随着大数据时代的到来，数据驱动的决策变得越来越重要。无论是经济学者、社会学研究者，还是人工智能领域的探索者，掌握数据分析的核心技能已成为跨学科研究的必备条件。
今天，我们要为大家介绍一门能够满足这一需求的精彩课程——高级计量Stata之因果推断。
课程概览
本次课程由山东大学经济学院的陈强教授亲自授课，将于2024年5月1日至4日在上海举办。课程内容涵盖了随机实验与自然实验、工具变量法、匹配估计量、断点回归、合成控制法、回归控制法、两期DID、经典多期DID、交叠DID、一般DID与连续DID、DDD与合成DID、队列DID等多个领域，旨在帮助学员深入理解并掌握因果推断的核心方法。
多学科适用性
这门课程不仅适合经济学和社会科学领域的学者和学生，也同样适合人工智能学院的研究者和从业者。在人工智能领域，机器学习和数据挖掘需要准确的因果推断来避免算法的偏差和误解。通过学习这门课程，AI领域的专家们可以更好地理解数据背后的因果关系，从而设计出更加精准和有效的算法模型。
教学特色
陈强教授的教学风格深入浅出，能够将复杂的计量经济学理论与实际操作相结合，使得学员们能够快速掌握并应用所学知识。课程还提供了丰富的案例分析，让学员们能够通过实践来巩固理论知识。
学员反馈
往期学员们对陈强教授的课程给予了高度评价。无论是经济学专业的学生，还是社会学、人工智能等其他领域的学者，都表示通过这门课程获得了宝贵的知识和技能，对他们的研究和工作产生了积极的影响。
课程信息
培训时间： 2024年5月1-4日（四天）
培训地点： 上海市（提供交通住宿指南）
授课安排： 上午9:00-12:00；下午2:00-5:00；答疑5:00-6:00
→ 授课与答疑均是陈强老师本人
→ 根据缴费顺序安排座位
→ 赠送陈强老师【计量经济学及Stata应用】视频（时长46小时）
授课嘉宾简介
陈强老师，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 Illinois University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。主要研究领域为计量经济学、机器学习、经济史。已发表论文于Oxford Economic Papers (lead article)，Economica，Journal of Comparative Economics，Stata Journal，【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，2014），【计量经济学及Stata应用】（2015），【机器学习及R应用】（2020）与【机器学习及Python应用】（2021）。2010年入选教育部新世纪人才支持计划。
陈强教授的学术魅力
陈强教授，一位在计量经济学、机器学习和经济史领域拥有深厚学术造诣的学者，他的教学不仅仅是知识的传递，更是思维的启迪。陈教授的教学风格以清晰、幽默著称，能够将枯燥的数学模型和复杂的统计理论转化为生动有趣的故事，让学员们在轻松愉快的氛围中掌握高级计量经济学的精髓。
亲自答疑的独到优势
课程的另一大特色是陈强教授亲自进行的答疑环节。在这一环节中，学员们有机会直接与教授对话，针对学习过程中的疑惑和实际研究中遇到的问题进行深入探讨。这样的互动不仅能够及时解决学员的疑问，更能够帮助他们建立起批判性思维和独立解决问题的能力。
课程介绍
本次高级计量Stata之因果推断现场班，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短时间内，将高级计量Stata的因果推断精髓及最新方法，以最通俗生动的语言以及大量的案例交给学员。
在夯实计量理论基础的同时，特别注重因果推断的具体应用，迅速将学员们拉到当代计量实证研究的最前沿。
由于学员的基础不同，本课程仅对学员背景做最低要求，只要学员学过本科计量经济学及初级Stata操作即可。因为「大道至简至易」，高级计量与初级计量的本质是一样的，学子们最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。
正如许多学员所说，士别四日，或刮目相看！Now or Never！
课程内容
第1讲，随机实验与自然实验。
随机实验是实证研究的黄金标准。
内容 ：随机实验，自然实验，内部有效性，外部有效性，最小二乘法（OLS），二值选择模型（Probit，Logit），非参数估计。
案例 ：班级规模与学习成绩（Hanushek,1999），种族与就业歧视（Bertrand and Mullainathan, 2004），就业经历与未来就业（Pallais, 2014），最低工资与劳动力需求（Card and Krueger, 1994），参军与长期收入（Angrist,1990）。
第2讲，工具变量法。
工具变量法是解决内生性的通用方法。
