99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁CDA發(fā)布掌握高級計(jì)量經(jīng)濟(jì)學(xué)的核心方法及Stata操作_陳強(qiáng)老師主講
掌握高級計(jì)量經(jīng)濟(jì)學(xué)的核心方法及Stata操作_陳強(qiáng)老師主講
2022-04-03
收藏

Stata以其簡單易懂和功能強(qiáng)大受到初學(xué)者和高級用戶的普遍歡迎。使用時(shí)可以每次只輸入一個(gè)命令,也可以通過一個(gè)Stata程序一次輸入多個(gè)命令。這樣的話即使發(fā)生錯(cuò)誤,也較容易找出并加以修改。

Stata有很多功能較強(qiáng)且簡單的數(shù)據(jù)管理命令,能夠讓復(fù)雜的操作變得容易。

Stata也能夠進(jìn)行大多數(shù)統(tǒng)計(jì)分析(回歸分析,logistic回歸,生存分析,方差分析,因子分析,以及一些多變量分析)。Stata的優(yōu)勢可能在于回歸分析,logistic回歸。

Stata較好地實(shí)現(xiàn)了使用簡便和功能強(qiáng)大兩者的結(jié)合。


推薦書目:《計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》、《高級計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》,作者:陳強(qiáng)

推薦理由:陳強(qiáng)老師的計(jì)量經(jīng)濟(jì)學(xué)教材,在設(shè)計(jì)上單獨(dú)章節(jié)工具變量、二值選擇模型等,解決其他教材沒有詳細(xì)講解這部分的疑問。而且陳老師教材行文,以生活實(shí)際來講計(jì)量,容易理解。《高級計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》還加入多值選擇模型、非參數(shù)估計(jì)、貝葉斯估計(jì)等內(nèi)容。



高級計(jì)量經(jīng)濟(jì)學(xué)及Stata
陳強(qiáng)老師2021年5天現(xiàn)場班


2021年Stata高級計(jì)量新課綱,講授高級計(jì)量經(jīng)濟(jì)學(xué)與Stata的秘笈。

時(shí)間2021年5月1-6日(六天)
地點(diǎn):北京市海淀區(qū)(繳費(fèi)后發(fā)送交通住宿指南)
安排:上午9:00-12:00;下午2:00-5:00;答疑5:00-5:30
費(fèi)用:6200元 /5400元 (學(xué)生價(jià),僅限全日制在讀本科和碩士在讀);食宿自理

我要報(bào)名


講師介紹:          

陳強(qiáng),分別于1992年與1995年獲得北京大學(xué)經(jīng)濟(jì)學(xué)學(xué)士與碩士學(xué)位,2007年獲美國Northern IllinoisUniversity數(shù)學(xué)碩士與經(jīng)濟(jì)學(xué)博士學(xué)位,現(xiàn)任山東大學(xué)經(jīng)濟(jì)學(xué)院教授,博士生導(dǎo)師,泰岳經(jīng)濟(jì)研究中心副主任(主持工作)。主要研究領(lǐng)域?yàn)橛?jì)量經(jīng)濟(jì)學(xué)、經(jīng)濟(jì)史。

已獨(dú)立發(fā)表論文于Oxford Economic Papers (lead article),Economica,Journalof Comparative Economics,《經(jīng)濟(jì)學(xué)(季刊)》、《世界經(jīng)濟(jì)》等國內(nèi)外期刊。

著有暢銷教材《高級計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》(第2版,高教社,2014)與《計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》(高教社,2015)。2010年入選教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃。


培訓(xùn)目的:

掌握高級計(jì)量經(jīng)濟(jì)學(xué)的核心方法及Stata操作,不再茫然,知其然而知其所以然,迅速成為處理數(shù)據(jù)及定量分析的高手。


課程特色:

直觀地解釋高級計(jì)量經(jīng)濟(jì)學(xué)方法,通過案例學(xué)習(xí)相應(yīng)的Stata操作,深入淺出地介紹實(shí)證分析與論文寫作的精髓。


