隨著大數據時代的到來，數據驅動的決策變得越來越重要。無論是經濟學者、社會學研究者，還是人工智慧領域的探索者，掌握數據分析的核心技能已成為跨學科研究的必備條件。
今天，我們要為大家介紹一門能夠滿足這一需求的精彩課程——高級計量Stata之因果推斷。
課程概覽
本次課程由山東大學經濟學院的陳強教授親自授課，將於2024年5月1日至4日在上海舉辦。課程內容涵蓋了隨機實驗與自然實驗、工具變量法、匹配估計量、斷點回歸、合成控制法、回歸控制法、兩期DID、經典多期DID、交疊DID、一般DID與連續DID、DDD與合成DID、佇列DID等多個領域，旨在幫助學員深入理解並掌握因果推斷的核心方法。
多學科適用性
這門課程不僅適合經濟學和社會科學領域的學者和學生，也同樣適合人工智慧學院的研究者和從業者。在人工智慧領域，機器學習和資料探勘需要準確的因果推斷來避免演算法的偏差和誤解。透過學習這門課程，AI領域的專家們可以更好地理解數據背後的因果關系，從而設計出更加精準和有效的演算法模型。
教學特色
陳強教授的教學風格深入淺出，能夠將復雜的計量經濟學理論與實際操作相結合，使得學員們能夠快速掌握並套用所學知識。課程還提供了豐富的案例分析，讓學員們能夠透過實踐來鞏固理論知識。
學員反饋
往期學員們對陳強教授的課程給予了高度評價。無論是經濟學專業的學生，還是社會學、人工智慧等其他領域的學者，都表示透過這門課程獲得了寶貴的知識和技能，對他們的研究和工作產生了積極的影響。
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。
陳強教授的學術魅力
陳強教授，一位在計量經濟學、機器學習和經濟史領域擁有深厚學術造詣的學者，他的教學不僅僅是知識的傳遞，更是思維的啟迪。陳教授的教學風格以清晰、幽默著稱，能夠將枯燥的數學模型和復雜的統計理論轉化為生動有趣的故事，讓學員們在輕松愉快的氛圍中掌握高級計量經濟學的精髓。
親自答疑的獨到優勢
課程的另一大特色是陳強教授親自進行的答疑環節。在這一環節中，學員們有機會直接與教授對話，針對學習過程中的疑惑和實際研究中遇到的問題進行深入探討。這樣的互動不僅能夠及時解決學員的疑問，更能夠幫助他們建立起批判性思維和獨立解決問題的能力。
課程介紹
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！
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（Conditional PTA），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）。
無論你是學術界的研究者，還是工業界的實踐者，高級計量Stata之因果推斷課程都是一次不容錯過的學習機會。它不僅能夠提升你的數據分析能力，還能夠拓寬你的研究視野，讓你在跨學科的合作中更加遊刃有余。現在就報名參加，開啟你的跨界學習之旅吧！
報名咨詢
尹老師
電話：13301322952
WeChat：jg-xs6
本文包含廣告內容
課程為經管之家官方產品
