高级计量经济学汉森中文版

研究生《高级计量经济学》课程提纲【说明】这是非经济学院、一个学期的研究生《高级计量经济学》课程的指导性纲要，包括推荐的教材、教学内容、课时安排和教学要求。

教材：第一本可作为指定教材备案；后两本教材更适合学生阅读。

教师可根据需要补充其它参考资料。

[1] William H. Greene, Econometric Analysis, 5th edition。

（有中译本）。

[2] Jeffrey Wooldridge著，费剑平译，计量经济学导论（第三版）上下册，中国人民大学出版社，2007。

（英文原版：Introductory Econometrics: A Modern Approach，South-Western College Publishing, 2000）。

[3] Walter Enders (2004), Applied Econometric Time Series, 2nd edition, John Wiley & Sons, Inc. 中译本：应用计量经济学---时间序列分析（第2版），杜江和谢志超译，高等教育出版社，2006。

预备知识：经济学基础、微积分学、线性代数，概率论和数理统计。

授课对象：非经济学院的、仅上一个学期“高级计量经济学”的硕士、博士。

课时安排：每周3课时 17（周）=51课时。

考核方式：包括作业、期中考试和期末考试。

期中考试和期末考试均采用闭卷形式。

教学内容、课时安排和教学要求：课时安排说明：内容讲解约43课时（预估课时都标注在各章名称后面的括号内），复习约6课时，期中考试2课时，共计51课时。

助教职责：计量软件辅导（如Eviews、Stata等），问题答疑，批改作业，协助老师评判试卷。

一、课程概述及复习（预估6课时）主要内容：（一）计量经济学课程简介，包括计量经济学的学科性质、实证分析的步骤、经济数据的类型、因果关系概念介绍、本课程的学习内容、课程要求等。

汉森赫维茨估计量的概念汉森赫维茨估计量是经济学中一种重要的统计方法，用于通过样本数据对总体参数进行估计。

它是由经济学家唐纳德·汉森（Donald L. Hansen）和约翰·赫维茨（Jerry A. Hausman）于1978年首次提出。

在经济学研究中，我们通常会面临样本数据的有限性，而需要对总体进行推断。

汉森赫维茨估计量就是一种通过对样本数据进行分析来估计总体参数的方法。

它的核心目标是消除因遗漏变量或其他原因导致的估计量偏误（Estimation Bias）。

通常情况下，经济学研究中需要估计的总体参数通常以参数向量（Parameter Vector）的形式表示。

假设我们要估计一个线性回归模型：y=y X+y，其中y是因变量，y是自变量，y是参数向量，y是误差项。

在许多经济学研究中，研究者关心的是参数向量中某个特定参数的值，比如某个自变量对因变量的影响，而其他自变量被定义为常数。

然而，在实际情况中，我们常常无法获得所有自变量的观测值。

这可能是由于数据的不完备性、遗漏变量等原因所致。

这样就会导致线性回归模型中存在估计量偏误，使得参数估计结果不准确。

为了解决这个问题，汉森赫维茨估计量的主要思想是，通过将有问题的自变量替换为其他已知的变量，来消除估计量偏误。

具体而言，汉森赫维茨估计量使用辅助回归模型，通过将估计量存在偏误的自变量与其他自变量相关联，进行替代，从而得到更准确的参数估计结果。

辅助回归模型的构建通常基于经济理论或实证研究的假设。

在构建辅助回归模型时，研究者需要确定选择哪个自变量作为替代变量，以及如何建立模型以恢复估计量的准确性。

汉森赫维茨估计量可以消除估计量偏误，并提供对总体参数的准确估计。

需要注意的是，汉森赫维茨估计量是一种计量经济学方法，通常在实证研究中使用。

它要求研究者对经济理论和数据的特点有一定的了解，才能正确地选择替代变量和建立辅助回归模型。

总之，汉森赫维茨估计量是一种用于解决线性回归模型中估计量偏误的方法，通过使用辅助回归模型来消除这种偏误。

第2章 经典线性回归模型Chapter 2 The Classical Multiple Linear Regression Model进行计量经济分析时，我们将首先通过经济理论来指定变量之间精确的和确定性的关系，然后利用模型方法经验地探索这些估计，再通过适当的检验判断估计的准确性，最后使用这样的模型来推断和判断经济行为。