課程配套資料:

課程PPT、數(shù)據(jù)集及相關(guān)論文。


課程簡介:

      本次高級計(jì)量經(jīng)濟(jì)學(xué)及Stata現(xiàn)場班,將根據(jù)多次現(xiàn)場班的反饋進(jìn)一步完善。在課程內(nèi)容的設(shè)計(jì)上,主要指導(dǎo)思想是在較快時(shí)間內(nèi),將高級計(jì)量及Stata的精髓及核心內(nèi)容,以通俗生動(dòng)的語言以及大量的案例交給學(xué)員,并注重在各領(lǐng)域的常見應(yīng)用,諸如面板數(shù)據(jù)、時(shí)間序列、工具變量法以及微觀計(jì)量,乃至論文寫作的各個(gè)環(huán)節(jié)技巧。由于學(xué)員的基礎(chǔ)不同,本課程僅對學(xué)員背景做較低要求,即假設(shè)學(xué)員知道概率統(tǒng)計(jì)及少量線性代數(shù),但不要求學(xué)過計(jì)量經(jīng)濟(jì)學(xué)或Stata操作。因?yàn)椤按蟮乐梁喼烈住?,初級?jì)量與高級計(jì)量的本質(zhì)是一樣的,學(xué)子們需要的是能夠直指人心地洞明計(jì)量原理與操作工具,然后得心應(yīng)手地用于實(shí)戰(zhàn)(而非完成習(xí)作)。


課程大綱:

第一講,OLS及其標(biāo)準(zhǔn)誤。

著重介紹小樣本與大樣本OLS,以及相應(yīng)的普通標(biāo)準(zhǔn)誤、異方差穩(wěn)健標(biāo)準(zhǔn)誤、異方差自相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤、聚類穩(wěn)健標(biāo)準(zhǔn)誤、自助標(biāo)準(zhǔn)誤(bootstrap standard errors)。深切理解OLS的原理與適用條件,是一切計(jì)量原理的基礎(chǔ)。OLS拓展主題:虛擬變量、交互項(xiàng)、核心變量與控制變量的區(qū)別(控制變量的內(nèi)生性)。

案例:改革開放的結(jié)構(gòu)變動(dòng);紅薯與旱災(zāi)的交互項(xiàng);校外學(xué)習(xí)機(jī)會(huì)的代理變量。


第二講,Stata快速入門。

及時(shí)地介紹Stata知識,以O(shè)LS在Stata的實(shí)現(xiàn)作為入門,體會(huì)Stata的簡單與強(qiáng)大。

案例:美國電力企業(yè)的規(guī)模效應(yīng);冰淇淋的需求。


第三講,工具變量法。

由于雙向因果、遺漏變量、度量誤差的普遍存在,內(nèi)生性是實(shí)證研究的常見難題,而工具變量法是解決內(nèi)生性的利器,包括2SLS、GMM、近乎外生的IV,控制函數(shù)法(Control Function)等。

案例:殖民者死亡率與制度;出生季度與教育年限;經(jīng)濟(jì)增長與非洲內(nèi)戰(zhàn);國企改革的作用;警察與犯罪率;看電視與小兒自閉癥;美國年輕男子的教育回報(bào)。


第四講,二值選擇模型。

被解釋變量為虛擬變量的二值選擇模型有著廣泛的應(yīng)用。包括Probit,Logit,MLE,QMLE,ivprobit,二元Probit,以及二值選擇模型中的交互效應(yīng)等。

案例美國婦女的就業(yè)。


第五講,靜態(tài)面板。

面板數(shù)據(jù)由于能控制個(gè)體異質(zhì)性(heterogeneity),緩解遺漏變量偏差,在實(shí)踐中越來越重要。靜態(tài)面板是最常見的面板,包括個(gè)體固定效應(yīng)、隨機(jī)效應(yīng)、時(shí)間固定效應(yīng)、雙向固定效應(yīng)、個(gè)體時(shí)間趨勢、面板工具變量法(Panel IV)、交互固定效應(yīng)(interactive fixed effects)等。