内容 ：2SLS，LIML，GMM，弱工具变量，过度识别检验，排他性约束，内生性检验，移动份额IV（Bartik IV, Bartik, 1991; Adao et al., 2019;Goldsmith-Pinkham et al., 2020; Borusyak et al., 2022），异质性工具变量法（局部处理效应，LATE）。
案例 ：出生季度与教育年限（Angrist and Krueger,1991）；殖民者死亡率与制度（Acemogluet al., 2001）；经济增长与非洲内战（Miguel et al., 2004）；国企改革的作用（Groves et al., 1994）；警察与犯罪率（Levitt, 1997）；科举制对人力资本积累的长期影响（Chen et al., 2020）；美国年轻男子的教育回报（Griliches,1976）；中国进口对美国制造业就业的冲击（Autor et al., 2013）。
第3讲，匹配估计量。
本讲介绍基于非混杂性（unconfoundedness）的一系列估计方法。
非混杂性意味着，若控制处理前的特征（pretreatment characteristics），则处理变量不再有内生性。
内容 ：匹配估计，倾向得分匹配（PSM; Rosenbaum and Rubin, 1983; Abadie and Imbens, 2016），回归调整法（regression adjustment；也称结果回归，outcome regression），逆概加权法（inverse probability weighting），双重稳健估计（doubly robust estimation）。
案例 ：就业培训的处理效应（LaLonde, 1986; Dehejia and Wahba, 1999）。
第4讲，断点回归。
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（Thistlethwaite and Campbell, 1960; Imbens and Kalyanaraman, 2009; Calonicoet al., 2014）。
内容 ：精确断点回归，模糊断点回归，密度（操纵）检验，稳健性检验。
案例 ：冬季燃煤取暖与人均寿命（Chen et al., 2013）；扶贫政策的效应（Meng, 2013）；买房落户与户口价值（Chen et al., 2019）；美国参议院选举的在位者优势 （Cattaneo etal., 2015）。
第5讲，合成控制法。
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流行方法（Abadie and Gardeazabal, 2003; Abadie et al., 2010）。
内容 ：比较案例分析，合成控制法，空间安慰剂检验，时间安慰剂检验，混合安慰剂检验（Chen and Yan, 2023），留一稳健性检验。
案例 ：马里矣尔船运（Mariel boatlift；Card, 1990）；西班牙巴斯克地区恐怖活动的经济后果（Abadie and Gardeazabal, 2003）；加州控烟法的成效（Abadieet al., 2010）；德国统一的政策效应（Abadie et al., 2015）。
第6讲，回归控制法。
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; Hsiao and Zhou, 2019），比合成控制法更为简便易行。
内容 ：回归控制法，安慰剂检验，含协变量的回归控制法，分位数控制法（Quantile Control Method; Chen et al., 2023）。
案例 ：香港回归及与中国内地经济整合的效应（Hsiao et al., 2012）；德国统一的政策效应（Abadie et al.,2015）；四万亿经济刺激的效应（Ouyang and Peng, 2015）；上海与重庆房产税试点的效应（Du and Zhang, 2015）；高铁开通的政策效应（Ke et al.,2017）；房票政策的房价效应（方诚、陈强，2021）。
第7讲，两期DID。
这是最基本的双重差分法模型，也是理解DID的基石。
内容 ：差分估计量，双重差分估计量，平行趋势假定（Parallel Trend Assumption, PTA），条件平行趋势假定（Conditional PTA），双向固定效应模型，PSM-DID（Heckmanet al., 1997, 1998），逆概加权估计（Abadie, 2005），双重稳健估计（Sant’Anna and Zhao, 2020）。
案例 ：伦敦霍乱的自然实验；最低工资立法与劳动力需求（Card and Krueger, 1994），工会成员的工资溢价（union-wage premium）。
第8讲，经典多期DID。
