Splus與R高級培訓課程

內(nèi)容綱要：

1、線性回歸及其放寬假設(shè)條件模型

???????主要包括線性回歸最小二乘估計、極大似然估計、蒙特卡羅模擬最小二乘估計量的blue性質(zhì)、鄒至莊檢驗和遞歸最小二乘法比較、分段線性回歸、虛擬變量法、非線性回歸線性化、多重共線性的檢驗和克服、嶺回歸、偏最小二乘估計、主成分估計、加權(quán)最小二乘估計、廣義最小二乘估計、異方差的檢驗和克服、序列相關(guān)的檢驗和克服。

2、非線性優(yōu)化和非線性回歸估計

???????主要包括非線性無約束下優(yōu)化、非線性約束下優(yōu)化、非線性最小二乘法、非線性加權(quán)最小二乘法、非線性極大似然估計法。并通過實際講解如何選擇初始值、如何進行非線性模型檢驗等。充分透徹講解R語言是作非線性模型的絕佳軟件。

3、動態(tài)經(jīng)濟模型分析

???????主要包括分布滯后模型估計、滯后長度的選擇、alomon多項式法、自回歸模型估計、葛蘭杰因果關(guān)系檢驗等。

4、聯(lián)立方程分析

???????主要包括聯(lián)立方程的識別、聯(lián)立方程恰好識別下的的iv估計、ils估計、2sls估計的參數(shù)估計，以及通過實例證明iv、ils、2sls三種方法在恰好識別下的等價性；過度識別下的2sls、3sls估計。

5、離散選擇因變量模型

???????主要講解probit兩元模型、logit兩元模型、多元logit模型、有序因變量probit和logit模型、受限因變量tobit模型、計數(shù)因變量模型possion模型。

6、面板數(shù)據(jù)分析

???????主要講解面板數(shù)據(jù)混合模型、個體固定效應(yīng)模型、時間固定效應(yīng)模型、個體時間固定效應(yīng)模型、個體隨機效應(yīng)模型、時間隨機效應(yīng)模型、個體時間隨機效應(yīng)模型、變系數(shù)固定效應(yīng)模型、變系數(shù)隨機效應(yīng)模型。