计量经济学教学大纲

计量经济学教学大纲计量经济学是经济类专业的核课程之一。

它是以经济理论为基石，以经济数据为基础，运用从概率论与数理统计学中产生的计量经济学方法量化经济变量间的相互关系，以证实或证伪经济理论，提出政策建议或进行政策评价与结构分析，以减少未来经济活动中的不确定性的一门经济学的分支学科。

目前，华中师范大学经济学院所有本科专业均开设了这门课程。

该课程在华中师范大学的课程编号为40320700。

《计量经济学》教学所使用的教材为：李庆华编著《计量经济学》，中国经济出版社，2005年2月，北京。

教学参考书有：1．林少宫译，古扎拉蒂著. 计量经济学. 上下册，北京：中国人民大学出版社，1997 2．林少宫.多元线性回归系数的“其它情况不变”释义. 华中科技大学经济学院，20023．林少宫等.简明经济统计与计量经济. 上海：上海人民出版社，1993年。

4．威谦H.格林著，王明舰等译. 经济计量分析. 北京：中国社会科学出版社，19985．詹姆斯 D. 汉密尔顿[美]著，刘明志译. 时间序列分析. 北京：中国社会科学出版社，1999 6．罗伯特S. 平狄克，丹尼尔L. 鲁宾费尔德箸，钱小军等译. 计量经济模型与经济预测.(th4Edition)，北京：机械工业出版社，20037．邹至庄.经济计量学. 北京：中国友谊出版社公司，19888．李子奈. 计量经济学. 北京：高等教育出版社，20009．张晓峒，《计量经济分析》，经济科学出版社，北京：200010．张守一. 市场经济与经济预测. 北京：社会科学文献出版社，200011．张晓峒. 计量经济学软件EV iews应用指南. 天津：南开大学出版社，200312．马薇. 协整理论与应用. 天津：南开南开大学出版社，200413．赵国庆等. 计量经济学. 北京：中国人民大学出版社，200014．刘振亚. 计量经济学教程. 北京：中国人民大学出版社，199715．童光荣. 动态经济模型分析. 武汉：武汉大学出版社，1999根据教学计划本课程的课堂教学课时为72个课时。

课外实验课时根据学生不同情况可在实验室安排实验课时若干。

具体安排如下：第一章导论本章从总体上对计量经济学的概念、特点和内容，从发展的角度进行了概述。

教学目的：了解释计量经济学发展概况；掌握计量经济学的定义；理解计量经济学不同于理论经济学、统计学、数学或数理统计学的独特性；了解计量经济学的建模过程。

教学重点：计量经济学的定义与经济数据的特征。

教学难点：不同经济数据的区别。

本章大约需要3-4个课时。

具体内容为：第一节计量经济学释义一计量经济学的定义二计量经济学是一门单独的学科三计量经济学的内容第二节计量经济学建模过程第三节经济数据的类型一横截面数据二时间序列数据三混合横截面数据四综列或纵剖面数据第二章简单线性回归本章详细介绍了简单线性回归模型的概念、经典假设，简单线性回归模型的参数估计与显著性检验，方差分析与似合优度，简单预测。

教学目的：理解并掌握有关简单线性回归模型的经典假设；理解并掌握最小二乘法估计回归系数并能根据计量经济学软件EViews进行回归分析、显著性检验、对模型进行评价与解释；掌握最大似然估计并了解信息不等式在证明最小方差性时的应用。

教学重点：经典假设的理解，根据计量经济学软件EViews进行回归分析、显著性检验、对模型进行评价与解释。

教学难点：样本回归线与总体回归线的关系，高斯-马尔可夫定理的证明，对抽样分布的理解，最大似然估计与信息不等式。

本章大约需要12个课时。

具体内容为：第一节概述一两个变量之间的关系二简单线性回归模型的基本假定三总体回归模型与样本回归模型第二节简单线性回归模型的参数估计一最小二乘估计二最优线性无偏估计三最大似然估计(Maximum Likelihood Estimation)四信息不等式第三节置信区间与显著性检验一抽样分布二回归系数的置信区间三显著性检验第四节方差分析与拟合优度一方差分解二拟合优度三F检验四方差分析表第五节均值预测与个值预测一均值预测二个值预测第三章多元线性回归本章介绍了多元线性回归模型的概念、经典假设，多元线性回归模型的参数估计与显著性检验，方差分析与似合优度，预测等内容。

重点突出了多元回归分析与边际分析的关系：多元回归分析在一定意义上可以解决保持其它变量不变的问题。

教学目的：使学生能根据EViews软件的输出结果进行经济分析、结构分析、政策评价。

教学重点：各种F检验教学难点：约束条件的检验本章大约需要10个课时。

具体内容为：第一节多元线性回归模型的基本假设第二节多元线性回归模型的参数估计一最小二乘估计二最小二乘估计的统计特性三随机扰动项方差的估计四最大似然估计与Cramer-Rao定理五估计量的分布特性第三节多元回归模型的统计检验一置信区间二假设检验第四节拟合优度与方差分析一方差分解二拟合优度三再论线性约束检验四方差分析表第五节偏相关系数与回归系数释义一偏相关系数二偏回归系数释义第六节预测一均值预测二个值预测第四章回归的扩展本章在前两章的基础上，对线性回归分析在函数形式、数据测度与定性变量的处理进行了扩展，从而大大扩展了回归分析的应用。

