Stata高级特训_2024年暑期
现场
3300元/3000元(学生优惠价仅限全日制本科及硕士在读)
远程
3300元/3000元(学生优惠价仅限全日制本科及硕士在读)
上课地点：上海现场，同步远程直播；均提供录播回放
讲师：崔百胜
报名时间：2024/01/01 - 2024/12/31
开课时间：2024年7月20-22日（三天）
一、课程简介
本课程通过覆盖全课程的完整代码、配套数据，以及对应理论方法，系统讲授Stata软件的基本操作、编程、数据管理与图形可视化，通过学习，使初步接触Stata软件的学员，能够熟练、高效、规范的使用Stata软件，进而由浅入深，全面讲授目前在各应用研究领域（公司金融、会计学、区域经济学、产业经济学、城市经济学、国际金融等）使用最为广泛的计量分析方法：线性回归模型、工具变量估计方法（IV）、面板数据模型（线性、非线性、非平稳）、二值与多值选择模型、双重差分方法、断点回归、合成控制法、空间面板数据模型等。
课程的主要目的在于帮助高校教师、在校博硕士研究生，以及优秀本科生，完整的掌握学术论文实证过程中的数据预处理、计量经济模型构建与选择，计量模型实现与结果解读的完整过程，因此，在课程的安排上，先是对Stata软件应用的基本技术、数据处理的相关技巧和实务，以及Stata软件程序命令编写的主要知识点进行深入学习，继而进行计量理论内容和Stata软件实现相结合的教学，再对主要命令实现计量理论模型过程与结果解读进行讲授，最后，对主要模型配之以示例论文，完整再现论文，达到论文复制与再现的目的。
Stata高级课程专注于面板模型和因果推断效应两大核心领域，这两部分内容紧密相连，但各有侧重点。
近年来，面板线性模型在多个学科领域取得了显著进展，包括动态面板模型、非平稳和非线性面板模型，以及考虑共同因子的面板数据模型。这些模型在区域经济、城市经济学、产业经济学、公司金融、国际贸易和劳动经济学等领域被广泛应用。特殊因变量模型在政治学、社会学和管理学中也得到了广泛应用。异质性处理效应模型自2020年以来成为因果推断领域的热点，而空间计量模型则成为空间金融、区域经济学和城市经济学等学科的主流方法。
Stata高级课程的三个主要目标是：首先，系统教授面板模型的最新发展和应用；其次，深入讲解异质性双重差分模型，包括如何检验政策效应的异质性、在平行趋势不满足时如何选择估计量，以及如何选择和使用最新的异质性DID命令，包括Stata的最新官方命令；最后，全面掌握动态空间面板数据模型的原理、效应分解和软件实现，并能够将这些知识应用到论文写作中。
因此，Stata高级课程适合那些已经具备一定Stata软件和计量经济学基础，希望掌握应用计量学前沿知识和Stata实现技巧的学员。特别是那些已经通过3天的系统学习，对Stata软件和基础主流计量模型有了较好掌握的学员，将从这门课程中获益匪浅。
二、课程对象
高等院校和科研院所经济学、管理学、政治学、社会学、教育学等经济、管理、教育、政治等社会学科及相关社科类从事定量学术研究的教师、博硕士研究生、优秀本科生和学者，以及其他对Stata统计计量软件与计量经济方法感兴趣的研究人员。
三、课程特色
高级班课程设置，在初级班课程中的优势与特色外，还从以下几个方面进行了考虑：
一、注重计量理论模型的连续性
高级班课程设计时，重点考虑了全程班学员已具备初级班课程的计量基础，以及高级班学员计量基础较好的特点，设计了长面板与动态面板数据模型、非平稳与非线性面板数据模型、因变量受限的面板数据模型，以及空间面板数据模型等内容，与初级课程保持了连续性。
二、注重计量理论模型的系统性
高级班课程在计量模型选择中，注重计量模型体系的系统性，重点讲授面板类计量模型和政策评价类计量模型，这两大领域模型的应用与创新是当前应用类实证论文与理论计量发展的焦点之一。面板类模型既包括线性面板数据模型，也包括非线性面板数据模型，既包括连续被解释变量的面板数据模型，也包括受限因变量面板数据模型，既包括截面个体独立的传统面板模型，也包括空间个体相依的空间面板数据模型。政策评价类计量模型，则包括DID的扩展模型、断点回归与合成控制。面板类模型与政策评价类模型，形成两个相对独立，又有一定联系的完整体系。
三、注重计量理论模型的前沿性
高级班课程计量模型的讲授中，注重计量模型的前沿性，既对当前主流实证文献中，面板数据模型和政策评价类模型的应用进行讲授，也对这两个领域的前沿方法与软件实现深入学习，主要包括具有内生性与门限效应的动态面板数据模型、高维固定效应泊松面板数据模型、动态Probit面板数据模型，以及异质性处理效应下的双向固定效应模型、双向稳健DID和多阶段DID。
四、课程大纲
第1讲 长面板与动态面板数据模型（3h）
1.1 长面板估计策略
1.2 长面板估计方法选择：稳健 vs. 效率
1.3 组内自相关与组间同期相关检验
1.4 偏差校正LSDV估计
1.5 面板工具变量估计法
1.6 工具变量高维固定效应面板
1.7 移动份额工具变量法Bartik方法
1.8 动态面板数据的差分与系统GMM估计
1.9 不规则时间间隔的动态面板数据
1.10 例文软件实现与解读：
① Acemoglu D, Naidu S, Restrepo P, et al. Democracy does cause growth.
