【正文】 教學(xué)方式: 課堂(老師主講)考核方式: 考試教材(含經(jīng)典學(xué)術(shù)名著)及參考文獻(xiàn)(含境內(nèi)外學(xué)科主流名刊)：Lehmann, . (1998). Theory of Point Estimation. SpringerVerlag, New York Berlin Heidelberg, 2nd 。鄭忠國，童行偉，趙慧，（2012），高等統(tǒng)計(jì)學(xué)，北京大學(xué)出版社。Huber, P. J. (1981). Robust Statistics, New York: 。趕輾雛紈顆鋝討躍滿賺蜆騍純蠅驪銬。為經(jīng)濟(jì)統(tǒng)計(jì)學(xué)專業(yè)學(xué)習(xí)打下堅(jiān)實(shí)基礎(chǔ)，為宏觀經(jīng)濟(jì)研究提供方法論支持。主要內(nèi)容: SNA核算體系修訂研究、國民經(jīng)濟(jì)核算方法專題研究主要章節(jié)：第一章：國民經(jīng)濟(jì)核算理論與發(fā)展167。2. 中國國民經(jīng)濟(jì)核算30年回顧第二章：SNA2008修訂與進(jìn)展167。2. 機(jī)構(gòu)部門修訂167。4. 知識(shí)產(chǎn)權(quán)產(chǎn)品167。6. 社會(huì)保險(xiǎn)核算167。8. 雇員股票期權(quán)167。1. 生產(chǎn)與進(jìn)品稅專題167。3. 自有住房服務(wù)專題167。5. 住戶無酬勞動(dòng)核算專題167。1. FISIM核算方法167。3. 資本存量專題第五章：貿(mào)易與國際收支核算167。2. 國際收支核算專題第六章：價(jià)格核算167。第七章：衛(wèi)星賬戶與擴(kuò)展研究167。2. 非正規(guī)部門核算167。對(duì)任課教師的要求: 本領(lǐng)域博士生導(dǎo)師大綱撰寫人: 宋旭光《非參數(shù)統(tǒng)計(jì)》教學(xué)大綱課程中文名稱：非參數(shù)統(tǒng)計(jì)課程英文名稱：Nonparametric Statistics總學(xué)時(shí): 36 學(xué)分: 2適用專業(yè)(學(xué)科方向): 統(tǒng)計(jì)學(xué)、應(yīng)用統(tǒng)計(jì)先修課程(含已具備的學(xué)識(shí)基礎(chǔ)的要求): 數(shù)理統(tǒng)計(jì)教學(xué)目標(biāo):通過本課程的學(xué)習(xí)，使學(xué)生掌握經(jīng)典和現(xiàn)代主要非參數(shù)方法。主要內(nèi)容: 介紹U統(tǒng)計(jì)量，線性秩統(tǒng)計(jì)量，局部最優(yōu)勢(shì)檢驗(yàn)和檢驗(yàn)的漸進(jìn)相對(duì)效率，可微統(tǒng)計(jì)泛函，泛函delta方法，L，M，R 估計(jì)，Bootstrap方法，非參數(shù)密度估計(jì)，非參數(shù)回歸等。偽澀錕攢鴛擋緬鐒鈞錠鈴鉍蹌鏟驊擷。平時(shí)成績(jī)包括習(xí)題討論，內(nèi)容演講，編寫程序等方面的考核，平時(shí)成績(jī)占60%。教材及參考文獻(xiàn)：Randles, R. H. and Wolfe, D. A. (1979) Introduction to The Theory of Nonparametric Statistics. 。Green, P. J. and Silverman, B. W. (1994) Nonparametric regression and generalized linear models: a roughness penalty approach. Chapman and ?！