下载文档原格式
1010 资金时间价值的计算机应用1020 技术方案经济效果评价1030 技术方案不确定分析核心内容1040 技术方案现金流量表的编制1050 设备更新分析1060 价值工程建设中的应用1070 新技术、新工艺和新材料应用方案的技术经济分析1080 利息的计算、自己你等值计算及应用、名义利率与有效利率的计算。
知识点：1、资金时间价值的概念，影响资金价值的主要因素。
2、利率高低的决定因素。
3、利息计算的单利和复利的计算方法。
4、资金等值的概念。
5、现金流量图的作图方法和规则，现金流量的三要素。
6、终值和现值的计算。
7、名义利率与实际利率的计算。
1011 利息的计算1、资金时间价值。
概念：其实质是资金作为生产经营要素，在扩大再生产及资金流通过程中，资金随时间周转使用的结果—产生资金时间价值的两个必不可少因素：投入扩大再生产或资金流通、时间的变化。
在工程经济分析时，不仅要着眼于技术方案资金数量的大小而且也要考虑资金的发生时间。
任何资金的闲置都会损失资金的时间价值。
2、掌握影响资金时间价值的主要因素：资金使用时间、资金数量大小、资金投入和回收的特点、资金周转速度。
资金的使用时间：在单位时间的资金增值率（利率）一定，使用时间越长则资金的时间价值越大。
资金数量的多少：数量越多资金的时间价值就越多。
资金投入和回收的特点：总资金一定，前期投入的资金越多资金的负效益越大。
资金回收额一定时，离现在越近的时间回收的资金越多，资金的时间价值就越多。
资金的周转速度：资金周转速度越快、周转次数越多资金的时间价值越多。
3、利息和利率。
概念：资金时间价值的换算方法与采用复利计算利息的方法完全相同。
复利计算有间断复利和连续复利之分，实际应用中则采用间断复利。
在工程经济分析中，利息常常被看成是资金的一种机会成本。
利率高低的决定因素：社会平均利润率：利率的高低首先取决于社会平均利润率的高低，并随之变动。
通常社会平均利润率是利率的最高界限。
博士研究生《高级计量经济学》课程教学改革探索作为经济管理类博士研究生的必修基础课程——《高级计量经济学》是以介绍、研究计量经济学理论与方法，辅以相应的数学证明推导和统计推断结果，建立计量经济模型并以此刻画、分析、检验及预测现实经济问题和经济现象为主要内容。
其教学目的在于培养和训练博士研究生对于不确定的、经济现象背后的规律的认识和发现能力，特别是实证分析能力。
国内众多高校都非常重视《高级计量经济学》课程的建设和改革。
清华大学李子奈教授就《高级计量经济学》课程的教学体系及计量经济学模型方法论的若干问题进行了多方面的论述（2010）[1][2][3]；厦门大学洪永淼教授分析了计量经济学的地位、作用和局限（2007）[4]；中山大学王美今教授等对计量经济学应用研究中的可信性和切适性问题进行了阐释（2012）[5]。
南开大学张晓峒教授也多次讨论《高级计量经济学》课程的教学内容及方式。
而笔者在多年的博士研究生《高级计量经济学》课程的教学实践中发现，博士研究生在学习《高级计量经济学》课程的过程中，由于其理论基础知识、学科专业需求等方面存在着较大差异，应因地制宜、因材施教地探索适合学科特点的《高级计量经济学》课程的教学内容和方式。
如何合理有效地组织《高级计量经济学》教学内容和教学方式，切实提高教学质量和效果，增强博士生的科研能力，是一个值得探索的课题。
因此，本文从笔者自身教学实践情况出发，分析高级计量经济学教学过程中存在的问题，提出相应的教学改进思路。
一、高级计量经济学课程教学的现状与存在的问题《高级计量经济学》是跟随北美研究生教育体系所开设的一门课程，本质上是一门集理论性、方法性和应用性且要求较高的经济学类核心课程。
其主要内容是，伴随着重要理论、概念和方法的是众多的统计分析思想和复杂的数学推导证明，因此要求前序课程应具备高等数学、矩阵代数、概率论与数理统计、初中级计量经济学等课程的基础。
在多年的博士研究生的《高级计量经济学》课程教学实践中，我们发现，《高级计量经济学》对于培养和训练经济管理类不同专业的博士生，运用数量方法和工具分析解决实际问题，增强科研能力等方面的确起到重要作用。
浙江工业大学2019年博士招生科目及参考书目001化学工程学院081700化学工程与技术002机械工程学院080200机械工程080706化工过程机械003信息工程学院081100控制科学与工程004经贸管理学院020200应用经济学120200工商管理005生物工程学院081703生物化工006建筑工程学院081400土木工程007药学院100700药学008计算机科学与技术学院081200计算机科学与技术017长三角绿色制药协同创新中心081703生物化工083000环境科学与工程100700药学024环境学院083000环境科学与工程001化学工程学院081700化学工程与技术一、初试科目及参考书目3101化工原理：《化工原理》（第3版）何潮洪等科学出版社2017《化工原理》上/下册(第四版)谭天恩、窦梅等化学工业出版社20132102高等有机化学：《高等有机化学》(第1版)王积涛高等教育出版社1980《高等有机化学》(第1版)恽魁宏高等教育出版社1989《高等有机化学基础》(修订本)(2)荣国斌化学工业出版社2002 2101物理化学：《物理化学》（5）天津大学物理化学教研室高等教育出版社20093105化学反应工程：《反应工程》(第2版)李绍芬化学工业出版社，2010《化学反应工程》(第3版)陈甘棠化学工业出版，20103106传递过程原理:《传递原理及其应用》裘俊红化学工业出版社2007《应用流体力学》毛根海高等教育出版社2006《Transport Phenomena》（传递现象,第2版）Bird R.B.