高级计量经济学 (2026秋冬)

本页面包含深圳大学中国经济特区研究中心理论经济学博士课程 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，要求选课学生掌握概率论、统计学、微积分、线性代数、中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中的其他内容自行学习。实证方面的练习为课后自主进行。

本门课程总共为36学时，每周3课时，共进行12周。课程将涵盖线性回归模型、面板数据、工具变量法、极大似然估计、潜在结果模型和因果推断等内容。由于课堂中的时间有限，且选课学生的专业背景和对基础知识的掌握程度各异，我们将灵活调整授课内容的难度和侧重点。

基本信息

课程代码/国际课程代码：6002004/Thec8027
上课时间与地点：（2026秋冬）3-14周 星期一/6-8节，粤海校区汇文楼行政楼1722
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：（2026秋冬）粤海校区办公室，星期一 15:45-16:30
成绩评价：平时作业 (30%) + 文献分享（30%）+ 期末考核 (40%)
主要参考书：

Davidson, R. & MacKinnon, J. G. (2004). Econometric Theory and Methods. Oxford University Press. 本书可以在作者网站下载：http://qed.econ.queensu.ca/ETM/

参考资料

计量经济学基础

  1. DeGroot, M. H. & Schervish, M. J. (2012). Probability and Statistics, 4th Edition. Pearson.
  2. Hansen, B. E. (2022). Probability and Statistics for Economists. Princeton University Press.
  3. Leon, S. J. & de Pillis, L. (2020). Linear Algebra with Applications, 10th Edition. Pearson.

初等至中等难度

  1. Wooldridge, J. M. (2020). Introductory Econometrics: A Modern Approach, 7th Edition. Cengage Learning.
  2. Stock, J. H. & Watson, M. W. (2020). Introduction to Econometrics, 4th Edition. Pearson.
  3. Maddala, G. S. & Lahiri, K. (2009). Introduction to Econometrics, 4th Edition. Wiley.
  4. 硕士高级计量经济学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

  1. Goldberger, R. S. (1991). A Course in Econometrics. Harvard University Press.
  2. William H. Greene (2020). Econometric Analysis, 8th Edition, Global Edition. Pearson.
  3. Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data, 2nd Edition. MIT Press.
  4. Cameron, A. & Trivedi, P. (2015). Microeconometrics: Methods and Applications, Cambridge University Press.
  5. Hansen, B. E. (2022). Econometrics. Princeton University Press.
  6. 陈强，高级计量经济学及Stata应用（第二版），高等教育出版社，2014.
  7. 洪永淼，高级计量经济学，高等教育出版社，2011.

因果推断

  1. Scott Cunningham, Causal Inference: The Mixtape. [Website]
  2. Angrist, J. D. & Pischke, J.-S. (2014). Mastering ‘Metrics: The Path from Cause to Effect. Princeton University Press.
  3. Angrist, J. D. & Pischke, J.-S. (2009). Mostly Harmless Econometrics: An Empiricist’s Companion. Princeton University Press.
  4. Morgan, S. L. & Winship, C. (2015). Counterfactuals and Causal Inference: Methods and Principles for Social Research, 2nd Edition. Cambridge University Press.
  5. Pearl, J. (2009). Causality: Models, Reasonings, and Inference, 2nd Edition. Cambridge University Press.
  6. Pearl, J., Glymour, M., & Jewell, N. P. (2016). Causal Inference in Statistics: A Primer. Wiley.
  7. Hernán, M. A. & Robins, J. M. (2020). Causal Inference: What If. CRC Press. [PDF]
  8. Huntington-Klein, N. (2022). The Effect: An Introduction to Research Design and Causality. CRC Press. [Website]

教学资料

  • Lecture 0
  • Lecture 1
  • Lecture 2
  • Lecture 3
    • 线性回归模型（一）最小二乘解 [slides]
  • Lecture 4
    • 线性回归模型（二）几何特征 [slides]
  • Lecture 5
    • 线性回归模型（三）Frisch-Waugh-Lovell 定理 [slides]
  • Lecture 6
    • 线性回归模型（四）OLS估计量的统计学性质 [slides]
  • Lecture 7
  • Lecture 8
    • 大样本检验、区间估计、异方差稳健标准误 [slides]
  • Lecture 9
  • Lecture 10
  • Lecture 11
    • 最大（极大）似然估计 [slides]
  • Lecture 12
  • Lecture 13
    • Neyman-Rubin 潜在结果模型 [slides]
  • Lecture 14
    • 基于可观测协变量的因果推断：匹配 [slides]
  • Lecture 15
    • 基于不可观测协变量的因果推断（一）：双重差分与合成控制 [slides]
  • Lecture 16
    • 基于不可观测协变量的因果推断（二）：IV与LATE [slides]
  • Lecture 17
    • 基于不可观测协变量的因果推断（三）：断点回归设计 [slides]

作业

（内容待定）

期末考核

期末考核采取课程论文形式，具体要求如下

  • 论文内容：
    • 阅读论文
      （内容待定）
    • 总结论文的内容和观点。总字数控制在 5000 字左右。
  • 注意事项：
    • 应做到排版美观整洁、风格统一。
    • 禁止使用由 AI 生成的文本。
    • 注意正确引用文献。
  • 提交方法：