STATA软件是一款国际上非常流行的优秀的统计软件,是众多研究机构和公司在数据分析中的首选软件，并被很多国家和国际组织指定为官方使用软件。
STATA强大的统计与计量分析功能、精致的绘图、简单易行的窗口操作、简练便捷的编程、强大的MATA矩阵运算、丰富的网络资源等功能使其成为世界上用户最多的软件之一，被高度评价为“数据分析的操作系统”,可以实现诸多的统计分析方法，如单元统计、多元统计等内容；还包括了许多经典和前沿的计量模型，如单方程回归模型、离散选择模型、分位数回归、时间序列分析、面板数据分析、蒙特卡洛模拟和自举法等。
有效提升论文发表与Stata应用技能
时间：初级：2018年1月13-16日 (四天)
讲师介绍：
连玉君，经济学博士，副教授。2007年7月毕业于西安交通大学金禾经济研究中心，现任教于中山大学岭南学院金融系。主讲课程为“金融计量”、“计量分析与Stata应用”、“实证金融”等。
已在《China Economic Review》、《经济研究》、《管理世界》、《经济学(季刊)》、《金融研究》、《统计研究》等期刊发表论文60余篇。连玉君副教授主持国家自然科学基金项目（2项）、教育部人文社科基金项目、广东自然科学基金项目等课题项目10余项。
目前已完成Panel VAR、Panel Threshold、Two-tier Stochastic Frontier等计量模型的Stata实现程序，并编写过几十个小程序，如xtbalance、winsor2、bdiff、hausmanxt、ttable3、hhi5等。
初级班课程大纲
|
专题名称 |
授课内容 |
|
第1讲（3小时） Stata简介 |
数据的导入和导出 执行指令和基本统计分析 do文件和log文件的使用 帮助文件的使用和外部命令的获取 一篇范例文档 |
|
第2讲（3小时） 数据处理 |
数据的横向合并和纵向追加 重复样本值、缺漏值和离群值的处理 基本统计量的呈现 基本统计分析(组间均值差异和中位数差异检验) 文字变量的处理 大型数据的处理范例(GTA数据库和工业企业数据库) |
|
第3讲（3小时） Stata程序 |
局域暂元和全局暂元（local, global） 控制语句（条件语句、循环语句） Stata中的各类函数 分组回归分析 范例：盈余管理程度的估算、现金持有调整系数的估算 |
|
第4讲（3小时） 普通最小二乘法 (OLS) |
线性回归模型估计方法（OLS） 假设检验和统计推断 Bootstrap、Jackknife及稳健性标准误的获取 虚拟变量 |
|
第5讲（3小时） 模型的设定和解释 |
交乘项和平方项的使用及解释 R2分解和贡献度分析 分组回归和组间系数差异检验 估计结果的呈现和分析 范文2篇 |
|
第6讲（3小时） 内生性问题及估计方法： IV-GMM 倍分法(DID, D-in-D) |
工具变量法（IV） 广义矩估计法（GMM）简介 内生性检验：是否存在内生性 过度识别检验：工具变量的合理性 倍分法(Difference in Difference)简介 PSM-DID 应用实例（介绍2篇论文） |
|
第7讲（3小时） 静态面板数据模型 |
静态面板模型：固定效应和随机效应 基于Bootstrap的Hausman检验 异方差和序列相关（Bootstrap、Cluster调整标准误） 包含内生变量的固定效应模型 实证分析中的常见问题 应用实例（介绍3篇论文） |
|
第8讲（3小时） 论文写作与发表专题 |
Endnote和Google Scholar的使用 论文的选题 如何梳理和评述文献 研究贡献的陈述 研究设计与论文的修改 修改报告的撰写 (与审稿人有效沟通) |
高级班课程大纲
|
第1讲（3小时） 动态面板模型 面板VAR模型 |
一阶差分GMM估计量（FD-GMM） 序列相关检验和过度识别检验（Sargan检验） 面板VAR模型简介 冲击反应函数 (IRF)、方差分解 (FEVD) 应用实例（介绍3篇论文） |
|
第2讲（3小时） 面板门槛模型 |
Bootstrap简介 截面门槛模型（Cross-sectional Threshold Model） 面板门槛模型（Panel Threshold Model） 应用实例（介绍2篇论文） |
|
第3讲（3小时） Logit模型 |
Logit模型简介 模型设定、估计方法和结果的解释 多元Logit模型 (Multinomial Logit) 有序Logit模型 (Ordered Logit) 应用实例（介绍2篇论文） |
|
第4讲（3小时） 内生性问题专题I： Heckman选择模型 处理效应模型 倾向得分匹配分析(PSM) |
Heckman选择模型（Heckman Selection Model） 处理效应模型（Treatment Effect Model） 倾向得分匹配分析（Propensity Score Matching, PSM） 配对方法：精确配对、半径匹配、最近邻匹配等 共同支撑假设和平行假设 应用实例（介绍2篇论文） |
|
第5讲（3小时） 内生性问题专题II： 合成控制法 (Synthetic control methods) |
合成控制法简介 精讲一篇经典论文(Stata实现过程)：Abadie, A., A. Diamond, J. Hainmueller, 2010, Synthetic control methods for comparative case studies: Estimating the effect of california's tobacco control program, Journal of the American Statistical Association, 105 (490): 493-505. |
