我在哈佛学计量

现场

2600元

远程

2600元
上课地点:远程直播, 提供录播回放 讲师:李井奎 报名时间:2021/08/01 - 2021/12/31 开课时间:100分钟/次, 远程共10次

课程介绍:

本课程是主讲人于2020年在哈佛大学两个学期旁听哈佛本科生《计量经济学》课程之后的产物。众所周知,哈佛大学詹姆斯·斯托克教授与普林斯顿大学马克·沃森教授合作的《计量经济学》,是一本广受好评的计量经济学入门教材。

主讲人在哈佛期间,对于詹姆斯·斯托克以及哈吉·柴提等人所授的面向本科生的计量经济学课程,进行了深入的学习,同时,主讲人结合本人多年的教学经验,基于哈佛大学所授课程的全部内容,设计了《我在哈佛学计量》这样一门计量经济学导论课程。

该课程不仅按照哈佛大学的授课规范,全面复制了他们的教学内容,而且还根据他们的教学倾向,针对中国学生的特点,进行了改造,更为注重因果推断等内容的讲解。

讲师介绍:
李井奎,
浙江大学人文高等研究院驻访学者,哈佛大学法律经济学项目访问学者、博士后研究员,浙江省高校优秀教师,是国内最早译介因果推断计量经济学的学者之一,译有:《基本无害的计量经济学》(安格里斯特、皮什克/著,格致出版社出版)、《计量经济学原理与实践》(古扎拉蒂/著,中国人民大学出版社)、《因果推断:教学合集》(斯科特·坎宁安/著,中国人民大学出版社)、《效果评估与因果推断的计量经济学》(弗洛里奇、斯伯里奇/著,北京大学出版社)、《计量经济学》(林文夫/著,中国人民大学出版社出版);另著有关于因果推断的硬核科普著作《大侦探经济学——现代经济学中的因果推断革命》(中信出版社比较编辑室出品)。


课程特色:

本课程注重应用与实践,主要是希望学生在学习完本课程之后,即可进入上手实践阶段。本课程的特色有以下三点:

第一,本课程直接对接国际最前沿大学的计量经济学导论课程,可以弥补国内学生无法亲身到西方一流大学学习计量经济知识的缺憾。

第二,本课程结合主讲人在哈佛、MIT所旁听的其他有关因果推断课程的内容,以及主讲人过去的教学和翻译经验,更能体现现代学生学计量、用计量时所需要掌握的因果推断的相关知识。

第三,本课程完全按照哈佛大学计量经济学课程的要求,配有习题课以及软件课程辅导,更加适合于学生掌握现代计量经济学的理论精髓和实践技能。


适用人群:

有意学习计量经济学导论的任何人,不要求具备更多数学知识,尤其是适用于那些希望通过学习本课程后就尽快上手做计量研究的人。

课程大纲:
主题1:课程介绍;概率论与统计学知识复习

本讲为引导课程,主要介绍接下来学习所必须掌握的概率论与统计学知识。

同时介绍接下来的课程安排。

主题2:一元线性回归模型及其统计推断

线性回归模型,线性回归模型的系数估计,一元回归中的t统计量,关于回归系数的假设检验,

回归系数的置信区间等内容。

主题3:多元线性回归模型及其统计推断

遗漏变量偏差,多元回归模型,多元回归中OLS估计量的分布,多重共线性,

回归中单个系数的假设检验,置信区间,联合假设的检验等内容。

主题4:非线性回归函数

非线性回归函数的一般建模方法,多项式模型,对数线性模型,线性对数模型,

双对数模型,交互项与交互作用,非线性函数的示例等内容。

主题5:基于多元线性模型进行研究评判

模型的内部和外部有效性,多元回归分析内部有效性的影响因素,利用回归进行预测的示例等内容。

主题6:面板数据方法

面板数据的特征,面板数据的分析方法,个体固定效应和时间固定效应,

固定效应回归的假设和固定效应回归的标准误,双重差分方法的基础理论等内容。

主题7:工具变量方法

工具变量概念的引入,单个回归变量和单个工具变量的工具变量估计量,一般工具变量回归模型,

工具变量有效性的检验,工具变量的来源,工具变量的实际应用等内容。

主题8:二值因变量模型

二值因变量的含义,线性概率模型,probit回归, logit回归,logit和 probit模型的在估计和推断中的应用等。

主题9:两种实证分析中重要的计量方法:双重差分方法(DID)与断点回归方法(RD)

双重差分方法的理论根据,双重差分方法的作用,双重差分方法的实际应用举例;断点回归方法的理论根据,

断点回归方法的作用,断点回归方法的实际应用举例等内容。

主题10:大数据及其预测;时间序列初步

大数据的简要介绍,时间序列数据和序列相关性,自回归,包含其他预测变量的自回归,自回归分布滞后模型,

滞后长度选取,非平稳性的类型等内容。



Stata操作课程

1. Stata软件的简介与基础操作

本讲主要介绍: Stata软件的主要作用与使用该软件所必需掌握的基础操作。


2. 一元线性回归及其统计推断的Stata实现

本讲主要介绍:在Stata中构建线性回归模型,估计相应的系数和区间,进行假设检验,根据模型进行预测,测算拟合优度。


3. 多元线性回归及其统计推断的Stata实现

本讲主要介绍:在Stata中构建多元线性回归模型,估计相应的系数和区间,进行单个变量和总体的假设检验,如何看待回归中遗漏数据和无关数据。


4. 指示(虚拟)变量的应用与有限因变量回归的Stata实现

本讲主要介绍:在Stata中生成并应用指示变量,线性概率模型的构建,处理效应的计算,二值因变量模型在Stata中的实现,logit模型,多项式logit与条件logit,有序选择模型。


5. 面板数据模型与双重差分(DID)方法的Stata实现

本讲主要介绍:混合模型,固定效应模型的估计方法与估计量,随机效应模型与Hausman检验,回归方程组与似不相关回归; 使用Stata软件估计双重差分模型,平行趋势检验。


6. 工具变量(IV)方法与断点回归(RD)方法的Stata实现

本讲主要介绍:两阶段最小二乘法,针对内生性的Hausman检验,工具变量外生性检验,弱工具变量检验;断点回归的基本图示,清晰断点与模糊断点,断点回归的命令,结果分析。


7. 时间序列初步

本讲主要内容:在Stata里定义时间序列,滞后和差分运算符,有限分布滞后,序列相关检验,自回归模型,AR模型。



作业:

作业1:为巩固所学的概率论与统计学及一元回归知识,需要进行练习的一些相关习题。


作业2:为巩固所学的一元回归和多元回归中的相关知识,需要进行练习的一些相关习题。


作业3:为巩固所学的多元回归和非线性回归中的相关知识,需要进行练习的一些相关习题。


作业4:为巩固所学的面板数据回归和虚拟变量的相关知识,需要进行练习的一些相关习题。


作业5:为巩固所学的工具变量回归中的相关知识,需要进行练习的一些相关习题。


作业6:为巩固所学的二值因变量回归中的相关知识,需要进行练习的一些相关习题。


作业7:为巩固所学的时间序列回归中的相关知识,需要进行练习的一些相关习题。


优惠:

现场班及远程班老学员9折优惠;
同一单位三人以上同时报名9折优惠;

同一单位六人以上同时报名8折优惠;

以上优惠与学生价均不叠加。



在线咨询:

尹老师

电话:010-53352991

QQ:42884447

WeChat:yinyinan888

尹老师微信二维码.png