Journal of political economy, 2019.
② Borusyak K, Hull P, Jaravel X. Quasi-experimental shift-share research designs[J]. The Review of Economic Studies, 2022.
Studies, 2022.
第2讲 非平稳与非线性面板数据模型（3h）
2.1 跨截面相依检验
2.2 面板单位根检验
2.3 面板协整检验
2.4 异质性数据的面板Granger检验-xtgrangert
2.5 静态面板门槛数据模型
2.6 具有内生性与门限效应的动态面板数据模型
2.7 共同因子数量测度
2.8 具有共同相关因子的动态面板数据模型
2.9 面板向量自回归模型（PVAR）
2.10 例文软件实现与解读：
③ Ditzen J., Estimating long run effects and the exponent of cross-sectional dependence: an update to
xtdcce2, The Stata Journal,2021.
④ 王维国,王鑫鹏.创新转化效率、要素禀赋与中国经济增长[J].数量经济技术经济研究,2022.
第3讲 因变量受限的面板数据模型（3h）
3.1 面板二值选择模型
3.2 面板logit的边际效应与处理效应
3.3 面板多值选择模型
3.4 面板Tobit模型
3.5 面板计数模型：泊松与负二项模型
3.6 多项选择面板回归模型
3.7 高维固定效应泊松面板模型
3.8 动态面板Probit模型
3.9 非平衡面板的动态面板Probit模型
3.10 例文软件实现与解读：⑤ 吴小康,于津平.科技中介与全国统一技术大市场建设[J].数量经济技术经济研究,2023.
第4讲 异质性DID模型（3h）
4.1 如何在多期与处理时间变化时，选择合适的DID估计量？
4.2 负权重的诊断：de Chaisemartin and D’Haultfoeuille 分解
4.3 禁止比较组的诊断：Bacon分解
4.4 组别-时期平均处理效应估计：csdid和did_multiplegt
4.5 插补估计量：did_imputation
4.6 堆叠回归估计量：stackedev
4.7 通过TWFE的事件研究：event study interact与jwdid
4.8 Stata官方异质性双重差分命令：xthdidregress
4.9 放松或允许平行趋势假设被违反
4.10 稳健性推论和敏感性分析
4.11 异质性处理效应应用建议
4.12 例文软件实现与解读：
⑥ De Chaisemartin C, d’Haultfoeuille X. Two-way fixed effects and differences-in-differences with heterogeneous treatment effects: A survey[J]. The Econometrics Journal, 2023. differences with heterogeneous treatment effects: A survey[J]. The Econometrics
heterogeneous treatment effects: A survey[J]. The Econometrics Journal, 2023.
⑦ Roth J, Sant’Anna P H C, Bilinski A, et al. What’s trending in difference-in-differences? A synthesis of the recent econometrics literature, Journal of Econometrics, 2023.
the recent econometrics literature, Journal of Econometrics, 2023.
⑧ 余长林,马青山.特高压输电与区域经济发展——来自特高压工程的经验证据[J].数量经济技术经济研究,2023.
第5讲 断点回归与合成控制（3h）
5.1 精确断点回归
5.2 断点回归的检验（连续性检验、安慰剂检验）
5.3 模糊断点估计
5.4 多断点回归
5.5 断点回归（RDD）与扭点回归（RKD）的最优模型选择
5.6 合成控制法
5.7 非参数合成控制法
5.8 合成控制与合成双重差分的比较
5.9 例文软件实现与解读：
⑨ Cattaneo M D, Idrobo N, Titiunik R. A Practical Introduction to Regression Discontinuity Designs: Extensions[M]. Cambridge University Press, 2024.
Extensions[M]. Cambridge University Press, 2024.
⑩ Clarke, D Pailañir, S. Athey and G. Imbens. Synthetic Difference-in-Differences Estimation. IZA Discussion Paper, 2023.
Discussion Paper, 2023.
第6讲 Lasso在预测与推断中的应用（3h）
6.1 变量选择与交叉验证
6.2 收缩法：ridge, Lasso, elasticnet
6.3 Lasso用于预测
6.4 Lasso用于推断
6.4.1 变量选择与系数估计
6.4.2 获得标准误
6.5 不同结果变量的Lssso推断命令
6.5.1 连续结果变量
6.5.2 两元选择结果变量
6.5.3 计数结果变量
6.6 系数解释：边际效应、对比、获胜率、发生率
6.8 扩展Lasso模型
6.8.1 adaptive Lasso
6.8.2 ivlasso
6.8.3 pdslass
6.8.4 dslasso
6.9 例文软件实现与解读：
⑪ Ahrens A, Hansen C B, Schaffer M E. lasso pack: Model selection and prediction with regularized regression in Stata[J]. The Stata Journal, 2020, 20(1): 176-235.
regression in Stata[J]. The Stata Journal, 2020, 20(1): 176-235.
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；
以上优惠与学生优惠价不叠加。
课程提供发票，开课通知及结业证书；课程资料包含do文档，讲义，数据及范例论文。
联系方式：
尹老师
电话：13321178792
QQ：42884447
WeChat：JGxueshu
