一、课程特点
1. 深入浅出，避免复杂的数理推导。
2. 注重理论基础，模型之间的逻辑与联系。
3. 侧重数据前期分析、模型构建与诊断。
4. 侧重模型结果分析与改善，做到清晰易懂。
5. 理论+习题+STATA+R 实践。
二、需要基础
1. 掌握基本的多元微积分运算、级数求和。
2. 线性方程组求解、特征值、二次型。
3. 常用的分布，随机变量函数、参数估计与假设检验。
三、适用学生
1. 经管类保研硕士、直博。
2. 经管类考博学生。
3. 需要用到数据分析和计量的其他专业学生。
4. 需要用实证方法做论文的硕士、博士。
四、课程安排
第一讲
1.时间：4.11（周六）上午 9:30-11:30
2.内容：小样本与大样本OLS、MLE、异方差、自相关、多重共线、虚拟变量、内生变量
第二讲
1. 时间：4.18（周六）上午9:30-11:30
2. 内容：非连续因变量的参数估计：logistic、probit、poisson、negative binomial regression等
第三讲
1. 时间4.25（周六）上午9:30-11:30
2. 内容：time series data and panel data
第四讲
1. 时间4.30(周四)上午9:30-11:30
2. 内容：蒙特卡洛和自助法，联立方程模型、空间计量模型、贝叶斯估计
1. 深入浅出，避免复杂的数理推导。
2. 注重理论基础，模型之间的逻辑与联系。
3. 侧重数据前期分析、模型构建与诊断。
4. 侧重模型结果分析与改善，做到清晰易懂。
5. 理论+习题+STATA+R 实践。
二、需要基础
1. 掌握基本的多元微积分运算、级数求和。
2. 线性方程组求解、特征值、二次型。
3. 常用的分布，随机变量函数、参数估计与假设检验。
三、适用学生
1. 经管类保研硕士、直博。
2. 经管类考博学生。
3. 需要用到数据分析和计量的其他专业学生。
4. 需要用实证方法做论文的硕士、博士。
四、课程安排
第一讲
1.时间：4.11（周六）上午 9:30-11:30
2.内容：小样本与大样本OLS、MLE、异方差、自相关、多重共线、虚拟变量、内生变量
第二讲
1. 时间：4.18（周六）上午9:30-11:30
2. 内容：非连续因变量的参数估计：logistic、probit、poisson、negative binomial regression等
第三讲
1. 时间4.25（周六）上午9:30-11:30
2. 内容：time series data and panel data
第四讲
1. 时间4.30(周四)上午9:30-11:30
2. 内容：蒙特卡洛和自助法，联立方程模型、空间计量模型、贝叶斯估计
