Stata以其簡(jiǎn)單易懂和功能強(qiáng)大受到初學(xué)者和高級(jí)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(guò)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(jiǎn)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(shì)可能在于回歸分析，logistic回歸。

Stata較好地實(shí)現(xiàn)了使用簡(jiǎn)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(jí)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(méi)有詳細(xì)講解這部分的疑問(wèn)。而且陳老師教材行文，以生活實(shí)際來(lái)講計(jì)量，容易理解?！陡呒?jí)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。

2021年Stata高級(jí)計(jì)量新課綱，講授高級(jí)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(guó)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(guó)內(nèi)外期刊。

著有暢銷教材《高級(jí)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(jí)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(jí)計(jì)量經(jīng)濟(jì)學(xué)方法，通過(guò)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(jiǎn)介：

      本次高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata現(xiàn)場(chǎng)班，將根據(jù)多次現(xiàn)場(chǎng)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(jí)計(jì)量及Stata的精髓及核心內(nèi)容，以通俗生動(dòng)的語(yǔ)言以及大量的案例交給學(xué)員，并注重在各領(lǐng)域的常見(jiàn)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(duì)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(guò)計(jì)量經(jīng)濟(jì)學(xué)或Stata操作。因?yàn)椤按蟮乐梁?jiǎn)至易”，初級(jí)計(jì)量與高級(jí)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(kāi)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(shí)，以O(shè)LS在Stata的實(shí)現(xiàn)作為入門，體會(huì)Stata的簡(jiǎn)單與強(qiáng)大。

案例：美國(guó)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(jiàn)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(zhǎng)與非洲內(nèi)戰(zhàn)；國(guó)企改革的作用；警察與犯罪率；看電視與小兒自閉癥；美國(guó)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(guó)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(lái)越重要。靜態(tài)面板是最常見(jiàn)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(shì)、面板工具變量法（Panel IV）、交互固定效應(yīng)（interactive fixed effects）等。

案例：美國(guó)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(guó)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(guó)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(chǎng)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(zhǎng)期收入。

第九講，雙重差分法（Difference-in-Differences，簡(jiǎn)記DID）。

雙重差分法利用面板數(shù)據(jù)的優(yōu)勢(shì)，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(shì)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(guó)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(guó)參議院選舉的在位者優(yōu)勢(shì)；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(píng)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(duì)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?guó)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(lái)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(jiǎn)便易行。

案例：中國(guó)香港回歸以及與中國(guó)內(nèi)地經(jīng)濟(jì)整合的效應(yīng)；四萬(wàn)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(jiǎn)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(zhǎng)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(kāi)支數(shù)據(jù)；美國(guó)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(guó)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(zhǎng)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(kāi)課前一周發(fā)送軟件準(zhǔn)備，電子版講義；
4. 現(xiàn)場(chǎng)領(lǐng)取發(fā)票及邀請(qǐng)函。

優(yōu)惠：

現(xiàn)場(chǎng)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！