北师计量经济学考博真题通常涵盖理论深度、应用能力及前沿方法，旨在考察考生对计量经济学核心概念、模型推导、实证分析及批判性思维的掌握程度，以下从题型分布、核心考点及备考建议三方面展开分析。
题型结构与命题特点
北师计量经济学考博真题一般分为三部分：基础理论题（30%）、模型推导与应用题（40%）、实证分析与论述题（30%），题型包括名词解释、简答、证明、计算及案例分析，注重理论与实践结合，2025年真题要求证明工具变量法（IV）的有效性，并分析内生性来源；2025年则要求设计一个识别政策效应的准实验方案，命题趋势显示，对因果推断、高维数据及机器学习计量方法的考察逐年增加。
核心考点解析
-
经典计量理论
- 线性回归模型：需熟练掌握BLUE性质、异方差与自相关的检验（如Breusch-Pagan检验、Durbin-Watson检验）及修正方法（GLS、FGLS）。
- 工具变量法：重点识别工具变量的有效性（外生性、相关性），如两阶段最小二乘法（2SLS）的渐近性质及弱工具变量的诊断（Stock-Yogo检验）。
- 时间序列分析：平稳性检验（ADF、PP检验）、协整（Engle-Granger两步法）及VAR模型的应用,如脉冲响应函数的解释。
-
因果推断前沿方法
- 准实验设计：双重差分法（DID）的平行趋势假设检验、三重差分（DDD）的应用场景，以及断点回归（RD）的局部随机化框架。
- 处理效应异质性：分位数处理效应（QTE）、匹配方法（PSM、CEM）的适用条件及局限性。
-
高维数据与机器学习
（图片来源网络，侵删）- 预测问题：LASSO、弹性网（Elastic Net）在变量选择中的优势，与逐步回归的对比。
- 内生性处理：控制函数法（Control Function）、双重机器学习（DML）的原理及实现步骤。
-
专题模块
- 面板数据：固定效应与随机效应的豪斯曼检验，动态面板（Arellano-Bond GMM）的适用性。
- 非参数与半参数模型：核密度估计、部分线性模型的估计方法。
真题示例与解题思路
以下为典型真题的解题框架（以2025年计算题为例）： 给定面板数据模型 ( y_{it} = \alphai + \beta x{it} + \epsilon_{it} )，( \alphai ) 为个体固定效应，若 ( x{it} ) 与 ( \epsilon_{it} ) 相关，如何估计 ( \beta )？说明步骤并讨论估计量的性质。
解答：
- 方法选择：采用一阶差分法（FD）或组内变换（Within Transformation）消除 ( \alpha_i )。
- 步骤：
- 一阶差分：( \Delta y{it} = \beta \Delta x{it} + \Delta \epsilon_{it} )，( \Delta ) 表示一阶差分。
- 组内变换：( y_{it} - \bar{y}i = \beta (x{it} - \bar{x}i) + (\epsilon{it} - \bar{\epsilon}_i) )。
- 性质讨论：
- 若 ( \Delta x{it} ) 与 ( \Delta \epsilon{it} ) 不相关，FD估计量一致；否则需使用工具变量（如 ( \Delta x_{it} ) 的滞后项）。
- 标准误需聚类到个体层面以解决序列相关。
备考建议
- 教材与文献：
- 基础：伍德里奇《计量经济学导论》及《横截面与面板数据的计量经济学》。
- 进阶：Angrist & Pischke《 Mostly Harmless Econometrics》、Hastie & Tibshirani《统计学习导论》。
- 实践训练：
- 使用Stata/R实现DID、RD等模型，分析公开数据集（如PSID、CHFS）。
- 复习经典论文（如Card & Krueger 1994的最低工资研究）。
- 热点追踪：关注计量经济学顶刊（Econometrica、JASA）中的因果推断与机器学习计量新方法。
相关问答FAQs
Q1: 如何应对考题中未接触过的计量新方法？
A1: 首先明确方法的核心目标（如解决内生性、高维降维），通过“假设-估计-检验”的逻辑框架拆解问题，若时间允许，可类比已知方法（如将DML与2SLS对比），推导其估计量的一致性条件，答题时需展示对计量哲学的理解，尽管方法新颖，但需满足外生性或重叠假设”。
Q2: 证明题中如何组织推导步骤？
A2: 分三步展开：①明确假设（如工具变量相关性 ( \text{Cov}(z, x) \neq 0 )）；②逐步代数变形（如从2SLS的第二阶段 ( \hat{\beta}_{2SLS} = (X'P_z X)^{-1} X'P_z y ) 出发）；③讨论渐近性质（一致性、正态性），关键步骤需标注（如“由 Slutsky 定理”）,避免跳过逻辑链条。