等John Wiley&SonsInc,20023108高分子化学：《高分子化学》（第5版），潘祖仁主编，化学工业出版社，2011年9月；3107材料学：《材料科学基础》（第四版），刘智恩主编，西北工业大学出版社，2013年9月；《材料科学基础》，杜丕一、潘颐编著，中国建材工业出版社，2002年3月。
03phd高级计量经济学提纲ECON601高级计量经济学提纲课程名称：高级计量经济学学院名称：国际经济贸易学院教师：潘红宇评价标准：平时作业20%，期末80%一课程目的该课程面向经济类学生，主要介绍计量经济学I,II没有介绍的模型，包括，处理面板数据的模型，被解释变量为离散变量的建模以及两种估计方法极大似然估计法和广义矩估计法，和非参数及非线性模型。
目的可以读懂相关文献, 学会处理不同数据的不同建模方法和估计方法, 应用在今后的研究中。
二课程内容第一章计量经济学基础1.1计量经济学回顾1.2估计1.3推断1.4残差检验第二章多元时间序列模型2.1向量自回归模型（V AR）2.2GRANGER因果检验2.3方差分解和脉冲响应函数2.4协整第三章解释变量是离散的模型3.1极大似然估计法3.2二元离散选择模型3.3 多元选择模型3.4 Tobit模型第四章面板数据计量经济学模型4.1面板数据模型的设定4.2固定影响变截距模型4.3 随机影响变截距模型4.4面板数据动态模型4.5 广义矩估计法教材：无第一章参考书：Peter Kennedy(2001)第二章参考书：W.Enders(1995)- CH5，Hamilton（1994）-CH11第三章参考书：G.S.Maddala(1990),Wooldridge, (2002)-part 4，Marno Verbeek （2000），CH5第四章参考书：Cheng Hsiao(1990),Wooldridge(2002)-ch10,ch11，Marno Verbeek （2000）CH6三参考文献1.Cheng Hsiao(1990),Analysis of panel data, Cambridge university press.(校图)2.G.S.Maddala(1990),Limited-dependent and qualitative variables in econometrics,Cambridge university press.3.Jeffrey M. Wooldridge, (2002),Econometric analysis of cross section and paneldata,The MIT Press, Cambridge, Massachusetts, London, England.4.Marno Verbeek,（2000）A guide to modern Econometrics , KU Leuven andTilburg University, john Wiley & Sons. Ltd.5.G.G.Judge et al.(1988),Introduction to the Theory and Practice of Econometrics,2nd ed.（校图）6.W.H.Greene.,(1993)Econometric Analysis, 3rd ed., （中译本）7.Chris Brools(2002), Introductory econometrics for finance, Cambridge universitypress.8.Peter Kennedy,(2001),A Guide to Econometrics(4ed),the mit press Cambridge,Massachusetts.（校图）9.李子奈叶阿忠(2000), 高等计量经济学，清华大学出版社10.Walter Enders，（1995）Applied Econometric time series，John Wiley &Sons,INC。
2009级博士高级计量经济学学习指南第一部分条件期望与条件方差第二部分古典假设与最小二乘第三部分最小二乘的有限样本第四部分最小二乘的大样本性质第五部分非球型扰动与广义回归模型第六部分异方差与自相关第七部分工具变量和两阶段最小二乘第八部分广义矩估计第九部分极大似然估计第十部分检验与推断（Wald检验、LM检验和LR检验）第十一部分模型的设定和检验（第十二部分上机操作）第一部分条件期望与条件方差在正式进入计量经济学的学习之前，需要对条件期望以及条件方差熟练掌握，它们将在以后的学习中经常遇到。