敦惾~斯統(tǒng)計(jì)》教學(xué)大綱課程中文名稱：貝葉斯統(tǒng)計(jì)課程英文名稱：Bayesian Analysis總學(xué)時(shí): 36 學(xué)分:2適用專業(yè)(學(xué)科方向): 統(tǒng)計(jì)學(xué)先修課程(含已具備的學(xué)識(shí)基礎(chǔ)的要求):概率論與數(shù)理統(tǒng)計(jì)教學(xué)目標(biāo):了解貝葉斯統(tǒng)計(jì)的基本思想，掌握貝葉斯統(tǒng)計(jì)的基本方法，為在實(shí)際中使用和研究貝葉斯統(tǒng)計(jì)打下了良好的基礎(chǔ)邁蔦賺陘賓唄擷鷦訟湊幟結(jié)廢擴(kuò)駑彎。主要章節(jié)：第一章：先驗(yàn)分布與后驗(yàn)分布核心要點(diǎn)貝葉斯公式，多參數(shù)模型1. 三種信息167。3. 共軛先驗(yàn)分布167。5. 多參數(shù)模型167。1. 條件方法167。3. 區(qū)間估計(jì)167。5. 預(yù)測(cè)167。1. 主觀概率167。3. 利用邊際分布確定先驗(yàn)密度167。5. 多層先驗(yàn)第四章：決策中的收益、損失與效用核心要點(diǎn)三要素的定義及其計(jì)算函數(shù)等167。2. 決策準(zhǔn)則167。4. 損失函數(shù)167。6. 效用函數(shù)第五章：貝葉斯決策核心要點(diǎn)常用損失函數(shù)下的貝葉斯估計(jì)167。2. 后驗(yàn)風(fēng)險(xiǎn)準(zhǔn)則167。4. 抽樣信息期望值167。6. 二行動(dòng)線性決策問題的EVPI第六章：統(tǒng)計(jì)決策理論核心要點(diǎn)對(duì)風(fēng)險(xiǎn)函數(shù)的理解，貝葉斯風(fēng)險(xiǎn)167。2. 容許性167。4. 貝葉斯風(fēng)險(xiǎn)167。1. MCMC介紹167。3. Gibbs抽樣167。5. MCMC收斂性診斷教學(xué)方式:以老師講授為主，學(xué)生討論為輔?！禨tatistical Decision Theory and Bayesian Analysis》，Springer出版社嶁硤貪塒廩袞憫倉華糲饃勵(lì)騮詡駐賭。大綱撰寫人: 李慧《統(tǒng)計(jì)計(jì)算》教學(xué)大綱課程中文名稱：統(tǒng)計(jì)計(jì)算課程英文名稱：Statistical Computation總學(xué)時(shí): 36 學(xué)分: 2適用專業(yè)(學(xué)科方向): 統(tǒng)計(jì)學(xué)、應(yīng)用統(tǒng)計(jì)先修課程(含已具備的學(xué)識(shí)基礎(chǔ)的要求): 數(shù)理統(tǒng)計(jì)教學(xué)目標(biāo):通過本課程的學(xué)習(xí)，使學(xué)生掌握統(tǒng)計(jì)中常用的算法，能進(jìn)行統(tǒng)計(jì)模擬試驗(yàn)，模型擬合等。主要內(nèi)容: 介紹統(tǒng)計(jì)中常用的算法。根據(jù)學(xué)生的基礎(chǔ)可適當(dāng)增減學(xué)習(xí)內(nèi)容。主要章節(jié)：第一章：回顧核心要點(diǎn)167。2. 概率分布167。4. 統(tǒng)計(jì)極限理論，馬氏鏈第二章：優(yōu)化與求解非線性方程核心要點(diǎn)167。2. 