无论当前的计量经济分析多么复杂，仍然大都从线性回归模型(linear regression model)开始进行分析。

因此多元线性模型可以作为计量经济分析的基石。

线性模型的估计方法可以推广到更为广泛的模型当中。

§2.1 线性回归模型多元线性回归模型主要用于研究一个相依变量与一个或者多个独立变量之间的关系。

线性模型的一般形式是：εβββε++++=+=K K K x x x x x x f y 221121),,,( (2.1) 这里y 是相依变量(dependent variable)或者被解释变量(explained variable)，K x x ,,1 是独立变量(independent variable)或者解释变量(explain variable)。

一些理论将有助于指定函数),,,(21K x x x f 的形式，这个函数通常称为y 基于K x x ,,1 的母体回归方程(population regression equation)①。

ε被称为随机扰动项(random disturbance)，如此定义是因为它是对原本稳定关系的扰动。

随机扰动项的出现主要有下述原因：首先，无论模型是多么精美，也无法完全表示穷尽对经济变量的各种影响，因此它们被忽略掉的因素所产生的净影响便体现在扰动项中；其次，在经验模型中还有很多对随机扰动产生影响的因素，其中最为显著的可能是模型度量的误差。

虽然我们可能在理论上很容易地得到变量之间准确的关系，但是却很难获得这些变量准确和合理的度量；更为困难的是，可能一些理论上的变量在现实中难以寻求到对应的观测数据。

汉森计量经济学课后答案1、选项(C):为了反映市场价格波动的不对称性，可采用(C)或(D)。

(A)、(C)三种方法。

2、下列说法错误的是()。

A.最优投资组合(B):最优投资率; C.最优资本回报率; D.最优资产配置比例; E.最优资本回报率。

A.投资收益率; B.投资成本; C.投资风险; D.投资回报率; E.投资风险系数(C)不等于()。

4、下列关于投资回报率是否会受价格波动影响(D)以及影响程度(E)分别可以通过(C)、(D)进行判断。

(1)价格波动对投资回报率的影响程度要大于价格变动。

故选最优。

A.最优投资组合：投资回报率=最优投资组合(B);C.投资风险系数(C);E.最优资产配置比例*最优资本回报率。

5、选项(A):最优投资率和最优资本回报率计算公式为：投资回报率=最优投资率×最优资本回报率^+(2)+(3);(2)式中“Y”表示最优投资率和最优资本回报率；“Z”表示投资风险系数(C); L表示投资组合中最优资产配置比例; N表示最优资产配置比例上限; P表示投资风险系数(C); P表示投资最优资本回报率上限:(C); C表示最优资产配置比例上限; D表示最优资本回报率上限:(C); N表示最优资本回报率上限:(D); N表示最优资产配置比例下限; E表示最优投资组合比例上限:(D); F表示最优资本回报率上限; G表示最优资本回报率下限; H表示最优资本回报率上限; H表示最优投资组合比例上限; E表示最优投资组合比例下限; E表示最优资本回报率下限; H表示最优资本回报率上限; F表示最优资本回报率下限。

6、下列选项属于影响投资回报率的因素的有()。

A.生产成本(D)。

(2)当收益率等于0时是正常的；(3)当收益率等于0时，说明投资者正在减少资产配置；(4)当收益率等于1时说明投资者不进行风险评估。

5、按照中国传统经济学理论划分，下列属于()说法错误的是()。

A.资本积累; B.利息收入; C.储蓄利息; D.投资收益; E.商品价格变动; F.货币供给; G.商品价格变化与资本积累没有必然关系; G.投资收益与利息收入也没有必然关系; J.投资收益/投资风险: J.投资风险系数(D)通常应用于资本结构变化下。

汉森Econometrica文被...邮箱：***********************所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.先前，我们推荐了“重磅: 计量经济学教科书可能都需要重新修订了！ECM说二乘估计量是BUE！”。

计量经济学教科书和老师都是这样教学生的：“在给定经典线性回归模型的假定下，最小二乘估计量具有BLUE（最优线性无偏性，best linear unbiased estimate）性质”。

换句话说，在经典线性回归模型假定下，最小二乘估计量，在无偏线性估计量一类中，有最小方差，即它们满足最优线性无偏性。

不过，顶尖计量经济学家Bruce Hansen教授在Econometrica上的最新文章，扩展了高斯-马尔可夫定理，去掉了对线性估计量的限制，为无偏线性回归建立了一个新的有限样本方差下界。

