|
Stata以其简单易懂和功能强大受到初学者和高级用户的普遍欢迎。使用时可以每次只输入一个命令，也可以通过一个Stata程序一次输入多个命令。这样的话即使发生错误，也较容易找出并加以修改。 Stata有很多功能较强且简单的数据管理命令，能够让复杂的操作变得容易。 Stata也能够进行大多数统计分析（回归分析，logistic回归，生存分析，方差分析，因子分析，以及一些多变量分析）。Stata最大的优势可能在于回归分析，logistic回归。 Stata较好地实现了使用简便和功能强大两者的结合。
推荐书目：《计量经济学及Stata应用》、《高级计量经济学及Stata应用》，作者：陈强 推荐理由：陈强老师的计量经济学教材，在设计上单独章节工具变量、二值选择模型等，解决其他教材没有详细讲解这部分的疑问。而且陈老师教材行文，以生活实际来讲计量，容易理解。《高级计量经济学及Stata应用》还加入多值选择模型、非参数估计、贝叶斯估计等内容。
陈强老师 4.27-5.2 北京 高级计量经济学及Stata现场班 在原有四天班精彩内容基础上(含合成控制法、空间计量、断点回归、拐点回归等等)，这次六天高级现场班又增加了不少全新的前沿内容， 包括交互固定效应、因果图、回归控制法、分位数回归、门限回归、控制函数法、局部平均处理效应、机器学习与大数据等。 时间：2018年4月27-5月2日（六天） 地点：北京市海淀区中国青年政治学院
培训目的： 掌握高级计量经济学的核心方法及Stata操作，不再茫然，知其然而知其所以然，迅速成为处理数据及定量分析的高手。
课程特色： 直观地解释高级计量经济学方法，通过案例学习相应的Stata操作，深入浅出地介绍实证分析与论文写作的精髓。
课程配套资料： 课程PPT、数据集及相关论文。
课程简介： 本次高级计量经济学及Stata现场班，将根据首次现场班的反馈进一步完善。在课程内容的设计上，主要指导思想是在最快时间内，将高级计量及Stata的精髓及核心内容，以最通俗生动的语言以及大量的案例交给学员，并注重在各领域的常见应用，诸如面板数据、时间序列、工具变量法以及微观计量，乃至论文写作的各个环节技巧。由于学员的基础不同，本课程仅对学员背景做最低要求，即假设学员知道概率统计及少量线性代数，但不要求学过计量经济学或Stata操作。因为“大道至简至易”，初级计量与高级计量的本质是一样的，学子们最需要的是能够直指人心地洞明计量原理与操作工具，然后得心应手地用于实战（而非完成习作）。
课程大纲： 第一讲，OLS及其标准误。 着重介绍小样本与大样本OLS，以及相应的普通标准误、异方差稳健标准误、异方差自相关稳健标准误、聚类稳健标准误、自助标准误（bootstrap standard errors）。深切理解OLS的原理与适用条件，是一切计量原理的基础。
第二讲，Stata快速入门。 及时地介绍Stata知识，以OLS在Stata的实现作为入门，体会Stata的简单与强大。
第三讲，二值选择模型。 被解释变量为虚拟变量的二值选择模型有着广泛的应用。包括Probit，Logit，MLE与QMLE等。
第四讲，工具变量法。 由于双向因果、遗漏变量、度量误差的普遍存在，内生性是实证研究的常见难题，而工具变量法是解决内生性的利器，包括2SLS、GMM、控制函数法（Control Function）、包含内生变量的ivprobit、异质性工具变量法（Local Average TreatmentEffect）等。
第五讲，静态面板。 面板数据由于能控制个体异质性（heterogeneity），缓解遗漏变量偏差，在实践中越来越重要。静态面板是最常见的面板，包括固定效应、随机效应、时间效应、双向固定效应等。
第六讲，动态面板。 经济现象常具有某种惯性或部分调整，即被解释变量的滞后值出现在方程右边。动态面板也因为可自带工具变量而应用广泛。包括面板工具变量法（Panel IV）、差分GMM、水平GMM与系统GMM等。
第七讲，面板数据前沿： 交互固定效应（interactive fixed effects）将传统的双向固定效应进一步推广，因为现实经济中常存在多种冲击（shocks或factors），而不同个体对此冲击的反应不同（factor loading）。
第八讲，门限回归（Threshold Regression）： 包括横截面与面板模型的门限回归。
第九讲，非参数与半参数估计（Nonparametric and SemiparametricEstimations）。 非参与半参方法由于其稳健性而日益进入标准的计量工具箱，包括核密度估计、非参数回归与半参数回归等。
第十讲，随机实验、自然实验与双重差分法（Difference-in-Differences）。 实验方法因其可信度而日益兴起，包括随机实验、第一类与第二类自然实验。双重差分法利用面板数据的优势，可克服部分内生性，是研究政策或项目处理效应（treatment effects）的主要工具。包括双重差分法、平行趋势假设、三重差分法等。
第十一讲，倾向得分匹配（Propensity Score Matching）。 基于反事实的框架，根据个体进入处理组的概率（即倾向得分）寻找最佳替身进行匹配估计，这是研究处理效应的一种深邃思想与方法。包括倾向得分匹配、双重差分倾向得分匹配等。
第十二讲，控制变量的选择。 选择合适的控制变量是计量分析的重要步骤，而因果图方法（Causal Directed AcyclicGraph）提供了一个清晰的思考框架。
第十三讲，合成控制法（Synthetic Control Method）。 在评价某处理地区的政策效应时，将控制地区进行最优的线性组合，以构造合成控制地区进行对比，这是估计处理效应的新兴强大方法。包括合成控制法的统计推断与稳健性检验等。
第十四讲，回归控制法（Regression Control Method）。 与合成控制法类似，但使用回归法来构造合成控制地区（Hsiao et al., 2012）。
第十五讲，断点回归（Regression Discontinuity Design）与拐点回归（Regression Kink Design）。 由于在断点附近存在局部随机分组，故断点回归的效力接近于随机实验，日益为研究者所青睐。包括精确断点回归、模糊断点回归、空间断点回归等。
第十六讲，分位数回归。 线性回归只是研究在给定X的情况下，Y的条件期望E(Y|X)；而分位数回归则可研究在给定X的情况下，Y的整个条件分布Y|X，从而揭示更多信息。
第十七讲， 机器学习与大数据。 大数据与高维回归等机器学习(Machine Learning)方法正迅速成为经济学家的常用工具。本讲介绍Lasso, Ridge Regression, Elastic Net, Post Lasso, Double Lasso，主成分分析，因子分析等机器学习方法。
第十八讲，空间计量经济学（Spatial Econometrics）。 传统计量经济学通常忽略横截面单位的空间分布与相互影响，而空间计量经济学则是考察空间效应、溢出效应等的重要工具。包括空间权重矩阵、空间自回归、空间误差模型与空间面板等。 报名流程： |
|
|