一、条件期望1、条件均值的定义条件均值的定义为：应当指出的是，条件期望是谁的函数。
2、条件均值的性质条件均值有几个简单而有用的性质：（1）迭代期望律 ( Law of Iterated expectations, LIE)条件期望的条件期望等于无条件期望。
[][]|x E y E E y x ⎡⎤=⎣⎦，其中，记号[]x E ⋅表示关于 x 值的期望。
Interpretation: the expectation of Y can be calculated by first conditioning on X, finding E(Y |X) and then averaging this quantity with over X.Proof:离散情形：We need to show: ()[]()|X xE y E y X x P X x ===∑Where []()|||Y X yE Y X x yP y x ==∑.We haveContinuous Case:()()X x E g gf x dx =⎰Q ，and ()()||yE y x yf y x dy =⎰Q.E.D.迭代期望律的一般表述方式其中，()g =x w ，x 是w 的子集，()g ⋅为非随机函数。
语义：若已知w 的结论，我们也就知道x 的结论。
记： ()()()()12|, |E y E y μμ≡≡w w x x则：()()()()21||E y E μμ≡=x x w xProof 需要较多的测度论的知识，这里只是加以说明证明的思路。
()||E E y ⎡⎤⎣⎦w x 中，w 的信息多于x 。
因此，当()()1|E y μ≡w w 时，运用x 的信息，也可描述()()2|E y μ≡x x 。
例如，w 和x 分别为天平的砝码，w 为1克的集合，x 为5克的集合，因此，有()g =x w 。
当我们用w 的信息描述y 时，也可以用x 的信息加以描述。
特例： ()()()||,|E y E E y =x x z x另外，()()()|||E y E E y =x x w 也成立。
（2）[][]()()|()()|E g y h x y g y E h x y =（3）[][]{}()()()()|E g y h x E g y E h x y =（4）[][][]|||E ax by z aE x z bE y z +=+更为一般的情形：设，()()()()12,,,G a a a b x x x x K 和为x 的标量函数，12,,,G y y y K 为随机变量，那么：（5）[]{}[]1|||t t t E E x E x +ΩΩ=Ω，t Ω表示t 时刻的信息集。
（6）对于任何二元变量的分布，()[](),,|Cov x y Cov x E y x =证明：(,)Cov x y Exy ExEy =-从这个公式中，我们需要理解线性回归中的两个古典假设：由此，零均值假定（在i x 给定的条件下，i u 的条件均值为零）（强外生），与随机扰动项与解释变量不相关的假定（弱外生），这将在以后的学习中经常提及。
（7）若定义()|y E y x μ≡-，在假设(), 1,2,3,,i E g j J μ<∞=x K 和()E μ<∞条件下，有()()0E g x μ=。
其中，()g x 为任意函数。
特殊情形，()0E μ=，(),0Cov x μ=。
证明：又 ()()()()()()()()()()||00E E E E E E μμμ====g x g x x g x x g x3、条件方差的定义条件方差的定义为：它的简化公式为：()()[]()22|||Var y x E y x E y x =- 可认为是：分组条件下的集中程度的度量，或者，分组条件下的差异程度的度量。
同理，条件期望为总体分组条件下的分门别类地求期望（学校教师的平均年龄=各院系教师平均年龄的平均）。
（1） ()()()()()()()2||Var a y b a Var y +=x x x x x 证明：（作业？？）（2）一个重要的方差分解定理：在一个联合分布中有，[][][]||x x Var y Var E y x E Var y x ⎡⎤⎡⎤=+⎣⎦⎣⎦它表示，在一个二元分布中，y 的方差可分解为条件均值函数的方差加上条件方差的期望。
将此式变形即可得到：[][][]||x x E Var y x Var y Var E y x ⎡⎤⎡⎤=-⎣⎦⎣⎦它表示从平均意义上看，在条件约束下，条件化减少了变量的方差。
我们有清楚的结论：y 的条件方差不大于y 的无条件方差。
证明（3）(|)[(|)|][(|)|]Var y E Var y Var E y =+x x,z x x,z x证明：利用性质：[(|)|](|)E E y E y =x,z x x ，22[(|)|](|)E E y E y =x,z x x则：()22(|)(|)(|)Var y E y E y =-x,z x,z x,z小结：1、方差分解定理可以表述为：[][][]||x x Var y Var E y x E Var y x ⎡⎤⎡⎤=+⎣⎦⎣⎦它表示，在一个二元分布中，y 的方差可分解为条件均值函数的方差加上条件方差的期望。