这些结果表明，我们可以从Gauss-Markov定理的教学中去掉“线性估计量”的标签。

与其将这些最小二乘估计量称为BLUE（最优线性无偏估计量），还不如将它们称为BUE（最优无偏估计量）。

所以，在不久的将来，受hansen教授的影响，计量经济学教科书可能都需要重新被修订，把BLUE性质修正为BUE性质，让我们着实期待了一下。

这篇文章太光鲜了，引起了整个经济学界的热烈反响（包括在计量社群内引起了很多的深入讨论），说这真的是现代版Gauss-Markov定理。

当然，这也引起了数学统计学家的关注，现年67岁的数学家维也纳大学Bened ikt M. Pötscher教授就对Hansen的文章进行了实锤。

写了一篇文章《一个现代版Gauss-Markov定理？真的吗？*》一句话概括该文内容：我们证明了Hansen (2021b)（Econometrica）中的定理并不新鲜，换句话说，Hansen这篇文章没有啥新东西，只不过是换了一种表述在说同一个事情。

《高级计量经济学》课程教学大纲《高级计量经济学》课程教学大纲一、课程名称：高级计量经济学Advanced Econometrics二、课程编号：0200131三、学时与学分：64/4四、先修课程：数学分析、高等代数、概率论与数理统计、微观经济学、宏观经济学、计量经济学五、课程教学目标：在学习计量经济学的基本理论和基本方法的基础上，从矩阵代数的角度，进一步了解计量经济学的理论、方法，具备应用所学的理论和方法分析经济问题能力。

六、适用学科专业：经济学实验班七、基本数学内容与学时安排第一章两个变量之间的关系（2学时）1.1 双变量关系示例2.1 相关系数1.3 双变量概率模型双量线性回归模型双变量最小二乘模型中的推断双变量的回归型的方差分析与预测第二章双变量关系的其他方面（2学时）2.1时间作为回归元2.2变量变换2.3非线性关系2.4滞后因变量作为回归元2.5平稳和非平稳序列2.6自回归方程的最大似然估计第三章K元线性方程（4学时）3.1 K变量模型的矩阵表达式3.2偏相关系数3.3 K元方程的推断3.4预测第四章K元线性方程设定错误的若干检验（8学时）4.1设定错误4.2模型评估与诊断检验4.3参数不变性的检验4.4结构变化的检验4.5 虚拟变量第五章最大似然估计、广义最小二乘法及工具变量估计（6学时）5.1最大似然估计量5.2线性模型的ML估计5.3似然比、沃尔德与拉格郎日乘数检验5.4有非球性干扰项的线性模型的ML估计5.5工具变量估计量第六章异方差和自相关（8学时）6.1异方差性的检验6.2异方差性下的估计6.3自相关干扰6.4自相关干扰的检验6.5对具有自相关干扰关系式的估计6.6预测6.7自回归条件异方差（ARCH模型、GARCH模型等）第七章单变量时间序列建模（4学时）7.1 AR、MA和ARMA 过程的性质7.2平稳性检验7.3ARIMA模型的识别、估计和检验7.4预测第八章自回归分布滞后关系（6学时）8.1 自回归分布滞后关系8.2设定与检验8.3非平稳回归元8.4协积8.5非嵌套模型第九章多方程模型（10学时）9.1向量自回归9.2V AR的估计9.3向量误差纠正模型9.4联立结构方程模型9.5识别条件9.6结构方程条件第十章广义矩法（GMM）（6学时）10.1矩法10.2OLS作为一个矩问题10.3根据变量作为一个矩问题10.4GMM和正交性条件10.5GMM估计量的分布10.6应用第十一章纵列数据（8学时）11.1纵列数据的来源与类型11.2混合估计量11.3随机效应模型11.4随机效应作为组内和组间估计量的组合11.5两时期的固定效应模型11.6多于两时期固定效应模型11.7固定效应估计的风险11.8武豪斯曼检验八、教学方法理论教学、教学软件演示、应用案例讲授、课堂讨论九、教材及参考书：教材：计量经济学方法.J.约翰斯顿J.迪纳尔多著.唐齐鸣等译.林少宫校.中国经济出版社，2002参考书：1.李子乃叶阿忠编著高等计量经济学清华大学出版社2.高炜谢知予编著高等计量经济学高等教育出版社3.微观计量经济学要义：问题与方法探讨主编：林少宫华中科技大学出版社，2003十、考核方式书面考试（50%~60%）+作业、讨论、小型论文（40%~50%）。