對(duì)于多元問題：Newton法和Fisher得分法，類Newton法，GaussNewton法，非線性GaussSeidel迭代和其他方法劇妝諢貰攖蘋塒呂侖廟痙湯籪糶駒責(zé)。1. k最優(yōu)局部搜索，隨機(jī)初值的局部搜索167。3. 模擬退火167。1. 缺失數(shù)據(jù)、邊際化167。3. EM變型（對(duì)E步和M步的改進(jìn)，加速方法）第五章：數(shù)值積分核心要點(diǎn)167。2. Romberg 積分167。4. 數(shù)值積分常見的問題第六章：模擬與Monte Carlo 積分核心要點(diǎn)167。2. 不服從常見參數(shù)分布的隨機(jī)變量的模擬167。1. MetropolisHastings算法167。3. Gibbs抽樣第八章：MCMC中的深入論題核心要點(diǎn)167。2. 可逆跳躍MCMC167。4. 馬爾可夫隨機(jī)域上的MCMC 算法167。1. Bootstrap的基本原則167。3. 基于Bootstrap回歸的方法167。5. 縮減Monte Carlo誤差167。7. 置換檢驗(yàn)第十章：非參密度估計(jì)核心要點(diǎn)167。2. 核密度估計(jì)167。4. 多元方法第十一章：二元光滑方法核心要點(diǎn)167。2. 線性光滑函數(shù)167。4. 非線性光滑函數(shù)167。6. 一般二元數(shù)據(jù)第十二章：多元光滑方法核心要點(diǎn)167。2. 一般多元數(shù)據(jù)光滑方法教學(xué)方式: 課堂講授、分組討論考核方式: 開卷考試，編寫任意一種算法的程序并進(jìn)行模擬實(shí)驗(yàn)或者完成部分書后習(xí)題。臠龍訛驄椏業(yè)變墊羅蘄囂馱廣閏駙孫。Annals of StatisticsJournal of the Royal Statistical SocietyJournal of the American Statistical AssociationBiometrikaComputational Statistics and Data AnalysisJournal of Computational and Graphical StatisticsCommunications in Statistics—Simulation and Computation穡釓虛綹滟鰻絲懷紓濼視嬌賭謗駔墮。隸誆熒鑒獫綱鴣攣駘賽澇鈧籜軍驢該。主要內(nèi)容: 泊松過程和一般點(diǎn)過程，離散時(shí)間參數(shù)馬氏鏈，更新過程，連續(xù)時(shí)間參數(shù)馬氏鏈和一般馬氏過程，馬爾科夫更新過程，布朗運(yùn)動(dòng)與其它擴(kuò)散過程。浹繢膩叢著駕驃構(gòu)碭湊農(nóng)瑤帳結(jié)駁噴。平時(shí)成績(jī)包括習(xí)題討論，內(nèi)容演講，編寫程序等方面的考核，平時(shí)成績(jī)占60%。教材及參考文獻(xiàn)：1． Ross，S. M. (2007) 應(yīng)用隨機(jī)過程. 英文版第九版，人民郵電出版社.2． 錢敏平，龔光魯 (1997) 隨機(jī)過程論. 北京大學(xué)出版社.3． Cox, D. R. and Isham, D. R. (1980) Point Process. Chapman and Hall. 愜執(zhí)緝蘿紳頎陽灣熗鍵艤訥贓棧馴嘆。預(yù)期效果:學(xué)生較熟練使用時(shí)序的相關(guān)理論和模型,對(duì)實(shí)際時(shí)序數(shù)據(jù)進(jìn)行統(tǒng)計(jì)建模分析主要內(nèi)容: 從兩個(gè)研究角度入手:,譜域內(nèi)容主要有第七,。1. 應(yīng)用背景167。1. 時(shí)間序列實(shí)例167。