上海！五一！高級計量Stata之因果推斷現場班_陳強親授

陳強老師親授Stata高級計量2024年五一現場班占座ing！

新課綱四天專註因果推斷, 獨家計量男神現場班！

課程資訊

培訓時間 2024年5月1-4日（四天）

培訓地點 上海市（提供交通住宿指南）

授課安排 上午9:00-12:00；下午2:00-5:00；答疑5:00-6:00

→ 授課與答疑均是陳強老師本人

→ 根據繳費順序安排座位

→ 贈送陳強老師【計量經濟學及Stata套用】視訊（時長46小時）

授課嘉賓簡介

陳強老師 ， 分別於1992年與1995年獲得北京大學經濟學學士與碩士學位，2007年獲美國Northern Illinois University數學碩士與經濟學博士學位，現任山東大學經濟學院教授，博士生導師。主要研究領域為計量經濟學、機器學習、經濟史。已發表論文於Oxford Economic Papers (lead article)，Economica，Journal of Comparative Economics，Stata Journal，【經濟學(季刊)】、【世界經濟】等國內外期刊。著有暢銷教材【高級計量經濟學及Stata套用】（第2版，2014），【計量經濟學及Stata套用】（2015），【機器學習及R套用】（2020）與【機器學習及Python套用】（2021）。2010年入選教育部新世紀人才支持計劃。

課程特色

特色 #1 透過四天心無旁騖的學習，全面而深入地了解高級計量學在因果推斷方面的最新方法及Stata案例實操。這是其他短期培訓所無法比擬的。

特色 #2 在夯實計量理論基礎的同時，迅速將學員們拉到當代計量實證研究的最前沿，使學員們可以先知先覺、決勝未來。

特色 #3 現場班全程由經典教材【高級計量經濟學及Stata套用】的作者陳強教授主講。你或許知道該書因條理清晰、通俗易懂、深入淺出而好評如潮，但只有上過陳強老師課的學生才能體會到，陳老師的現場授課所具有的直指人心之獨特魅力，幫助學員立刻進入高級計量的境界，融會貫通，恍然大悟。

課程簡介

本次高級計量Stata之因果推斷現場班，將根據多次現場班的反饋進一步完善。在課程內容的設計上，主要指導思想是在較短時間內，將高級計量Stata的因果推斷精髓及最新方法，以最通俗生動的語言以及大量的案例交給學員。在夯實計量理論基礎的同時，特別註重因果推斷的具體套用，迅速將學員們拉到當代計量實證研究的最前沿。由於學員的基礎不同，本課程僅對學員背景做最低要求，只要學員學過本科計量經濟學及初級Stata操作即可。因為「大道至簡至易」，高級計量與初級計量的本質是一樣的，學子們最需要的是能夠直指人心地洞明計量原理與操作工具，然後得心應手地用於實戰。正如許多學員所說，士別四日，或刮目相看！Now or Never！

目標學員

經濟及社科類青年教師、博士生、碩士生、高年級本科生。

培訓目的

掌握高級計量經濟學因果推斷的核心方法及Stata操作，不再茫然，知其然而知其所以然，迅速成為處理數據及定量分析的高手。

課程特色

直觀地解釋高級計量經濟學方法，透過案例學習相應的Stata操作，深入淺出地介紹實證分析的精髓。

課程配套資料

課程PPT、數據集、do文件及相關論文。

課程內容

第1講，隨機實驗與自然實驗。

隨機實驗是實證研究的黃金標準。

內容 ：隨機實驗，自然實驗，內部有效性，外部有效性，最小平方法（OLS），二值選擇模型（Probit，Logit）， 非參數估計 。

案例 ：班級規模與學習成績（Hanushek,1999），種族與就業歧視（Bertrand and Mullainathan, 2004），就業經歷與未來就業（Pallais, 2014），最低薪資與勞動力需求（Card and Krueger, 1994），參軍與長期收入（Angrist,1990）。

第2講，工具變量法。

工具變量法是解決內生性的通用方法。

內容 ：2SLS，LIML，GMM，弱工具變量，過度辨識檢驗，排他性約束，內生性檢驗， 移動份額IV（Bartik IV, Bartik, 1991; Adao et al., 2019;Goldsmith-Pinkham et al., 2020; Borusyak et al., 2022） ，異質性工具變量法（局部處理效應，LATE）。

