本课程系统讲授经济统计计量模型全流程,分三大核心模块兼顾理论与应用:基础理论模块涵盖经典线性回归模型与 OLS 估计原理;进阶应用模块重点讲解模型诊断修正、面板 / 时间序列分析等实用方法;软件实操模块配套 Eviews/Stata 全流程教学,结合中国经济热点案例与真实数据集开展训练,采用 “理论精讲 + 案例研讨 + 软件实操” 模式,配套丰富学习资源库,助力独立完成实证研究。
You’re only 3 weeks away from a new language
Live Online Classes in Design, Coding & AI — Small Classes, Free Retakes
Overview
Google, IBM & Meta Certificates — All 10,000+ Courses at 40% Off
One annual plan covers every course and certificate on Coursera. 40% off for a limited time.
Get Full Access
Syllabus
- 第一章 导论
- 1.1计量经济学的内涵与发展
- 1.2计量经济学的实证步骤
- 第二章 简单回归模型
- 2.1简单回归模型的定义
- 2.2斜率参数的含义
- 2.3零条件均值假定
- 2.4 总体回归函数
- 2.5用普通最小二乘法估计参数
- 2.6 样本回归函数
- 2.7 OLS统计量的代数性质
- 2.8 拟合优度
- 2.9在简单回归中加入非线性函数形式
- 2.10简单线性回归的四个假定及OLS的无偏性
- 2.11SLR.5同方差性假定
- 2.12 OLS估计量的抽样方差
- 2.13 过原点回归和对常数回归
- 2.14 创建工作文件和输入数据
- 2.15 画散点图和估计OLS参数
- 第三章 多元回归分析:估计
- 3.1 为什么要使用多元回归?
- 3.2 如何得到OLS估计值
- 3.3 理解多元回归模型的偏效应
- 3.4 偏效应的另一种理解
- 3.5 OLS拟合值和残差的代数性质
- 3.6 多元回归模型的拟合优度
- 3.7 多元线性回归的四条经典假定及OLS的无偏性
- 3.8 简单回归和多元回归估计值的比较
- 3.9 包含无关变量会产生偏误
- 3.10 遗漏变量会产生偏误吗?
- 3.11 OLS斜率估计量的抽样方差
- 3.12 影响OLS方差的多重共线性
- 3.13 遗漏变量模型的方差
- 3.14 OLS估计量的标准误
- 3.15 OLS的有效性:高斯-马尔可夫定理
- 3.16 生成新的序列和@函数的应用
- 3.17 生成OLS拟合值(预测值)序列和生成残差序列
- 第四章 多元回归分析:推断
- 4.1 OLS估计量的抽样分布
- 4.2 定理 标准化估计量的t分布
- 4.3 构造t统计量
- 4.4 对单个参数进行假设检验的t检验
- 4.5 检验单个参数的其他假设
- 4.6 经济显著性与统计显著性
- 4.7 置信区间
- 4.8 检验关于参数的一个线性组合假设
- 4.9 对排除性约束的检验
- 4.10 关于F统计量的进一步探讨
- 4.11 检验一般的线性约束
- 4.12 报告回归结果
- 4.13 置信区间的EViews软件操作
- 4.14 系数约束检验-t检验的EViews软件操作
- 4.15 系数约束检验- F检验的EViews软件操作
- 第五章 虚拟变量
- 5.1 怎样将定性信息转换为虚拟变量?
- 5.2 理解虚拟解释变量的系数
- 5.3 理解多类别虚拟解释变量的系数
- 5.4 虚拟变量陷阱
- 5.5 理解虚拟变量的交互作用
- 5.6 虚拟变量的假设检验
- 5.7 邹至庄检验
- 5.8 含虚拟变量的线性回归模型的EViews软件操作
- 第六章 OLS渐进性的初步介绍
- 6.1 一致性
- 6.2 OLS的渐近正态性和渐近有效性
- 第七章 异方差性
- 7.1 异方差对OLS造成的影响
- 7.2 OLS估计后的异方差
- 7.3 OLS估计后的异方差-稳健推断
- 7.4 异方差的BP检验
- 7.5 异方差的怀特检验
- 7.6 加权最小二乘估计
- 7.7 异方差性检验的EViews软件操作
- 7.8 异方差修正的EViews软件操作
- 第八章 工具变量回归
- 8.1 有遗漏变量偏误该怎么办?
- 8.2 两阶段最小二乘估计
- 8.3 单个工具变量的IV估计与案例
- 8.4 多个工具变量的IV估计与案例
- 8.5 工具变量有效性的检验
- 8.6 工具变量的EViews软件操作
- 第九章 如何进行一个实证研究
- 9.1 实证论文写作
- 9.2 实证论文写作-实例分析
- 考试
Taught by
Changqi Tao, Yong Wang, Ye Xu, Ying Liao, Yuanjun Wang, Tingyan Xiong, Chengkun Liu, Hongcheng Ling, Feipeng Ding, and Zunrong Zhou