3. 時(shí)間序列與隨機(jī)過程167。5. 線性差分方程第三章：有限參數(shù)模型核心要點(diǎn)ARMA模型,ARIMA模型,乘積模型,常見的非線性模型167。2. 滑動(dòng)平均模型167。4. 趨勢(shì)與求和模型167。6. 回歸與自回歸混合模型167。167。2. 自協(xié)方差,自相關(guān)和偏相關(guān)函數(shù)的估計(jì)167。167。6. 求和模型與季節(jié)模型的處理方法167。8. 回歸與自回歸混合模型的處理方法167。1. 最小方差估計(jì)與線性最小方差估計(jì)167。3. ARMA模型及其它模型中序列的預(yù)報(bào)方法167。1. 異方差的概念167。3. 幾種處理時(shí)序中異方差的方法第七章：時(shí)間序列的頻域描述方法核心要點(diǎn)自協(xié)方差函數(shù)的譜表示167。2. 平穩(wěn)時(shí)間序列的譜表示第八章：時(shí)間序列的頻域統(tǒng)計(jì)分析核心要點(diǎn)周期圖，F(xiàn)ourier變換167。167。4. 自回歸譜估計(jì)、滑動(dòng)平均譜估計(jì)和極大似然譜估計(jì)第八章：多元時(shí)間序列核心要點(diǎn) VAR模型167。2. 均值與自協(xié)方差函數(shù)的估計(jì)167。4. 多元平穩(wěn)序列的譜分析教學(xué)方式: 在講授理論時(shí)，輔助一統(tǒng)計(jì)軟件。考核方式: 考試教材(含經(jīng)典學(xué)術(shù)名著)及參考文獻(xiàn)(含境內(nèi)外學(xué)科主流名刊)：《時(shí)間序列分析》，安鴻志編著，華東師范大學(xué)出版社。對(duì)任課教師的要求: 博士，學(xué)過時(shí)間序列分析等相應(yīng)的課程。紳藪瘡顴訝標(biāo)販繯轅賽憮賄豎毆饉蒞。主要內(nèi)容: 主要章節(jié)：第一講緒論一、抽樣調(diào)查的定義二、抽樣調(diào)查的發(fā)展史三、抽樣調(diào)查的應(yīng)用及其實(shí)施程序簡(jiǎn)介四、幾組基本概念概率抽樣與非概率抽樣抽樣誤差與非抽樣誤差均方誤差、方差、偏倚（Bias）誤差限與置信度精度與費(fèi)用其它基本概念第二章簡(jiǎn)單隨機(jī)抽樣一、簡(jiǎn)單隨機(jī)抽樣的定義與抽樣方法簡(jiǎn)單隨機(jī)抽樣的定義簡(jiǎn)單隨機(jī)抽樣的方法二、各種估計(jì)量及其性質(zhì)不放回簡(jiǎn)單隨機(jī)抽樣的總體均值與總體總量的簡(jiǎn)單估計(jì)（1）總體均值的簡(jiǎn)單估計(jì)量（2）總體總量的簡(jiǎn)單估計(jì)量（3）總體均值與總體總量的簡(jiǎn)單估計(jì)量的性質(zhì)總體比例（成數(shù)）的簡(jiǎn)單估計(jì)（1）成數(shù)P（2）成數(shù)P的簡(jiǎn)單估計(jì)量（3）P的簡(jiǎn)單估計(jì)量的性質(zhì)（4）P的置信區(qū)間三、樣本量的確定影響樣本量確定的主要因素估計(jì)總體均值時(shí)樣本量的確定方法估計(jì)總體比例時(shí)樣本量的確定方法確定樣本量時(shí)總體參數(shù)的預(yù)先估計(jì)方法四、設(shè)計(jì)效應(yīng)deff 的定義deff 的作用第三章分層隨機(jī)抽樣一、定義及相應(yīng)標(biāo)記分層抽樣分層隨機(jī)抽樣相應(yīng)標(biāo)記二、分層抽樣的簡(jiǎn)單估計(jì)量及其性質(zhì)總體總量和總體均值的簡(jiǎn)單估計(jì)量總體比例的簡(jiǎn)單估計(jì)量三、各層樣本量的分配分層的幾種方法按比例分配最優(yōu)分配（optimum