑟檢驗(yàn)法等。異方差性的修正加權(quán)最小二乘法(WLS)、異方差穩(wěn)健標(biāo)準(zhǔn)誤法等。異方差性指隨機(jī)誤差項(xiàng)之間存在相關(guān)關(guān)系，不滿足無自相關(guān)性的假設(shè)。自相關(guān)性的定義導(dǎo)致OLS估計(jì)量雖然仍然是無偏的，但不再是一致和有效的，且t檢驗(yàn)和F檢驗(yàn)失效。自相關(guān)性的后果DW檢驗(yàn)、LM檢驗(yàn)、BG檢驗(yàn)等。自相關(guān)性的檢驗(yàn)廣義差分法、自回歸模型(AR)、移動(dòng)平均模型(MA)、自回歸移動(dòng)平均模型(ARMA)等。自相關(guān)性的修正自相關(guān)性ABCD多重共線性的定義指解釋變量之間存在高度線性相關(guān)關(guān)系，不滿足解釋變量間不存在完全共線性的假設(shè)。多重共線性的檢驗(yàn)相關(guān)系數(shù)矩陣法、方差膨脹因子(VIF)法、條件指數(shù)法等。多重共線性的修正剔除部分解釋變量、增加樣本容量、嶺回歸(RidgeRegression)、主成分回歸(PrincipalComponentRegression)等。多重共線性的后果導(dǎo)致OLS估計(jì)量的方差增大，使得t檢驗(yàn)和F檢驗(yàn)容易失效，且參數(shù)估計(jì)量的經(jīng)濟(jì)含義模糊不清。多重共線性04虛擬變量模型虛擬變量的作用分離異常因素的影響，例如分析我國(guó)GDP的時(shí)間序列，必須考慮因素對(duì)國(guó)民經(jīng)濟(jì)的破壞性影響，剔除不可比的因素。衡量定性因素的水平，例如研究文化差異對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。檢驗(yàn)不同屬性類型對(duì)因變量的作用，例如檢驗(yàn)不同投資對(duì)經(jīng)濟(jì)增長(zhǎng)的作用。虛擬變量定義：虛擬變量是人工構(gòu)造的取值為0和1的作為屬性變量代表的變量，通常用于反映質(zhì)的屬性的變動(dòng)。虛擬變量概念及作用虛擬變量設(shè)置原則一個(gè)因素有m類，要引入m-1個(gè)虛擬變量。虛擬變量取值為0或1，即不是1就是0。虛擬變量設(shè)置原則和方法03虛擬變量設(shè)置方法01虛擬變量同趨勢(shì)化。02明確虛擬變量的經(jīng)濟(jì)含義。虛擬變量設(shè)置原則和方法加法方式將虛擬變量與其他解釋變量一起以加法的形式引入模型。乘法方式將虛擬變量與其他解釋變量相乘作為新的解釋變量引入模型。綜合方式根據(jù)問題的性質(zhì)，靈活選擇加法或乘法方式引入虛擬變量。虛擬變量設(shè)置原則和方法季節(jié)調(diào)整模型政策評(píng)估模型區(qū)域差異模型行業(yè)差異模型通過引入季節(jié)虛擬變量來消除時(shí)間序列中的季節(jié)性影響。通過引入政策實(shí)施前后的虛擬變量來評(píng)估政策效果。通過引入反映地區(qū)差異的虛擬變量來研究不同區(qū)域?qū)σ蜃兞康挠绊?。通過引入反映行業(yè)差異的虛擬變量來研究不同行業(yè)對(duì)因變量的影響。0401虛擬變量模型應(yīng)用舉例020305時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)模型趨勢(shì)性、季節(jié)性、周期性、隨機(jī)性時(shí)間序列數(shù)據(jù)的特性平滑法、趨勢(shì)外推法、季節(jié)調(diào)整法、Box-Jenkins方法等時(shí)間序列數(shù)據(jù)的處理方法時(shí)間序列數(shù)據(jù)特性及處理方法圖形檢驗(yàn)法通過觀察時(shí)間序列的圖形來判斷其平穩(wěn)性單位根檢驗(yàn)法通過檢驗(yàn)時(shí)間序列是否存在單位根來判斷其平穩(wěn)性，如ADF檢驗(yàn)、PP檢驗(yàn)等自相關(guān)函數(shù)和偏自相關(guān)函數(shù)檢驗(yàn)法通過觀察自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的圖形來判斷時(shí)間序列的平穩(wěn)性時(shí)間序列平穩(wěn)性檢驗(yàn)方法030201123自回歸模型（AR）、移動(dòng)平均模型（MA）、自回歸移動(dòng)平均模型（ARMA）、自回歸整合移動(dòng)平均模型（ARIMA）等時(shí)間序列模型的類型識(shí)別模型類型、估計(jì)模型參數(shù)、診斷模型殘差、預(yù)測(cè)未來值時(shí)間序列模型的建立步驟靜態(tài)預(yù)測(cè)和動(dòng)態(tài)預(yù)測(cè)。其中，靜態(tài)預(yù)測(cè)僅使用歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，而動(dòng)態(tài)預(yù)測(cè)則使用歷史數(shù)據(jù)和已知的未來信息進(jìn)行預(yù)測(cè)。時(shí)間序列模型的預(yù)測(cè)方法時(shí)間序列模型建立與預(yù)測(cè)06聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型聯(lián)立方程模型概念聯(lián)立方程模型是由若干個(gè)相互聯(lián)系的單一方程所組成的一個(gè)方程組，用來描述經(jīng)濟(jì)系統(tǒng)中多個(gè)變量之間的相互關(guān)系。識(shí)別問題在聯(lián)立方程模型中，由于方程之間存在相互聯(lián)系，因此不能直接使用普通最小二乘法進(jìn)行估計(jì)。需要解決識(shí)別問題，即確定哪些方程是可以識(shí)別的，以及如何選擇適當(dāng)?shù)淖R(shí)別方法。聯(lián)立方程模型概念及識(shí)別問題VS聯(lián)立方程模型的估計(jì)方法包括單一方程估計(jì)法、系統(tǒng)估計(jì)法和有限信息最大似然法等。各種方法具有不同的優(yōu)缺點(diǎn)，需要根據(jù)實(shí)際情況進(jìn)行選擇。選擇原則在選擇聯(lián)立方程模型的估計(jì)方法時(shí)，需要考慮模型的識(shí)別情況、樣本容量、計(jì)算復(fù)雜度等因素。一般來說，如果模型可以識(shí)別且樣本容量較大，可以選擇系統(tǒng)估計(jì)法；如果模型無法識(shí)別或樣本容量較小，可以選擇單一方程估計(jì)法或有限信息最大似然法。估計(jì)方法比較聯(lián)立方程模型估計(jì)方法比較與選擇政策效應(yīng)分析利用聯(lián)立方程模型可以分析政策變化對(duì)經(jīng)濟(jì)系統(tǒng)的影響。例如，可以構(gòu)建包含財(cái)政政策、貨幣政策和經(jīng)濟(jì)增長(zhǎng)等變量的聯(lián)立方程模型，分析財(cái)政政策或貨幣政策變化對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。產(chǎn)業(yè)結(jié)構(gòu)分析聯(lián)立