计量经济学¶
课程总览。一句话定位：研究"如何用统计方法从经济数据中定量地刻画变量之间的关系、检验经济理论、做因果推断与预测"的理论与方法。本课程以回归分析为主线，先讲透横截面数据上的（多元）线性回归——估计、推断、渐近性质与各种现实问题（异方差、设定误差、内生性），再过渡到时间序列数据上的回归及其特有问题（趋势、平稳性、序列相关）。
内容体系对应 Wooldridge《计量经济学导论》（Introductory Econometrics: A Modern Approach）前 12 章，但本 wiki 按主题重组、自成一体，每页以"核心结论速览 + 折叠推导 + 例题 + 速查表"组织，便于复习与考前速查。
这门课在学什么¶
经济学的命题大多是定量的——"价格上涨 1% 会让需求下降多少""多读一年书工资会高多少"。计量经济学就是把这些命题写成可估计的模型，再用样本数据估出参数、判断其统计显著性、并尽量逼近因果而非仅仅相关。
与自然科学不同，经济数据多为观测数据（非实验数据）：研究者无法随机分配处理，于是"解释变量与误差相关"的内生性成为贯穿全课的核心威胁。整门课可以看作一条主线：
\[
y = \beta_0 + \beta_1 x_1 + \dots + \beta_k x_k + u
\]
围绕这个模型，依次回答四个问题——怎么估（OLS）、估得准不准（无偏性、方差、高斯–马尔可夫）、怎么做推断（\(t\) / \(F\) 检验、置信区间、大样本理论）、以及假设被违背时怎么办（异方差、设定误差、测量误差、序列相关）。
按数据结构，本课分两大板块：
| 板块 | 数据结构 | 关注的核心问题 |
|---|---|---|
| 第一部分（Ch1–9） | 横截面数据 | OLS 的估计与推断、遗漏变量与内生性、异方差、函数形式与设定 |
| 第二部分（Ch10–12） | 时间序列数据 | 趋势与季节性、平稳与弱相关、序列相关的检验与修正、ARCH |
内容地图¶
| 主题 | 内容 | 对应章 | 状态 |
|---|---|---|---|
| 计量经济学的性质与经济数据 | 什么是计量经济学、计量分析的基本路径、内生性来源、四类经济数据结构 | Ch1 | ✅ 已上线 |
| 简单回归模型 | SLR 模型、OLS 推导、拟合优度 \(R^2\)、度量单位与函数形式、SLR.1–5 与无偏性 / 方差 | Ch2 | ✅ 已上线 |
| 多元回归分析：估计 | 偏效应解释、遗漏变量偏误、多重共线性、MLR.1–5 与高斯–马尔可夫定理 | Ch3 | ✅ 已上线 |
| 多元回归分析：推断 | 抽样分布、\(t\) 检验、置信区间、线性约束与 \(F\) 检验 | Ch4 | ✅ 已上线 |
| OLS 的渐近性质 | 一致性、渐近正态、大样本推断、LM 统计量、渐近有效性 | Ch5 | ✅ 已上线 |
| 多元回归：深入专题 | \(\beta\) 系数、对数 / 二次 / 交互项、调整 \(R^2\)、预测与残差分析 | Ch6 | ✅ 已上线 |
| 含定性信息的回归 | 虚拟变量、交互与差异检验、线性概率模型、政策评估 | Ch7 | ✅ 已上线 |
| 异方差性 | 异方差对 OLS 的影响、稳健推断、BP / White 检验、加权最小二乘 | Ch8 | ✅ 已上线 |
| 模型设定与数据问题 | RESET 检验、代理变量、测量误差、缺失数据 / 异常值 | Ch9 | ✅ 已上线 |
| 时间序列数据回归 | 时间序列模型、有限分布滞后、TS.1–6 假设、趋势与季节性 | Ch10 | ✅ 已上线 |
| 时间序列的平稳性与渐近性 | 平稳与弱相关、OLS 渐近性质、单位根 / 随机游走、I(1) 与一阶差分 | Ch11 | ✅ 已上线 |
| 序列相关与异方差 | 序列相关对 OLS 的影响、DW / BG 检验、FGLS（CO / PW）、ARCH | Ch12 | ✅ 已上线 |
| Stata 常用命令速查 | 数据管理、回归、诊断检验、面板与时间序列常用命令 | 附录 | ✅ 已上线 |
全 12 章 + Stata 速查均已按"核心结论速览 + 折叠推导 + 例题 + 速查表"版式上线。
课程信息¶
- 教材：Wooldridge《计量经济学导论：现代观点》（前 12 章，横截面 + 时间序列）
- 先修课程：概率论与数理统计、线性代数（OLS 的矩阵推导与抽样分布需要）
- 工具：Stata（课程配套实证，命令见 Stata 速查）
- 学习重点：理解每条经典假设（SLR / MLR / TS）的含义、被违背时的后果与补救，而非死记公式