经典多期DID模型包括两组（即处理组与控制组）与两时段（即处理前与处理后），而个体受政策冲击时间均相同；故也称为经典2x2DID。多期DID使得平行趋势假定的检验成为可能，且可使用事件分析法（event study）考察动态处理效应。
内容 ：平行趋势图，平行趋势检验，安慰剂检验，分组异质性，多期PSM-DID。
案例 ：就业培训的政策效应（Ashenfelter, 1978）；漕粮海运与大运河沿线叛乱（Cao and Chen, 2022）；人工智能翻译与国际贸易（Brynjolfssonet al., 2019）。
第9讲，交叠DID。
在交叠DID（Staggered DID）模型中，个体受政策处理时间不尽相同，但处理状态不可逆（irreversible treatment），即处理变量只能由0变为1，而不能从1变为0（即不允许政策退出），也称为「吸入式处理」（absorbing treatment）。在此框架下，若存在异质性处理效应（处理效应随个体或时间而异），则双向固定效应模型一般会有偏差，需使用异质性稳健的估计量，即在异质性效应情况下依然成立的估计方法。
内容 ：静态回归系数的Bacon分解（Goodman-Bacon, 2021），动态回归系数的Sun-Abraham分解（Sun and Abraham, 2021），交互加权估计（Interaction Weighted Estimation; Sun and Abraham, 2021），CSDID估计（Callaway and Sant’Anna, 2021，含结果回归、逆概加权估计，默认为双重稳健估计），二阶段DID（DID2S; Gardner, 2022），扩展TWFE估计（Wooldridge，2021），堆叠回归（Stacked Regression; Cengiz et al., 2019）。
案例 ：银行管制放松与收入分配（Beck et al., 2010）；住院治疗的经济后果（Sun and Abraham,2021）；最低工资对青少年就业的影响（Callaway and Sant’Anna, 2021）；最低工资对低薪岗位的影响（Cengiz et al., 2019）。
第10讲，一般DID与连续DID。
在一般DID（General DID）模型中，个体受政策处理时间不尽相同，且处理状态可逆（reversible treatment），即允许政策退出（处理变量可由1变为0）。在连续DID模型中，有时所有个体都受到处理，但政策冲击力度不同，可将处理变量视为连续变量（continuous treatment）。
内容 ：一般DID的估计方法，包括即时处理效应估计（DIDm; de Chaisemartin and d'Haultfœuille, 2020），面板匹配估计（Penal Match; Imai etal., 2019），插补估计量（Imputation Estimator; Borusyak et al.,2022），反事实估计量（Liu et al., 2022），连续DID的估计方法（Callaway et al., 2021）。
案例 ：新闻报纸与总统选举投票率（Gentzkow et al., 2011）；央地执政党异同与央地拨款（Liu etal., 2022）；茶叶价格与性别比例（Qian, 2008）；废除科举与革命起义（Bai and Jia, 2016）。
第11讲，DDD与合成DID。
如果平行趋势假定不成立，一种解决方法是同时使用两个控制组，即三重差分法（DDD; Gruber, 1994; Olden and Moen, 2022）。另一解决方法是，对控制组个体进行加权，使得加权后的数据满足平行趋势假定，即合成双重差分法（synthetic DID; Arkhangelsky et al., 2022）。
内容 ：DDD模型与识别条件，合成DID的模型与估计。
案例 ：将生育纳入雇主提供医保的政策效应（Gruber, 1994）；加州控烟法的成效（Abadie et al., 2010）；女性议员与孕产妇死亡率（Bhalotra et al., 2022）。
第12讲，队列DID（Cohort DID）。
对于横截面的微观数据，如果依时间（比如出生年份）定义的队列或组群（cohorts）受到政策冲击时间有先后之别，则可考虑使用队列DID。
内容 ：队列DID的模型设定，平行趋势检验。
案例 ：印尼校园建设与教育投资回报（Duflo, 2001），知青下乡与农村教育回报（Chen et al., 2020）。
无论你是学术界的研究者，还是工业界的实践者，高级计量Stata之因果推断课程都是一次不容错过的学习机会。它不仅能够提升你的数据分析能力，还能够拓宽你的研究视野，让你在跨学科的合作中更加游刃有余。现在就报名参加，开启你的跨界学习之旅吧！
报名咨询
尹老师
电话：13301322952
WeChat：jg-xs6
本文包含广告内容
课程为经管之家官方产品
