> Teaching > Econometrics
高级计量经济学 (2023年春夏)
本页面包含深圳大学经济学院国际商务（专业学位）硕士课程 高级计量经济学 的相关内容，包括课程信息、课程资料、作业发布等。本页面内容随课程进程推进而不断更新，请选课同学定期关注。
本门课程以理论学习为主，要求选课学生掌握本科阶段的概率论、统计学、微积分、线性代数、初级计量经济学的基本内容，并了解至少一种计量分析软件（例如 Stata 或 R 等) 的使用方法。不具备以上知识储备的同学可参考下面列出的参考书或本网站内容自行学习。实证练习为课后自主进行。
课程内容主要分为两部分。第一部分深入学习线性模型和最小二乘估计，并推广至NLS、GLS以及IV估计。因时间有限，我们不讨论GMM、ML等其他估计方法，以及时间序列模型等内容。第二部分简要学习反事实因果推断，包括双重差分、断点回归设计、IV、合成控制法。
基本信息
课程代码/国际课程代码：1206078/MAS5011E
上课时间与地点：星期一 9-10节，丽湖校区四方楼 北203
任课教师：黄嘉平
联系方式：请发邮件至 huangjp #at# szu . edu . cn
办公室：粤海校区汇文楼1510
接访时间：
- 粤海校区办公室：星期四12:30-13:30
- 丽湖校区守正楼三楼自习室：星期三12:30-13:30，需提前发邮件联系以确定接访地点
成绩评价：签到 (20%) + 作业 (30%) + 期末考核 (50%)
教学辅助工具：微助教（主要用于签到和发布资料）
主要参考书：
- Davidson, R. & MacKinnon, J. G. (2021). Econometric Theory and Methods. Oxford University Press.
本书可以在作者网站下载：http://qed.econ.queensu.ca/ETM/ - Angrist, J. D. & Pischke, J.-S. (2009). Mostly Harmless Econometrics: An Empiricist’s Companion. Princeton University Press.
参考资料
初等至中等难度
- Wooldridge, J. M. (2020). Introductory Econometrics: A Modern Approach, 7th Edition. Cengage Learning.
- Stock, J. H. & Watson, M. W. (2020). Introduction to Econometrics, 4th Edition. Pearson.
- Maddala, G. S. & Lahiri, K. (2009). Introduction to Econometrics, 4th Edition. Wiley.
- 本门课程2021年资料（内容比较简单，等同或略高于本科水平）.
中等以上难度
- Goldberger, R. S. (1991). A Course in Econometrics. Harvard University Press.
- William H. Greene (2020). Econometric Analysis, 8th Edition, Global Edition. Pearson.
- Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data, 2nd Edition. MIT Press.
- Cameron, A. & Trivedi, P. (2015). Microeconometrics: Methods and Applications, Cambridge University Press.
- 陈强，高级计量经济学及Stata应用（第二版），高等教育出版社，2014
- 洪永淼，高级计量经济学，高等教育出版社，2011
因果推断
- Scott Cunningham, Causal Inference: The Mixtape. [Online version]
- Angrist, J. D. & Pischke, J.-S. (2014). Mastering ‘Metrics: The Path from Cause to Effect. Princeton University Press.
进度与资料
以下为教学计划。实际教学进度可能根据实际情况进行必要的调整。
- Lecture 1
- 绪论：[slides]
补充资料：[Online Appendices of Greene (2020)] of Greene (2020)
- 绪论：[slides]
- Lecture 2
- 最小二乘估计（OLS）：[slides]
- Lecture 3
- 线性模型的几何特征：[slides]
- Lecture 4
- Frisch-Waugh-Lovell 定理：[slides]
课外阅读：
- Frisch-Waugh-Lovell 定理：[slides]
- Lecture 5
- OLS 的统计学性质（一）：[slides]
- Lecture 6
- OLS 的统计学性质（二）：[slides]
- Lecture 7
- 假设检验（一）：[slides]
- Lecture 8
- 假设检验（二）、置信区间、HCCME：[slides]
课外阅读：
- 假设检验（二）、置信区间、HCCME：[slides]
- Lecture 9
- 非线形回归、NLS、GLS：[slides]
- Lecture 10
- Lecture 11
- Neyman-Rubin 因果模型：[slides]
- Lecture 12
- 双重差分法（DID）和合成控制法（synthetic control）：[slides]
课外阅读：
- 双重差分法（DID）和合成控制法（synthetic control）：[slides]
- Lecture 13
- 工具变量法和LATE：[slides]
- Lecture 14
作业
小组作业1（2023年4月17日更新）
- 作业内容及提交方式：详见“微助教”
- 提交截止时间：2023年5月7日（星期日）23:59
期末考试
期末考试采取随堂考试形式。
- 形式与要求：开卷，只可以参考纸质资料（可以是出版物，也可以是笔记或复印资料），不可以使用电子设备（包括手机、电脑等），不可以和别人讨论
- 考试日期：暂定在 2022年6月19日（星期一），若变更另行通知