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2021年5天现场班

2021年Stata高级计量新课纲，讲授高级计量经济学与Stata的秘笈。

时间：2021年5月1-6日（六天）
地点：北京市海淀区（缴费后发送交通住宿指南）
安排：上午9:00-12:00；下午2:00-5:00；答疑5:00-5:30
费用：6200元 /5400元 (学生价，仅限全日制在读本科和硕士在读)；食宿自理
我要报名

讲师介绍：          

陈强，分别于1992年与1995年获得北京大学经济学学士与硕士学位，2007年获美国Northern IllinoisUniversity数学硕士与经济学博士学位，现任山东大学经济学院教授，博士生导师，泰岳经济研究中心副主任（主持工作）。主要研究领域为计量经济学、经济史。

已独立发表论文于Oxford Economic Papers (lead article)，Economica，Journalof Comparative Economics，《经济学(季刊)》、《世界经济》等国内外期刊。

著有畅销教材《高级计量经济学及Stata应用》（第2版，高教社，2014）与《计量经济学及Stata应用》（高教社，2015）。2010年入选教育部新世纪优秀人才支持计划。

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，将根据多次现场班的反馈进一步完善。在课程内容的设计上，主要指导思想是在较快时间内，将高级计量及Stata的精髓及核心内容，以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较低要求，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。OLS拓展主题：虚拟变量、交互项、核心变量与控制变量的区别（控制变量的内生性）。

案例：改革开放的结构变动；红薯与旱灾的交互项；校外学习机会的代理变量。

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。

案例：美国电力企业的规模效应；冰淇淋的需求。

第三讲，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、近乎外生的IV，控制函数法（Control Function）等。

案例：殖民者死亡率与制度；出生季度与教育年限；经济增长与非洲内战；国企改革的作用；警察与犯罪率；看电视与小儿自闭症；美国年轻男子的教育回报。

第四讲，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，QMLE，ivprobit，二元Probit，以及二值选择模型中的交互效应等。

案例：美国妇女的就业。

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，包括个体固定效应、随机效应、时间固定效应、双向固定效应、个体时间趋势、面板工具变量法（Panel IV）、交互固定效应（interactive fixed effects）等。

案例：美国交通死亡率，nlswork数据。

   

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。包括差分GMM、水平GMM与系统GMM等。

案例：美国工人的工资决定。

       

第七讲，非参数与半参数估计（Nonparametric and Semiparametric Estimations）。

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、核回归、K近邻回归、局部线性回归、局部多项式回归、LOWESS回归、半参数回归等。

案例：交互效应的设定误差；摩托车撞击实验；美国电力企业的规模效应。

   

第八讲，随机实验与自然实验。

实验方法因其可信度而日益兴起，成为实证研究的“黄金标准”，包括随机实验、第一类与第二类自然实验。

案例：劳动力市场的三个经典田野实验；最低工资立法与劳动力需求；越战老兵的长期收入。

       

第九讲，双重差分法（Difference-in-Differences，简记DID）。

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）的常用工具。内容包括双重差分法、多期异时DID、平行趋势检验、广义DID、三重差分法等。

案例：伦敦霍乱的自然实验；大萧条货币政策与银行数量；最低工资立法与劳动力需求；银行管制放松与收入分配（Big Bad Banks）；茶叶价格与性别比例；废除科举与革命起义；人工智能与国际贸易。

       

第十讲，匹配估计量（Matching Estimators）。

匹配估计量是反事实因果推断的重要方法，包括倾向得分匹配（Propensity Score Matching）、粗糙化精确匹配（CoarsenExact Matching）、偏差校正的马氏匹配（Bias-corrected Mahalanobis Matching），以及双重差分倾向得分匹配（PSM-DID）。同时介绍处理效应的其他估计方法，包括回归调整法（Regression Adjustment），逆概率加权法（Inverse Probability Weighting），双重稳健估计（DoublyRobust Estimator）。

案例：就业培训的处理效应；最低工资立法与劳动力需求。

       

第十一讲，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。内容包括精确断点回归、模糊断点回归、密度（操纵）检验、稳健性检验、拐点回归等。

案例：淮河以北冬季燃煤取暖与人均寿命；扶贫政策的效应；买房落户与户口价值；美国参议院选举的在位者优势；奖学金与大学入学；失业保险与失业期限。

       

第十二讲，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。包括合成控制法的原理、算法与安慰剂检验等。

案例：西班牙巴斯克地区恐怖活动的经济后果；加州控烟法的成效；德国统一的效应。

       

第十三讲，回归控制法（Regression Control Method）。

与合成控制法类似，但回归控制法使用回归法来构成反事实的控制地区（Hsiao et al., 2012），比合成控制法更为简便易行。

案例：中国香港回归以及与中国内地经济整合的效应；四万亿经济刺激的效应；上海与重庆房产税试点的效应。

       

第十四讲，异质性处理效应（Heterogeneous treatment effects）。

包含异质性工具变量法的局部平均处理效应（Local Average Treatment Effect，简记LATE），以及双向固定效应模型的异质性处理效应（de Chaisemartin and D'Haultfoeuille, 2020）、模糊双重差分法（fuzzy DID）等。

案例：就业培训项目的不完全遵守（imperfect compliance）；越战老兵的长期收入；报纸数量与大选投票率。

       

第十五讲，分位数回归（Quantile Regression）。

线性回归只是研究在给定X条件下， Y的条件期望E(Y|X)；而分位数回归则研究在给定X条件下，Y的整个条件分布Y|X，从而揭示更多重要信息。内容包括分位数回归、分位数处理效应、分位数工具变量法、面板分位数回归等。

案例：恩格尔的食品开支数据；美国年轻男子的教育回报；距大学远近与教育回报；美国交通死亡率。

！赠送陈强老师《计量经济学及Stata应用》视频（时长46小时）

 

报名流程：

1. 点击“我要报名”网上提交报名信息；

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；
4. 现场领取发票及邀请函。

优惠：

现场班老学员9折优惠；
同一单位三人以上同时报名9折优惠；

同一单位六人以上同时报名8折优惠；

以上优惠与学生价优惠均不叠加。

联系方式：

尹老师

电话:010-53352991

QQ:  42884447

邮箱: yinna@pinggu.org

微信：yinyinan888

根据缴费顺序安排座位哦！

CDA学员免费下载查看报告全文：2026全球数智化人才指数报告【CDA数据科学研究院】.pdf