對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)國(guó)際經(jīng)濟(jì)貿(mào)易學(xué)院2021年碩士研究生復(fù)試大綱—數(shù)量經(jīng)濟(jì)學(xué)

　　各位考生： 以下復(fù)試大綱僅供參考，各專業(yè)復(fù)試內(nèi)容不僅限于參考大綱內(nèi)容。且并非所有專業(yè)發(fā)布考試復(fù)試大綱，請(qǐng)各位考生周知。

　　數(shù)量經(jīng)濟(jì)學(xué)復(fù)試大綱

　　*需攜帶計(jì)算器

　　A：計(jì)量經(jīng)濟(jì)學(xué)部分（占70%）

　　一、概率統(tǒng)計(jì)基礎(chǔ)知識(shí)

　　(1)概率統(tǒng)計(jì)

　　（一）估計(jì)

　?。ǘ┘僭O(shè)檢驗(yàn)

　?。ㄈ┲眯艆^(qū)間

　　(2)統(tǒng)計(jì)理論

　?。ㄒ唬┛傮w，隨機(jī)變量，分布

　?。ǘ┓植嫉木兀ň?，方差，標(biāo)準(zhǔn)差，協(xié)方差，相關(guān)系數(shù)）

　?。ㄈl件分布，條件均值

　　（四）從總體中隨機(jī)抽取的樣本形成的分布Y1, …, Y

　　二、 一元線性回歸

　　(1)總體線性回歸模型

　　(2)普通最小二乘(OLS)估計(jì)量及樣本回歸線

　　(3)樣本回歸的擬合優(yōu)度

　　(4)最小二乘假設(shè)

　　(5)的樣本分布

　　(6)抽樣分布的均值和方差

　　(7)在大樣本下，的近似分布

　　(8)的影響因素

　　三、一元線性回歸的假設(shè)檢驗(yàn)和置信區(qū)間

　　(1)的標(biāo)準(zhǔn)誤

　　(2)關(guān)于的假設(shè)檢驗(yàn)

　　(3)的置信區(qū)間

　　(4)X為二值變量時(shí)的回歸

　　(5)異方差和同方差

　　(6)OLS的有效性與學(xué)生t分布

　　四、多元線性回歸

　　(1)遺漏變量偏差

　　(2)果關(guān)系與回歸分析

　　(3)多元回歸與OLS

　　（一）總體多元回歸模型

　?。ǘ┒嘣貧w中系數(shù)的解釋

　　（三）多元回歸中的OLS估計(jì)量

　　(4)擬合優(yōu)度

　　(5)第一節(jié) 多元線性回歸模型的基本假設(shè)

　　(6)OLS估計(jì)量的均值

　　(7)OLS估計(jì)量的方差

　　(8)完全多重共線性與不完全多重共線性

　　(9)虛擬變量陷阱

　　五、多元回歸中的假設(shè)檢驗(yàn)和置信區(qū)間

　　(1)單系數(shù)假設(shè)檢驗(yàn)和置信區(qū)間

　　(2)聯(lián)合假設(shè)檢驗(yàn)

　　(3)涉及多個(gè)系數(shù)的其他類型假設(shè)檢驗(yàn)

　　(4)目標(biāo)變量，控制變量，如何確定回歸模型中的變量

　　六、非線性回歸函數(shù)

　　(1)非線性回歸函數(shù)概述

　　(2)一元非線性函數(shù)

　?。ㄒ唬┒囗?xiàng)式回歸

　?。ǘ?duì)數(shù)變換

　?。ㄈ┢渌蔷€性函數(shù)

　?。ㄋ模┓蔷€性最小二乘

　　(3)二元非線性函數(shù)：交互作用

　?。ㄒ唬﹥蓚€(gè)二值變量的交互

　　（二）二值變量與連續(xù)變量的交互

　?。ㄈ﹥蓚€(gè)連續(xù)變量的交互作用

　　七、基于多元回歸的評(píng)估研究

　　(1)內(nèi)部和外部有效性

　　(2)內(nèi)部有效性的威脅

　?。ㄒ唬┻z漏變量偏差

　?。ǘ┗貧w函數(shù)形式的誤設(shè)

　?。ㄈ┳兞坑袦y(cè)量誤差

　?。ㄋ模┤笔?shù)據(jù)和樣本選擇

　?。ㄎ澹╇p向因果關(guān)系偏差

　　八、面板數(shù)據(jù)回歸

　　(1)面板數(shù)據(jù)的概念及其優(yōu)勢(shì)

　　(2)第二節(jié)具有兩個(gè)時(shí)期的面板數(shù)據(jù)

　　(3)個(gè)體固定效應(yīng)回歸

　?。ㄒ唬皀-1個(gè)二值變量”模型

　?。ǘ肮潭ㄐ?yīng)”模型

　　(4)時(shí)間固定效應(yīng)回歸

　?。ㄒ唬癟-1 二值變量”形式

　　（二）“時(shí)間效應(yīng)”形式

　　(5)固定效應(yīng)回歸的標(biāo)準(zhǔn)誤

　　九、二值因變量回歸

　　(1)線性概率模型

　　(2)Probit 和 Logit 回歸

　　(3)Probit 和 Logit模型的估計(jì)和推斷

　　十、工具變量回歸I

　　(1)工具變量（IV）回歸：概念， 兩階段最小二乘（TSLS）

　　(2)一般的IV回歸模型

　　(3)IV的有效性

　　(4)弱（Weak）工具變量和強(qiáng)（Strong）工具變量

　　(5)工具變量的外生性

　　B：數(shù)理經(jīng)濟(jì)學(xué)部分（占30%）

　　一、一元函數(shù)微分學(xué)的經(jīng)濟(jì)應(yīng)用

　?。?）函數(shù)單調(diào)性、曲線凹凸性和函數(shù)極值的經(jīng)濟(jì)應(yīng)用

　?。?）導(dǎo)數(shù)與微分的經(jīng)濟(jì)應(yīng)用

　　二、一元函數(shù)積分學(xué)的經(jīng)濟(jì)應(yīng)用

　　三、二元函數(shù)極值和條件極值的經(jīng)濟(jì)應(yīng)用

　　四、一個(gè)方程的隱函數(shù)定理的經(jīng)濟(jì)應(yīng)用

　　五、微分方程的簡(jiǎn)單經(jīng)濟(jì)應(yīng)用

　　六、矩陣?yán)碚摵途€性方程組理論的簡(jiǎn)單經(jīng)濟(jì)應(yīng)用