|
第6讲（3小时） 内生性问题专题III： 断点回归分析(RDD) |
Regression Discontinuity Design (RDD) 简介 范例：2篇文章 |
|
第7讲（3小时） 学术论文精讲 Faulkender and Wang (2006, JF) |
Faulkender, M., R. Wang, 2006, Corporate Financial Policy and the Value of Cash, Journal of Finance, 61 (4): 1957-1990.
|
|
第8讲（3小时） 课题标书的撰写 |
评审专家的习惯和偏好 关于选题和子课题的设定 研究基础、研究目标、研究内容、研究难点 特色和创新点的提炼 标书的结构和标书的修改 经验分享：一份中标的自科标书 |
1. 无论报初级班还是高级班，缴费成功后都享受如下优惠：
√ （a）赠送与所报课程相同的stata视频教程，
即报初级班送初级班视频，报高级班送高级班视频，报全程送【初级+高级+论文攻略】视频；
√ （b）5折优惠购买未赠送的其他Stata视频；
2，现场班老学员9折优惠；
6，优惠2,3,4,5不叠加。
PS：根据报名缴费顺序安排现场座位。
报名流程：
1. 点击“初级/高级/全程班报名”网上提交报名信息，报名时请留言报全程还是初级，高级~
2. 电话确认，订单缴费；
3. 缴费确认，开课前一周发送软件准备，电子版讲义；
联系方式：
魏老师
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
Python凭借简洁的语法、丰富的生态库，成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中，卷积操作是实现数据特征提取的核心引擎，更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”，越来越多的企业意识到，转型的核心并非技术的堆砌，而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中，数据透视表凭借高效的汇总、分组功能，成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中，“计 ...
2026-04-02在数字化交互的全场景中，用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”，内容APP ...
2026-04-02在数字化转型深度推进的今天，企业数据已成为驱动业务增长、构建核心竞争力的战略资产，而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中，数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待，认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代，企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中，企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”，而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代，每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单，APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中，我们常常需要判断两个分类变量之间是否存在关联（如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA（Certified Data Analyst）数据分析师的职场实战与认证考核中，“可解释性建模”是核心需求之一——企业决策中，不仅需要 ...
2026-03-31多层感知机（MLP，Multilayer Perceptron）作为深度学习中最基础、最经典的神经网络模型，其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中，数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力，还容易出现 ...
2026-03-30在CDA（Certified Data Analyst）数据分析师的日常工作中，“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质，是让模型通过对数据的学习，自主挖掘规律、实现预测与决策，而这一过程的核心驱动力，并非单一参数的独立作用， ...
2026-03-27在SQL Server数据库操作中，日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配，还是业务 ...
2026-03-27在CDA（Certified Data Analyst）数据分析师的能力体系与职场实操中，高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中，特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代，数据分析能力已不再是数据从业者的专属技能，而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