在方差分解定理的公式中，[]Var y 是y 的方差，也就是回归式中的总离差平方和TSS 。
条件均值的方差[]|x Var E y x ⎡⎤⎣⎦是回归式中的回归平方和ESS ；条件方差的期望[]|x E Var y x ⎡⎤⎣⎦是回归的残差平方和RSS 。
（注意总体与样本的区别）2、依据方差分解定理，可以构造R 2统计量：3、对方差分解定理进行简单的扩展，得到如下的表达式：两边取期望，由迭代期望定理得到：由于回归方程的总离差平方和TSS 是不变的，因此，上式说明，在回归式中增加新的变量会使得可决系数增大。
第二部分 古典假设与最小二乘一、背景本部分开始我们正式进入计量经济学的学习。
在计量经济学中，我们考察经济变量之间的相互关系，最基本的方法是回归分析。
回归分析是计量经济学的主要工具，也是计量经济学理论和方法的主要内容。
本部分从多元回归模型入手，对古典假设进行复习，然后就最小二乘估计法的算法、双残差回归和模型拟合优度的一些问题进行探讨。
二、知识要点1、回归模型2、古典假设3、最小二乘法4、双残差回归5、方差分解和拟合优度参考章节：Chapter2，Chapter 3三、要点细纲1、回归模型一般的，我们可以将回归模型写为条件期望和条件异方差的和，即：(|)S()E =+y y X X ε。
对于S()X ε的讨论构成条件异方差自回归模型，我们这里仅考虑当条件方差为常数1时的情形，即：(|)E =+y y X ε。
当(|)E y X 取不同的形式时，也就构成了不同的模型，包括：线性、非线性和非参数等。
我们这里主要讨论的是线性模型(一元或多元)：[|] =E y X X β，则总体回归方程可表示为：=+y X βε。
其中：T 表示样本数量，k 表示解释变量个数（包含了常数项），当2k =时就是一元线性回归模型。
而()12(1)TT T εεε⨯=L ε表示的是随机扰动项，包含了除了解释变量以外的其他影响因素。
若遗漏变量，则这个变量也将被扰动项所包含。
这里有个回归和投影的概念，简单的说回归是相对总体而言，而投影是相对样本而言，线性投影总是存在的，而且是唯一的。
2、古典假设在初级计量经济学中，我们可以看到对于回归模型的假设条件包括：（1）零均值，即()(|)0,|0i ij i E Cov x εε=⇒=X X ；（2）同方差与无自相关假定，即随机扰动项的方差2(|)T Var σ=U X I ；（3）随机扰动项与解释变量不相关，即(,|)0ji i Cov x ε=X ；（4）无多重共线性，即各解释变量之间线性无关，()Rank k =X ；（5）正态性假定，即2~(0,)i N εσ。
在格林（W. Greene ）教材上将以上假设条件总结为：①线性；②满秩；③解释变量的外生性；④球形扰动；⑤数据生成过程的外生性；⑥正态性。
比较这些假定可以发现，原来初等计量上的（1）和（3）假定没有了，新的假定是解释变量的外生性和数据生成过程的外生性。
由之前条件期望的部分，我们已经看到初级计量中的（1）和（3）假设是重复的，它们都是属于外生性条件。
格林教材上的假设也就把它们合二为一了。
学习中需要理解和掌握格林教材中的这些假设条件。
对于线性假定，两个层面，一是指参数线性，而不是解释变量的线性。
这里，某些非参数线性的模型，可以通过对解释变量和被解释变量进行一定的线性变形，可以转换为参数线性模型，比如对数线性模型、半对数线性模型、超对数线性模型等；另一是指有利于推导参数估计量的统计分布以及进行推断分析。
第二，满秩性条件，它是为了保证条件期望的唯一性，参数可求解，同时，此项假设在本课程的学习过程，将会在多处（特别是在某些推导过程中）涉及。
第三，外生性条件，表示随机扰动项中不包含有解释变量的任何信息。
注意，外生性条件的不同表述方式和内涵。
外生性条件的违反将影响到参数估计的一致性问题。
第四，球形扰动，是指随机扰动项的方差-协方差矩阵为同方差和无自相关同时成立时的情况。
违反此假设条件，被称为非球形扰动，将会影响到参数估计的有效性问题。
第五，数据生成过程的外生性条件指变量数据的生成过程是独立的，不受其他变量和扰动项的影响。
第六，正态性条件，它主要与我们的统计检验和推断有关，但在大样本的条件下，根据中心极限定理这个条件是可以放宽的。
在后期的学习过程中，将逐渐放宽这些假设条件，从而对于这些假定的进行深入理解。
3、最小二乘法以估计的残差平方和最小的原则确定样本回归函数，称为最小二乘准则。
在古典假定下的最小二乘法，也称为普通最小二乘估计（简记为OLS ）。
对于多元回归模型，我们的目标是使得回归的残差平方和达到最小，即：则它的一阶条件为：$$∂∂S=-2X'Y +2X'X ββ化简得：$$−−−→-1X'Y =X'X ββ=(X'X)X'Y 满秩 以上是属于初中级计量中的做法。