案例美國交通死亡率,nlswork數(shù)據(jù)。

   

第六講,動(dòng)態(tài)面板。

經(jīng)濟(jì)現(xiàn)象常具有某種慣性或部分調(diào)整,即被解釋變量的滯后值出現(xiàn)在方程右邊。動(dòng)態(tài)面板也因?yàn)榭勺詭Чぞ咦兞慷鴳?yīng)用廣泛。包括差分GMM、水平GMM與系統(tǒng)GMM等。

案例:美國工人的工資決定。

       

第七講,非參數(shù)與半?yún)?shù)估計(jì)(Nonparametric and Semiparametric Estimations)。

非參與半?yún)⒎椒ㄓ捎谄浞€(wěn)健性而日益進(jìn)入標(biāo)準(zhǔn)的計(jì)量工具箱,包括核密度估計(jì)、核回歸、K近鄰回歸、局部線性回歸、局部多項(xiàng)式回歸、LOWESS回歸、半?yún)?shù)回歸等。

案例:交互效應(yīng)的設(shè)定誤差;摩托車撞擊實(shí)驗(yàn);美國電力企業(yè)的規(guī)模效應(yīng)。

   

第八講,隨機(jī)實(shí)驗(yàn)與自然實(shí)驗(yàn)。

實(shí)驗(yàn)方法因其可信度而日益興起,成為實(shí)證研究的“黃金標(biāo)準(zhǔn)”,包括隨機(jī)實(shí)驗(yàn)、第一類與第二類自然實(shí)驗(yàn)。

案例:勞動(dòng)力市場的三個(gè)經(jīng)典田野實(shí)驗(yàn);最低工資立法與勞動(dòng)力需求;越戰(zhàn)老兵的長期收入。

       

第九講,雙重差分法(Difference-in-Differences,簡記DID)。

雙重差分法利用面板數(shù)據(jù)的優(yōu)勢,可克服部分內(nèi)生性,是研究政策或項(xiàng)目處理效應(yīng)(treatment effects)的常用工具。內(nèi)容包括雙重差分法、多期異時(shí)DID、平行趨勢檢驗(yàn)、廣義DID、三重差分法等。

案例:倫敦霍亂的自然實(shí)驗(yàn);大蕭條貨幣政策與銀行數(shù)量;最低工資立法與勞動(dòng)力需求;銀行管制放松與收入分配(Big Bad Banks);茶葉價(jià)格與性別比例;廢除科舉與革命起義;人工智能與國際貿(mào)易。

       

第十講,匹配估計(jì)量(Matching Estimators)。

匹配估計(jì)量是反事實(shí)因果推斷的重要方法,包括傾向得分匹配(Propensity Score Matching)、粗糙化精確匹配(CoarsenExact Matching)、偏差校正的馬氏匹配(Bias-corrected Mahalanobis Matching),以及雙重差分傾向得分匹配(PSM-DID)。同時(shí)介紹處理效應(yīng)的其他估計(jì)方法,包括回歸調(diào)整法(Regression Adjustment),逆概率加權(quán)法(Inverse Probability Weighting),雙重穩(wěn)健估計(jì)(DoublyRobust Estimator)。

案例:就業(yè)培訓(xùn)的處理效應(yīng);最低工資立法與勞動(dòng)力需求。

       

第十一講,斷點(diǎn)回歸(Regression Discontinuity Design)與拐點(diǎn)回歸(Regression Kink Design)。

由于在斷點(diǎn)附近存在局部隨機(jī)分組,故斷點(diǎn)回歸的效力接近于隨機(jī)實(shí)驗(yàn),日益為研究者所青睞。內(nèi)容包括精確斷點(diǎn)回歸、模糊斷點(diǎn)回歸、密度(操縱)檢驗(yàn)、穩(wěn)健性檢驗(yàn)、拐點(diǎn)回歸等。