案例 ：出生季度與教育年限（Angrist and Krueger,1991）；殖民者死亡率與制度（Acemogluet al., 2001）；經濟增長與非洲內戰（Miguel et al., 2004）；國企改革的作用（Groves et al., 1994）；警察與犯罪率（Levitt, 1997）；科舉制對人力資本積累的長期影響（Chen et al., 2020）；美國年輕男子的教育報酬（Griliches,1976）； 中國進口對美國制造業就業的沖擊（Autor et al., 2013） 。

第3講，匹配估計量。

本講介紹基於非混雜性（unconfoundedness）的一系列估計方法。

非混雜性意味著，若控制處理前的特征（pretreatment characteristics），則處理變量不再有內生性。

內容 ：匹配估計，傾向得分匹配（PSM; Rosenbaum and Rubin, 1983; Abadie and Imbens, 2016），回歸調整法（regression adjustment；也稱結果回歸，outcome regression），逆概加權法（inverse probability weighting），雙重穩健估計（doubly robust estimation）。

案例 ：就業培訓的處理效應（LaLonde, 1986; Dehejia and Wahba, 1999）。

第4講，斷點回歸。

由於在斷點附近存在局部隨機分組，故斷點回歸的效力接近於隨機實驗，日益為研究者所青睞（Thistlethwaite and Campbell, 1960; Imbens and Kalyanaraman, 2009; Calonicoet al., 2014）。

內容 ：精確斷點回歸，模糊斷點回歸，密度（操縱）檢驗，穩健性檢驗。

案例 ：冬季燃煤取暖與人均壽命（Chen et al., 2013）；扶貧政策的效應（Meng, 2013）；買房落戶與戶口價值（Chen et al., 2019）；美國參議院選舉的在位者優勢（Cattaneo etal., 2015）。

第5講，合成控制法。

在評價某處理地區的政策效應時，將控制地區進行最優的線性組合，以構造合成控制地區進行對比，這是估計處理效應的流行方法（Abadie and Gardeazabal, 2003; Abadie et al., 2010）。

內容 ：比較案例分析，合成控制法，空間安慰劑檢驗，時間安慰劑檢驗，混合安慰劑檢驗（Chen and Yan, 2023），留一穩健性檢驗。

案例 ：馬利矣爾船運（Mariel boatlift；Card, 1990）；西班牙巴斯克地區恐怖活動的經濟後果（Abadie and Gardeazabal, 2003）；加州控煙法的成效（Abadieet al., 2010）；德國統一的政策效應（Abadie et al., 2015）。

第6講，回歸控制法。

與合成控制法類似，但回歸控制法使用回歸法來構成反事實的控制地區（Hsiao et al., 2012; Hsiao and Zhou, 2019），比合成控制法更為簡便易行。

內容 ：回歸控制法，安慰劑檢驗，含協變量的回歸控制法，分位數控制法（Quantile Control Method; Chen et al., 2023）。

案例 ：香港回歸及與中國內地經濟整合的效應（Hsiao et al., 2012）；德國統一的政策效應（Abadie et al.,2015）；四萬億經濟刺激的效應（Ouyang and Peng, 2015）；上海與重慶房產稅試點的效應（Du and Zhang, 2015）；高鐵開通的政策效應（Ke et al.,2017）；房票政策的房價效應（方誠、陳強，2021）。

第7講，兩期DID。

這是最基本的雙重差分法模型，也是理解DID的基石。

內容 ：差分估計量，雙重差分估計量，平行趨勢假定（Parallel Trend Assumption, PTA），條件平行趨勢假定（ConditionalPTA），雙向固定效應模型，PSM-DID（Heckmanet al., 1997, 1998），逆概加權估計（Abadie, 2005），雙重穩健估計（Sant’Anna and Zhao, 2020）。

案例 ：倫敦霍亂的自然實驗；最低薪資立法與勞動力需求（Card and Krueger, 1994）， 工會成員的薪資溢價（union-wage premium） 。

第8講，經典多期DID。

經典多期DID模型包括兩組（即處理組與控制組）與兩時段（即處理前與處理後），而個體受政策沖擊時間均相同；故也稱為經典2x2DID。多期DID使得平行趨勢假定的檢驗成為可能，且可使用事件分析法（event study）考察動態處理效應。

