课程介绍:
Introductory Econometrics这门课知识点明确,除了前两章对数据分析和概率的回顾以及最后两章time series,其余十九个章节都是regression内容的学习。这门课的期末考试的主要题型就是简答和一些有套路性质的计算。由于总体而言题量较大时间比较紧张,所以需要同学们尤其好好熟练掌握关于regression部分的各个知识点,会计算更要能理解。
这门课的期末考试的主要题型就是简答和一些有套路性质的计算。由于总体而言题量较大时间比较紧张,所以需要同学们尤其好好熟练掌握关于regression部分的各个知识点,会计算更要能理解。
鉴于以上特点,IE的课程会帮助同学们梳理讲解每章的知识点并辅以涉及相关知识点的真题进行演练,并且会对重点和考点进行详细解析。最后在全面梳理完知识点后,选取更多的历年真题进行练习以及帮助同学们把握好高频题和重点题目。
平时班课程大纲:
IE的平时班班会帮助同学们梳理讲解IE大部分的知识点包括W1-W10的内容并辅以涉及相关知识点的练习题题进行演练,并且会对重点和考点进行详细解析。并且会帮助同学们分析讲解两个Assignments和Mid-term Exam,帮助大家在期末之前打好坚实的基础。
Lecture 1&2: 基础知识点回顾总结 | |
内容介绍 | Simple Linear Regression,Interval Estimation,Hypothesis Testing以及如何判断模型的拟合度 |
对应章节 | Lecture 1-10 |
难点分析 | 对于前四章关于基本知识点的回顾,会给同学们串讲一下IE的学习中需要用到的内容。会把前两讲的内容重点放在OLS estimators的性质,分析模型拟合度,HT涉及的类型以及大家很不熟悉的不同的functional forms及JB test。
IE的期末考试总会有一个数学推导或者证明类题目,这是大部分同学非常不擅长的,所以前两讲里我们就要结合我选择的past year exam paper里或者tutorial questions里的题目加以练习。此外,由于IE无论期中考还是期末,选择题是同学们一定要争取拿到满分的题目。所以对于琐碎小知识点的把握也尤为重要。 |
Lecture 3: Regression基础和Assignment 1 | |
内容介绍 | Assignment 1解析 |
对应章节 | 相关章节 |
难点分析 | 根据以往经验,两个Assignments都有有两种类型的题目,一类是类似past exam paper的大题(不需软件操作)。一类是需要用Eviews来分析数据。其实大家认真上tutorial就会掌握如何操作Eviews,但是如何分析题目选择合适的分析模式就是同学们要从老师这里学习的要点了。 |
Lecture 4&5: Multiple Regression | |
内容介绍 | MR;Assumptions及其applications;Dummy Variables |
对应章节 | Lecture 11-20 |
难点分析 | MR是IE的重点知识点,占了一学期超过50%的比例,这也是期末考试的一个重点部分,大概会有至少两道大题和若干选择题。其中HT中有难度的linear restrictions,dummy variables都是考察的重中之重。在掌握知识的同时,会结合稍微简单一点past exam paper的题目给大家进行练习演练。 |
Lecture 6: Assignment 2 & 模型问题 | |
内容 | Assignment 2解析以及模型存在问题的讲解,如多重共线性和异方差等。 |
对应章节 | Lecture 11-20 |
难点分析 | 首先就学习内容上,我们第六讲会重点讲解模型可能存在的问题,例如missing variables和异方差。并且Assignment2一般都会让大家用Eviews 做出出不同模型,然后通过三种类型的tests比较模型优缺点。此外,异方差是历届期末考试必考的一个大题。从assumption到solutions,都有非常系统的学习模式,帮助大家把握这部分的分数。 |
期末复习大纲:
十二小时的知识点整理,重点知识讲解,辅助真题的练习以及批改能够大大提高同学们对这门课模糊知识点的把握,辅导同学们到考前最后一秒并且希望大家都能取得满意的成绩,并且参加期末班的同学都可以拿到打印版的老师亲自总结梳理的全面的知识点讲义,也是我们上课依据的材料之一。
IE是一门结构清晰明确,但包含零散的小考点的课程,除了前两章对数据分析和概率的回顾以及最后两章time series,其余十九个章节都是regression内容的学习,包括simple regression和multiple regression,以及一些相对基础的interval estimation和hypothesis testing。
Lecture 1: 基础知识点回顾总结 | |
内容介绍 | Simple Linear Regression,Interval Estimation,Hypothesis Testing以及如何判断模型的拟合度 |
对应章节 | Lecture 1-10 |
难点 | Properties of least squares estimator, goodness of fit, applications and scaling, JB test |
作业 | 真题训练 侧重选择和判断题 |
Lecture 2&3: Multiple Regression | |
内容介绍 | Multiple regression各个相关知识点 |
对应章节 | Lecture 11-20 |
难点 | 不同类型的regression models,dummy variables,multicollinearity,heteroscedasticity如何考查 |
作业 | Past exam paper真题;选择判断题。 |
Lecture 4: Time Series | |
内容介绍 | Time series预测分析 |
对应章节 | Lecture 22-23 |
难点 | 如何理解该大题考察什么,如何回答 |
作业 | Past exam paper真题训练;选择判断题 |
Lecture 5&6: Past Year Exam Paper 两套;分类讲解;高度总结 | |
内容 | 精讲两套套题目,知识点高度总结;答题技巧 |
开班时间:
平时班:每学期第四周周末
期末班:每学期第十一周周末
作业班:平时班开课后,作业due前10天左右
评价
目前还没有评价
成为第一个“墨尔本大学 Introductory Econometrics” 的评价者