案例:淮河以北冬季燃煤取暖與人均壽命;扶貧政策的效應(yīng);買房落戶與戶口價(jià)值;美國參議院選舉的在位者優(yōu)勢;獎(jiǎng)學(xué)金與大學(xué)入學(xué);失業(yè)保險(xiǎn)與失業(yè)期限。

       

第十二講,合成控制法(Synthetic Control Method)。

在評價(jià)某處理地區(qū)的政策效應(yīng)時(shí),將控制地區(qū)進(jìn)行最優(yōu)的線性組合,以構(gòu)造合成控制地區(qū)進(jìn)行對比,這是估計(jì)處理效應(yīng)的新興強(qiáng)大方法。包括合成控制法的原理、算法與安慰劑檢驗(yàn)等。

案例:西班牙巴斯克地區(qū)恐怖活動(dòng)的經(jīng)濟(jì)后果;加州控?zé)煼ǖ某尚?;德國統(tǒng)一的效應(yīng)。

       

第十三講,回歸控制法(Regression Control Method)。

與合成控制法類似,但回歸控制法使用回歸法來構(gòu)成反事實(shí)的控制地區(qū)(Hsiao et al., 2012),比合成控制法更為簡便易行。

案例:中國香港回歸以及與中國內(nèi)地經(jīng)濟(jì)整合的效應(yīng);四萬億經(jīng)濟(jì)刺激的效應(yīng);上海與重慶房產(chǎn)稅試點(diǎn)的效應(yīng)。

       

第十四講,異質(zhì)性處理效應(yīng)(Heterogeneous treatment effects)。

包含異質(zhì)性工具變量法的局部平均處理效應(yīng)(Local Average Treatment Effect,簡記LATE),以及雙向固定效應(yīng)模型的異質(zhì)性處理效應(yīng)(de Chaisemartin and D'Haultfoeuille, 2020)、模糊雙重差分法(fuzzy DID)等。

案例:就業(yè)培訓(xùn)項(xiàng)目的不完全遵守(imperfect compliance);越戰(zhàn)老兵的長期收入;報(bào)紙數(shù)量與大選投票率。

       

第十五講,分位數(shù)回歸(Quantile Regression)。

線性回歸只是研究在給定X條件下, Y的條件期望E(Y|X);而分位數(shù)回歸則研究在給定X條件下,Y的整個(gè)條件分布Y|X,從而揭示更多重要信息。內(nèi)容包括分位數(shù)回歸、分位數(shù)處理效應(yīng)、分位數(shù)工具變量法、面板分位數(shù)回歸等。

案例恩格爾的食品開支數(shù)據(jù);美國年輕男子的教育回報(bào);距大學(xué)遠(yuǎn)近與教育回報(bào);美國交通死亡率。


!贈(zèng)送陳強(qiáng)老師《計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》視頻(時(shí)長46小時(shí))


 

報(bào)名流程:

1. 點(diǎn)擊“我要報(bào)名”網(wǎng)上提交報(bào)名信息;

2. 電話確認(rèn),訂單繳費(fèi);

3. 繳費(fèi)確認(rèn),開課前一周發(fā)送軟件準(zhǔn)備,電子版講義;
4. 現(xiàn)場領(lǐng)取發(fā)票及邀請函。


優(yōu)惠:

現(xiàn)場班老學(xué)員9折優(yōu)惠;
同一單位三人以上同時(shí)報(bào)名9折優(yōu)惠;

同一單位六人以上同時(shí)報(bào)名8折優(yōu)惠;

以上優(yōu)惠與學(xué)生價(jià)優(yōu)惠均不疊加。


聯(lián)系方式:

尹老師

電話:010-53352991

QQ:  42884447

郵箱: yinna@pinggu.org

微信:yinyinan888


根據(jù)繳費(fèi)順序安排座位哦!

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }