ENGLISH 中财主站 加入收藏
当前位置: 首 页 > 教学项目 > 本科 > 课程简介 > 投资系 > 正文

0710409-计量经济学-2学分

发布时间:2025-03-27浏览次数:

课程基本信息(Course Information)


开课学院(School)

管理科学与工程学院

课程代码(Course Code)

0710108

课程名称
(Course Name)

计量经济学


Introduction to econometrics

学分(Credits)

2

学时(Credit Hours)

32

学时分配

理论教学  32 学时;实验 0 学时;实践  0 学时;线上 0  学时

授课对象(Audience)

投资学专业、管理学专业、工程管理专业

授课语言(Language)

中文

先修课程

(Prerequisite)

微积分或高等数学,概率论与统计

授课教师(Instructor)

何晓奇

课程网址

(Course Webpage)


课程类型(Type)

理论课

课程归属(Category)

专业教育-经济与计量


课程简介(Description)


计量经济学是经济学类的专业必修课。本课程将介绍回归分析在经济学中的应用,重点围绕因果推断和政策评估的主题展开。政策评估是实证研究的重要内容,也是多学科交叉应用的实践方向。因果推断方法不仅是近年来的计量经济学的研究热点,也是政策研究的重要方法。随着大数据时代的到来,如何从海量数据中分析因果关系也是重要的前沿研究方向。因此本课程将以政策分析为问题导向,围绕因果分析的计量方法为中心,将理论和实证研究相结合,介绍计量经济学的基础知识。课程将要涵盖线性回归模型的参数估计和假设检验的部分理论内容,以及工具变量模型,面板数据模型,DID模型,二值变量模型以及非线性模型估计的理论和实证内容。课程所需的预备知识主要为代数运算和概率,统计基础。


课程简介英文版

Econometrics is a compulsory course for economics majors. This course introduces the application of regression analysis in economics, with a focus on the themes of causal inference and policy evaluation. Policy evaluation is an important aspect of empirical research and a practical direction for interdisciplinary applications. Causal inference methods are not only a research hotspot in econometrics in recent years but also a crucial method in policy research. With the advent of the big data era, analyzing causal relationships from massive data sets has become a significant frontier research direction. Therefore, this course is problem-oriented towards policy analysis, centering on quantitative methods for causal analysis, and combines theoretical and empirical research to introduce the basics of econometrics. The course will cover partial theoretical content on parameter estimation and hypothesis testing in linear regression models, as well as theoretical and empirical content on instrumental variable models, panel data models, Difference-in-Differences (DID) models, binary variable models, and nonlinear model estimation. The prerequisite knowledge for this course mainly includes algebraic operations, probability, and basic statistics.


课程目标(Course Objectives)


通过本课程的学习,学生应了解回归分析在经济学中的基础应用,掌握线性回归、非线性模型及二值变量模型等关键技术,深入理解因果推断与政策评估的基本原理和方法。培养学生运用工具变量、面板数据、DID模型等高级分析技术进行因果推断的能力,同时具备大数据处理能力和现代统计软件应用能力。同时,学生应通过案例分析、小组讨论等形式,进一步提升解决复杂经济问题的能力。本课程旨在培养具备扎实理论素养和实践操作能力的经济学专业人才,使学员能够在大数据时代背景下,运用回归分析技术有效解决经济问题,为政策制定提供科学依据,推动经济学研究的深入发展。


课程设计(Course Design)


本课程强调理论与实践相结合,注重学生的实践能力和创新思维培养。通过课程学习,学生应掌握基本的数据收集、处理、分析和解释技能,为未来的学术研究和职业发展打下坚实基础。同时鼓励学生质疑既有知识,培养独立思考和批判性思维能力,以应对复杂多变的社会和学术环境。课堂教学中,采用讲授、讨论、案例分析等多元化教学方式,确保学生深入理解课程内容。通过引入实际案例,帮助学生将理论知识应用于实际问题,同时鼓励学生提问,促进师生互动,提高课堂参与度。对于涉及复杂计算或需要实践操作的章节(如基于回归模型的评估研究、工具变量等),将安排实验课程。实验课程将使用统计软件进行实际操作,如R、Python等,帮助学生掌握数据分析技能,鼓励学生自行设计实验,提高创新思维和实践能力。


本课程包含4个知识模块:


一、基础理论与概念

随机试验与因果关系

概率论与统计学复习


二、线性回归模型

一元线性回归模型参数估计:最小二乘(OLS)估计方法

一元线性回归模型假设检验:t检验

多元线性回归模型:分块回归、遗漏变量和虚拟变量陷阱

一元线性回归模型型假设检验:F检验

拟合优度

变量选择与模型选择


三、非线性回归与模型的评估

多项式回归、交互项回归和对数回归

基于回归模型的评估研究:内部有效性和外部有效性

回归模型的应用:测量误差模型、样本选择偏误和双向因果关系


四、高级回归模型与工具

有向图模型

面板数据模型

DID模型

二值因变量回归

工具变量