- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
高级计量经济学与stata应用期末知识点
Chap.3小样本OLS
1.小样本OLS的假定、推导、拟合优度、性质
2.t检验、F检验
Chap.5大样本OLS
1.为何需要大样本理论
2.随机收敛的三种情况、关系
3.大数定律、中心极限定理
4.统计量大样本性质:均方误差、一致性
5.随机过程:严格平稳、弱平稳(白噪声)、鞅、
鞅差分序列
6.渐近独立定理、鞅差分序列的中心极限定理
7.大样本OLS的假定、性质、检验
Chap.6最大似然估计法
1.MLE基本思想,得分函数
2.线性模型的MLE:假定、与OLS估计量的对比
3.高斯-牛顿法
4.信息矩阵、克莱默-劳下限
5.MLE的大样本性质
6.三类等价的统计检验
7.准最大似然估计什么情况下是一致的
8.正态分布假设的检验:JB检验
Chap.7异方差
1.异方差及其后果
2.异方差的检验
3.异方差的处理
4.GLS,WLS,FGLS
Chap.8自相关
1.自相关及其后果
2.自相关的检验
3.自相关的处理
Chap.9模型设定与数据问题
1.遗漏变量(两种情况)、处理方法(其中理想代
理变量的条件)
2.无关变量(与遗漏变量相比谁危害更大)
3.解释变量个数的选择标准
4.函数形式的检验
5.多重共线性(严格/近似),VIF,处理
6.极端数据:lev
7.虚拟变量,虚拟变量陷阱
8.经济结构变动的检验
Chap.10工具变量法
1.内生解释变量与工具变量法
2.有效工具变量的两个条件
3.工具变量法作为一种矩估计:秩条件,阶条件
4.2SLS的思想、步骤
5.工具变量的检验:对解释变量内生性的检验(豪
斯曼检验)、不可识别检验、弱工具变量检验(相
关性)、过度识别检验(外生性)
6.广义矩估计GMM的假定、推导、大样本性质
7.MLE、OLS与GMM的关系
Chap.11二值选择模型
1.线性概率模型及其优缺点
2.非线性:Probit,Logit模型(几率、几率比),
拟合优度的衡量
Chap.15短面板
1.面板数据的特点、优点
2.面板数据的估计策略:混合回归、个体效应模
型(个体固定效应模型、双向固定效应模型、
随机效应模型)
3.FEorRE:豪斯曼检验
Chap.16长面板与动态面板
1.长面板:扰动项非iid的情况、处理
2.短动态面板:差分/水平/系统GMM
3.长动态面板:偏差校正LSDV法
Chap.18随机实验、自然实验与双重差分法
1.理想的随机实验、因果效应、差分估计量、自
然实验
2.双重差分法及其优缺点
3.一般的DD模型:假定,不符合假定的处理方
法
Chap.19蒙特卡罗法和自助法
1.蒙特卡罗法的思想和用途
2.蒙特卡罗法的缺点(与自助法对比)
3.自助法的思想、用途、类型
4.用自助法估计标准误的步骤
Chap.26分位数回归
1.为什么需要分位数回归(与OLS对比)
2.条件分位数函数(推导、形式:线性)
3.样本分位数估计总体分位数的方法
4.分位数回归的估计方法(假定、推导、性质)
Chap.27非参数与半参数估计
1.为什么需要非参数估计(对比参数估计)
2.对密度函数的非参数估计(核密度估计)
3.核密度估计的性质(偏差,方差,一致性,渐
进正态)
4.最优带宽的选择
5.非参数核回归的原理
6.K近邻回归的原理
7.局部线性回归的原理
Chap.28-01倾向得分匹配
1.处理效应(ATE,ATT,ATU)
2.选择难题(含义、处理、与样本选择问题的区
别)
3.依可测变量选择
4.可忽略性假设
5.匹配估计量的思想、倾向得分匹配(倾向得分、
倾向得分匹配的含义、步骤、局限)、双重差分倾向得分匹配
(适用情况、均值可忽略假定、估计量、步骤)
6.重叠假定
7.最近邻匹配法:K近邻匹配、卡尺匹配、卡尺
内最近邻匹配
文档评论(0)