Last Call：高級計量Stata之因果推斷現場班

2024-04-23資訊

將因果推斷進行到底！

高級計量Stata之因果推斷現場班

陳強親授

上海，2024年5月1-4日

直指人心，登堂入室。

運用之妙，存乎一心。

士別四日，刮目相看。
Now or Never!

（詳情點選頁底「閱讀原文」）

最近幾年，計量經濟學的可信度革命依然如火如荼，因果推斷的新方法層出不窮。為此，山東大學陳強教授全新推出重大升級的「高級計量Stata之因果推斷」現場班12講，緊緊圍繞因果推斷主題，透過深入淺出的講解，讓學員們迅速掌握因果推斷的思想原理與Stata實操。

由於DID套用廣泛，且近幾年發展迅猛，陳強教授將以6講內容全面而深入地介紹DID的最新進展及Stata實操，包括多期DID、交疊DID、合成DID、連續DID以及佇列DID等。

另外，此次現場班還新增了關於 Bartik IV，即移動份額工具變量法(shift-share IV) 的全新內容，這是目前工具變量法的最火熱前沿。

「高級計量Stata之因果推斷」現場班

時間：2024年5月1-4日（四天）

地點：上海市

授課方式 ：陳強老師面授四天+課後無時限親自答疑

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。正如許多學員所說，士別四日，或刮目相看！Now or Never！

課程資料 ：課程PPT、數據集、do文件及相關論文。

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。

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。

高級計量Stata之因果推斷
陳強老師面授，現場班大綱
將因果推斷進行到底！
上海，2024年5月1-4日

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）。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，移動份額工具變量法(shift-share IV，即Bartik IV），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（Acemoglu et 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），進口競爭對美國當地勞動力市場的影響（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，斷點回歸與拐點回歸。 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; Calonico et 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，拐點回歸（Nielsen et al., 2010; Card et al., 2015a, 2015b)）。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 et al., 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（Abadie et 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（Conditional PTA），雙向固定效應模型，PSM-DID（Heckman et 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；就業培訓的政策效應（Ashenfelter, 1978）；最低薪資立法與勞動力需求（Card and Krueger, 1994）。

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：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（Brynjolfsson et 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（PenalMatch; Imai et al., 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 et al., 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）。

陳強老師的高級計量現場班究竟是怎樣的？

如果說「知識改變命運」，這就是一次絕好的機會。 士別四日，或當刮目相看！

在此四天高級計量現場班中（2024 年5 月1- 4 日），陳強老師將把其經典教材【高級計量經濟學及Stata套用】（2014年，第2版）的精髓要訣，毫無保留地用最通俗而生動的語言悉數奉上；以及書中所沒有的近年來計量經濟學在因果推斷領域的最新前沿進展（詳見上文的授課大綱）。

如果想知道陳強老師的高級計量現場班究竟是怎麽回事，不妨讓我們來回顧2023年國慶日高級計量現場班的視訊號，以及2023年五一節高級計量現場班的公眾號吧……

人需要挑戰自我，走出舒適區，這樣才能不斷進步。比如，可能你過去習慣了線性的參數估計，但非參數估計其實也很自然，在斷點回歸與匹配估計中大有用途 。大家要放下長期以來的定勢思維，擁抱新的方法。

-- 陳強老師於2023年五四青年節

2023年4月29日，雨後空氣分外清新，近130名學子齊聚北京，慕名參加山東大學陳強教授的高級計量Stata之因果推斷現場班。這些學員來自全國不同高校與科研機構，專業分布則遍及經管、社科、醫藥衛生等各學科，甚至也有海外留學生與海歸教師。此次全新升級的現場班，更加專註於因果推斷，包括了計量經濟學在因果推斷領域的最新進展（比如DID領域）。課程內容包含了不少最新發表的論文，甚至工作論文。整整四天，學員們如饑似渴地聆聽陳強教授分享高級計量與因果推斷的精髓與前沿，然後滿載而歸。

圖1. 近130位參班學員認真聽課

4月29日上午，陳強教授開場即感慨，「每次開始講計量課之前，我都很激動。感覺各位非常幸運，雖然失去了五一節的假期，不能遊山玩水，但獲得的卻是計量與Stata的知識盛宴。希望大家都能心無旁騖，閉關學習，獲得質的飛躍」。陳老師隨後將計量經濟學與因果推斷的精髓知識，由淺入深，如數家珍，娓娓道來，絲絲入扣，環環相連，再結合Stata實戰與經典案例，不時讓學員們豁然開朗，感受頓悟的喜悅。