allocation）Neyman分配某些層需要進(jìn)行大于100%抽樣的修正四、總樣本量的確定分層隨機(jī)抽樣n的決定因素調(diào)查目標(biāo)為總體均值時(shí)樣本量的確定調(diào)查目標(biāo)為Y 時(shí)樣本量的確定調(diào)查目標(biāo)為總體比例P時(shí)，n的確定給定費(fèi)用CT時(shí)樣本量的確定五、分層時(shí)的若干問題分層界限的確定層數(shù)的確定分層隨機(jī)抽樣的效果分析事后分層（poststratification）子總體的估計(jì)定額抽樣（quota sampling）第四講比估計(jì)、回歸估計(jì)與二重抽樣一、問題引出二、比估計(jì)相關(guān)定義比估計(jì)量的性質(zhì)比估計(jì)與簡(jiǎn)單估計(jì)的比較三、回歸估計(jì)定義 β為常數(shù)時(shí)，回歸估計(jì)量的性質(zhì)β為樣本回歸系數(shù)n大時(shí)，回歸估計(jì)（β＝b）、比估計(jì)及簡(jiǎn)單估計(jì)的方差比較四、分層比估計(jì)與分層回歸估計(jì)分別比估計(jì)與分別回歸估計(jì)聯(lián)合比估計(jì)與聯(lián)合回歸估計(jì)分別與聯(lián)合的比較五、二重抽樣引入引入原因二重抽樣（double sampling)定義與兩階段抽樣的比較作用二重抽樣估計(jì)量求均值與方差的一般公式六、為分層的二重抽樣二重分層抽樣選樣方法二重分層抽樣估計(jì)量及其性質(zhì)七、為比估計(jì)與回歸估計(jì)的二重抽樣抽樣步驟方法二重抽樣的比估計(jì)量及其性質(zhì)二重抽樣的回歸估計(jì)量及其性質(zhì)八、二重抽樣中樣本量的最優(yōu)分配問題的引出二重分層抽樣中樣本量的最優(yōu)分配二重比估計(jì)與回歸估計(jì)時(shí)樣本量的最優(yōu)分配第五講不等概抽樣一、概述現(xiàn)實(shí)中的問題不等概抽樣的定義不等概抽樣的種類不等概抽樣的評(píng)價(jià)不等概抽樣的應(yīng)用二、放回不等概抽樣（PPS抽樣）多項(xiàng)抽樣與PPS抽樣多項(xiàng)抽樣的方法估計(jì)量及其性質(zhì)三、不放回不等概抽樣（πPS抽樣）包含概率與πPS抽樣HorvitzThompson估計(jì)量及其性質(zhì)n不同情況下的嚴(yán)格πPS抽樣四、案例分析第六講整群抽樣一、概述基本概念整群抽樣實(shí)施中的問題整群抽樣特點(diǎn)二、群大小相等時(shí)的估計(jì)符號(hào)說明估計(jì)量及其性質(zhì)群內(nèi)相關(guān)系數(shù)及其性質(zhì)設(shè)計(jì)效應(yīng)分析三、整群時(shí)總體比例的估計(jì)引入群大小相等時(shí)P的估計(jì)群大小不等時(shí)P的估計(jì)四、群大小不等時(shí)的估計(jì)群大小不等時(shí)的處理方法相關(guān)標(biāo)記的說明簡(jiǎn)單隨機(jī)抽樣——簡(jiǎn)單估計(jì)等概抽樣——加權(quán)估計(jì)簡(jiǎn)單隨機(jī)抽樣——比估計(jì)與群規(guī)模成比例的不等概抽樣第七講二階及多階抽樣一、概述二階抽樣多階抽樣的實(shí)施多階段抽樣的特點(diǎn)二階抽樣的推斷原理二、初級(jí)單元大小相等的二階抽樣假設(shè)及標(biāo)記說明估計(jì)量及其性質(zhì)總體比例的估計(jì)量及其性質(zhì)三、初級(jí)單元大小不等的二階抽樣問題的引入相關(guān)標(biāo)記說明