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。
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!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14