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
在数据工作的全流程中，数据清洗是最基础、最耗时，同时也是最关键的核心环节，无论后续是做常规数据分析、可视化报表，还是开展 ...
2026-03-20在大数据与数据驱动决策的当下，“数据分析”与“数据挖掘”是高频出现的两个核心概念，也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA（Certified Data Analyst）数据分析师的全流程工作闭环中，统计制图是连接严谨统计分析与高效业务沟通的关键纽带，更是CDA ...
2026-03-20在MySQL数据库优化中，分区表是处理海量数据的核心手段——通过将大表按分区键（如时间、地域、ID范围）分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域，同比、环比增长率是分析数据变化趋势的核心指标——同比（YoY）聚焦“长期趋势”，通过当前周期与 ...
2026-03-19在数据分析与建模领域，流传着一句行业共识：“数据决定上限，特征决定下限”。对CDA（Certified Data Analyst）数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值，在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案，解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域，高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进，垃圾结果出”，这是数据分析领域的黄金法则，更是CDA（Certified Data Analyst）数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中，决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势，成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中，卡方检验是一类基于卡方分布的假设检验方法，核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中，企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中，订单数据分散在交易平 ...
2026-03-17在数字化时代，数据分析已成为企业决策、业务优化、增长突破的核心支撑，从数据仓库搭建（如维度表与事实表的设计）、数据采集清 ...
2026-03-16在数据仓库建设、数据分析（尤其是用户行为分析、业务指标分析）的实践中，维度表与事实表是两大核心组件，二者相互依存、缺一不 ...
2026-03-16数据是CDA（Certified Data Analyst）数据分析师开展一切工作的核心载体，而数据读取作为数据生命周期的关键环节，是连接原始数 ...
2026-03-16在用户行为分析实践中，很多从业者会陷入一个核心误区：过度关注“当前数据的分析结果”，却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代，用户的每一次点击、浏览、停留、转化，都在传递着真实的需求信号。用户行为分析，本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业，量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA（Certi ...
2026-03-13在机器学习建模体系中，随机森林作为集成学习的经典算法，凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势，成为分类、 ...
2026-03-12在机器学习建模过程中，“哪些特征对预测结果影响最大？”“如何筛选核心特征、剔除冗余信息？”是从业者最常面临的核心问题。随 ...
2026-03-12
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