教学目的：掌握将不同函数形式化为线性模型的方法；掌握定性解释变量的处理方法并了解定性应变量模型；掌握LPM模型、Logit模型与Probit模型的估计。

教学重点：关于虚拟变量的回归和三种定性应变量模型。

教学难点：对定性应变量模型的理解和其理性化。

本章大约需要6个课时。

具体内容为：第一节函数形式一线性一词的含义二对数线性模型与弹性的测度三半对数模型四倒数模型第二节数据的测度单位对OLS估计的影响一测度单位的改变二 系数第三节关于虚拟变量的回归一回归模型中含有一个两分定性解释变量的情形二回归模型中含一个多分定性解释变量的情形三回归模型中含两个定性解释变量的情形第四节定性应变量模型一线性模型模型二对数单位模型(Logit Model)三概率单位模型(Probit Model)四定性应变量模型的理性化第五章违背经典假设的线性模型本章分别对不符合第三章中有关经典假设条件的三种情况进行研究，探讨了异方差、序列相关时的最小二乘估计方法及其性质并提出了改进方法，还对作为样本问题多重共线性问题进行了初步分析。

教学目的：使学生掌握当随机扰动项存在异方差或自相关时的估计方法以及对一个模型是否存在异方差性或自相关性的判断。

教学重点：异方差性与自相关性。

教学难点：是否存在异方差性或自相关性的判断。

本章大约需要9个课时。

具体内容为：第一节异方差性一异方差性产生的来源二出现异方差性时OLS估计的非有效性三广义最小二乘法(GLS)四异方差性的检验第二节自相关性一自相关的来源二自相关性对OLS估计量的影响三自相关的侦察四自相关存在时的估计第三节多重共线性一多重共线性的概念二出现多重共线性的后果三多重共线性的侦察四出现多重共线性后的处理五出现多重共线性时的预测第六章自回归模型与分布滞后模型本章研究了动态模型模型的计量经济学方法。

具体而言，对回归模型中包括滞后解释变量以及滞后应变量作为解释变量的情形进行了研究。

教学目的：使学生掌握动态经济问题的建模方法。

教学重点：滞后的原因，有限分布滞后模型和无限分布滞后模型理性化处理后的估计，工具变量法。

教学难点：工具变量法。

本章大约需要10个课时。

具体内容为：第一节滞后的概念与原因一分布滞后模型的概念二滞后的原因第二节非受限有限分布滞后模型的估计一在滞后期为已知时的估计二滞后长度的决定第三节有限分布滞后模型的阿尔蒙方法第四节无限分布滞后模型一考伊克模型二适应性期望模型三部分调整模型第五节工具变量法一工具变量(IV)估计量二两阶段最小二乘法(TLS)三用工具变量法估计自回归模型第七章联立方程模型本章介绍了联立方程模型和内生性问题。

主要就是对联立方程因联立而产生的问题及联立方程的估计进行了探讨。

教学目的：掌握联立方程的基本概念；联立方程的识别及识别条件；联立方程的系数的估计。

教学重点：联立方程的识别与估计。

教学难点：联立方程的识别问题。

本章大约需要8-9个课时第一节联立方程举例第二节联立方程模型的基本概念一联立方程中的变量二联立方程中方程的类型三联立方程的结构式与简约式(诱导式)四联立方程的两个问题第三节联立方程的识别条件一识别的阶条件二识别的秩条件三识别的一般规则与实践中的识别方法第四节联立方程估计的单方程估计方法一间接最小二乘法(ILS)二两阶段最小二乘法(2SLS)第五节联立方程估计的系统估计方法第六节联立性检验一豪斯曼（J·A·Hausman）设定误差检验二外生性检验第八章时间序列的性质本章将就时间序列的平稳性问题和与此相联的单位根问题以及两个时间序列的协整问题进行了研究。

教学目的：掌握时间序列中弱平稳的概念以及平衡性的判断；掌握样本自相关函数的概念；掌握单位根检验与协整检验的方法与EViews软件在解释协整问题的单位根检验方面的运用。

教学重点：单位根据检验与协整检验。

教学难点：单位根据检验与协整检验。

本章大约需要8个课时。

具体内容为：第一节平稳的时间序列一平稳时间序列的定义二随机时间序列和其样本的数字特征三根据样本自相关函数的平稳性检验第二节非平稳的时间序列一趋势平稳的时间序列二差分平稳的时间序列三谬误回归第三节单位根检验一时间序列是否由随机步游所产生的单位根检验二时间序列是否由带飘移的随机步游所产生的单位根检验三时间序列是否由带趋势的单位根过程所产生的检验第四节协整和误差纠正机制一不带飘移的I(1)过程的协整检验二含趋势项的协整检验三协整系数的估计四误差纠正模型第九章线性时间序列模型与预测本章介绍了以AR、MA、ARMA和ARIMA为代表的线性时间序列模型的估计、识别和预测等方面的问题。

教学目的：掌握线性时间序列模型的估计、识别和预测。

教学重点：ARIMA模型的估计、识别与预测。

教学难点：线性时间序列模型的识别和预测。

本章大约需要8个课时。

具体内容为：第一节MA模型一移动平均过程的性质二移动平均过程的阶的估计三移动平均过程的参数估计第二节AR过程一p阶自回归过程)AR的自相关函数与偏自相关函数的特性(p二自回归过程的识别三有限阶自回归过程的估计第三节ARMA模型第四节ARIMA模型一ARIMA模型的概念二博克斯—詹金斯方法(The Box-Jenkins Approach)第五节预测一预测的基本原则二ARMA模型已知时的预测三ARMA模型未知时的预测。