內容 ：平行趨勢圖，平行趨勢檢驗，安慰劑檢驗，分組異質性，多期PSM-DID。

案例 ：就業培訓的政策效應（Ashenfelter, 1978）；漕糧海運與大運河沿線叛亂（Cao and Chen, 2022）；人工智慧轉譯與國際貿易（Brynjolfssonet al., 2019）。

第9講，交疊DID。

在交疊DID（Staggered DID）模型中，個體受政策處理時間不盡相同，但處理狀態不可逆（irreversible treatment），即處理變量只能由0變為1，而不能從1變為0（即不允許政策結束），也稱為「吸入式處理」（absorbing treatment）。在此框架下，若存在異質性處理效應（處理效應隨個體或時間而異），則雙向固定效應模型一般會有偏差，需使用異質性穩健的估計量，即在異質性效應情況下依然成立的估計方法。

內容 ：靜態回歸系數的Bacon分解（Goodman-Bacon, 2021），動態回歸系數的Sun-Abraham分解（Sun and Abraham, 2021），互動加權估計（Interaction Weighted Estimation; Sun and Abraham, 2021），CSDID估計（Callaway and Sant’Anna, 2021，含結果回歸、逆概加權估計，預設為雙重穩健估計），二階段DID（DID2S; Gardner, 2022）， 擴充套件TWFE估計（Wooldridge，2021）， 堆疊回歸（Stacked Regression; Cengiz et al., 2019）。

案例 ：銀行管制放松與收入分配（Beck et al., 2010）；住院治療的經濟後果（Sun and Abraham,2021）；最低薪資對青少年就業的影響（Callaway and Sant’Anna, 2021）；最低薪資對低薪崗位的影響（Cengiz et al., 2019）。

第10講，一般DID與連續DID。

在一般DID（General DID）模型中，個體受政策處理時間不盡相同，且處理狀態可逆（reversible treatment），即允許政策結束（處理變量可由1變為0）。在連續DID模型中，有時所有個體都受到處理，但政策沖擊力度不同，可將處理變量視為連續變量（continuous treatment）。

內容 ：一般DID的估計方法，包括即時處理效應估計（DIDm; de Chaisemartin and d'Haultfœuille, 2020），面板匹配估計（Penal Match; Imai etal., 2019），插補估計量（Imputation Estimator; Borusyak et al.,2022），反事實估計量（Liu et al., 2022），連續DID的估計方法（Callaway et al., 2021）。

案例 ：新聞報紙與總統選舉投票率（Gentzkow et al., 2011）；央地執政黨異同與央地撥款（Liu etal., 2022）；茶葉價格與性別比例（Qian, 2008）；廢除科舉與革命起義（Bai and Jia, 2016）。

第11講，DDD與合成DID。

如果平行趨勢假定不成立，一種解決方法是同時使用兩個控制組，即三重差分法（DDD; Gruber, 1994; Olden and Moen, 2022）。另一解決方法是，對控制組個體進行加權，使得加權後的數據滿足平行趨勢假定，即合成雙重差分法（synthetic DID; Arkhangelsky et al., 2022）。

內容 ：DDD模型與辨識條件，合成DID的模型與估計。

案例 ：將生育納入雇主提供醫保的政策效應（Gruber, 1994）；加州控煙法的成效（Abadie et al., 2010）；女性議員與孕產婦死亡率（Bhalotra et al., 2022）。

第12講，佇列DID（Cohort DID）。

對於橫截面的微觀數據，如果依時間（比如出生年份）定義的佇列或群組（cohorts）受到政策沖擊時間有先後之別，則可考慮使用佇列DID。

內容 ：佇列DID的模型設定，平行趨勢檢驗。

案例 ：印尼校園建設與教育投資報酬（Duflo, 2001），知青下鄉與農村教育報酬（Chen et al., 2020）。

報名咨詢

尹老師

電話：13301322952

WeChat：jg-xs6

聽聽大家怎麽說

對於計量，我們是認真的~

直指人心，登堂入室。

運用之妙，存乎一心。

士別四日，刮目相看。

本文包含廣告內容
課程為經管之家官方產品