> Teaching > Econometrics
高级计量经济学 (2024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。
课程内容主要分为三部分。第一部分是回归分析，以多变量线性回归模型的矩阵表达为起点，讨论最小二乘估计量的代数、几何和统计学性质，并推导两个重要定理：Frisch-Waugh-Lovell 定理和 Gauss-Markov 定理。第二部分是对第一部分的扩展，包括非线性回归模型、工具变量估计和面板数据模型，并简要介绍最大似然估计和核密度估计。第三部分基于 Neyman-Rubin 潜在结果模型，介绍近年来比较流行的因果推断方法和在政策评估方面的应用。因时间有限，我们无法深入学习GMM、时间序列模型、结构方程模型、空间计量模型等其他主题。
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 7-8节，丽湖校区四方楼 北204
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：星期二 15:45-16:30
- 丽湖校区：需提前发邮件联系以确定接访时间和地点
成绩评价：出席率和课堂参与度 (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
- Cunningham, C., Causal Inference: The Mixtape. [Online version]
- Angrist, J. D. & Pischke, J.-S. (2014). Mastering ‘Metrics: The Path from Cause to Effect. Princeton University Press.
基础知识复习
在本门课程的学习中需要的概率论、统计学以及矩阵运算的基本知识点可以参考下面的资料。我们在课堂上会按需提及相应的知识点，但因时间有限无法展开讲解。同学们可以根据自身情况复习或补习相应内容。
- 概率 [slides]（2/28 更新）
- 统计 [slides]（2/28 更新）
- 矩阵 [slides]（2/28 更新）
- bilibili: 3Blue1Brown【官方双语】但是什么是中心极限定理？】
更多内容可参考
- Hanssen, B. (2022). Probability and Statistics for Economists. Princeton University Press.
- Hanssen, B. (2022). Econometrics. 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。课程资料会根据进程上传。
- Lecture 1: 导论
- [slides]（2/28 更新）
- 补充资料：[Online Appendices] of Greene (2020)
- Lecture 2: 线性回归模型与最小二乘估计
- [slides]（3/10 更新）
- Lecture 3: OLS 估计量的几何特征
- [slides]（3/17 更新）
- Lecture 4: Frisch-Waugh-Lovell 定理
- [slides]（4/1 更新）
- 课外阅读：Frisch & Waugh (1933), Lovell (1963)
- Lecture 5: OLS 估计量的统计学性质
- [slides]（
4/74/14 更新）
- [slides]（
- Lecture 6: Gauss-Markov 定理
- [slides]（4/14 更新）
- Lecture 7: 假设检验和区间估计
- [slides]（4/29 更新）
- 课外阅读：White (1980), MacKinnon & White (1985), MacKinnon (2005)
- Lecture 8: 非线性回归和工具变量估计
- [slides]（5/5 更新）
- 课外阅读：Angrist & Kruger (1991), Bound, Jaeger, & Baker (1995), Angrist, Imbens, & Kruger (1999)
Francis J. DiTraglis, A Good Instrument is a Bad Control
- Lecture 9: 最大似然估计
- [slides]（5/5 更新）
因端午节放假，本讲内容改为课外自学
- [slides]（5/5 更新）
- Lecture 10: 面板数据模型
- [slides]（5/10 更新）
- Lecture 11: 因果推断入门
- [slides]（5/20 更新）
- 课外阅读：Angrist & Pischke (2010)
- Lecture 12: 基于可观测协变量的因果推断方法
- [slides]（5/20 更新）
- 课外阅读：Rosenbaum & Rubin (1983), King & Nielsen (2019)
- Lecture 13: 基于不可观测协变量的因果推断方法（一）DID 与合成控制法
- [slides]（5/27 更新）
- Lecture 14: 基于不可观测协变量的因果推断方法（二）工具变量法和 LATE
- [slides]（5/27 更新）
- Lecture 15: 基于不可观测协变量的因果推断方法（三）断点回归设计
- [slides]（5/27 更新）
作业
- 作业（一）
- 作业（二）
- [题目] 相关文献：Reed (2015)
- 截止时间：2024年5月25日（星期六）23:59
- 提交方式：将答案存为PDF文件后，通过微助教提交。文件名为“A2_学号_姓名.pdf”，例如 A2_2024123456_张三.pdf
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 2024年6月24日（星期一），若变更另行通知
定于 2024年6月17日（星期一） 进行随堂考试（5/27 更新）