Stata以其簡(jiǎn)單易懂和功能強(qiáng)大受到初學(xué)者和高級(jí)用戶的普遍歡迎。使用時(shí)可以每次只輸入一個(gè)命令，也可以通過(guò)一個(gè)Stata程序一次輸入多個(gè)命令。這樣的話即使發(fā)生錯(cuò)誤，也較容易找出并加以修改。

Stata有很多功能較強(qiáng)且簡(jiǎn)單的數(shù)據(jù)管理命令，能夠讓復(fù)雜的操作變得容易。

Stata也能夠進(jìn)行大多數(shù)統(tǒng)計(jì)分析（回歸分析，logistic回歸，生存分析，方差分析，因子分析，以及一些多變量分析）。Stata最大的優(yōu)勢(shì)可能在于回歸分析，logistic回歸。

Stata較好地實(shí)現(xiàn)了使用簡(jiǎn)便和功能強(qiáng)大兩者的結(jié)合。

推薦書目：《計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》、《高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》，作者：陳強(qiáng)

推薦理由：陳強(qiáng)老師的計(jì)量經(jīng)濟(jì)學(xué)教材，在設(shè)計(jì)上單獨(dú)章節(jié)工具變量、二值選擇模型等，解決其他教材沒有詳細(xì)講解這部分的疑問。而且陳老師教材行文，以生活實(shí)際來(lái)講計(jì)量，容易理解?！陡呒?jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata應(yīng)用》還加入多值選擇模型、非參數(shù)估計(jì)、貝葉斯估計(jì)等內(nèi)容。

時(shí)間：2018年4月27-5月2日（六天）

地點(diǎn)：北京市海淀區(qū)中國(guó)青年政治學(xué)院
安排：上午9:00-12:00；下午2:00-5:00；答疑5:00-5:30
費(fèi)用：6000元/ 5000元 (本科、碩士學(xué)生價(jià))；食宿自理

掌握高級(jí)計(jì)量經(jīng)濟(jì)學(xué)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(shù)據(jù)及定量分析的高手。

直觀地解釋高級(jí)計(jì)量經(jīng)濟(jì)學(xué)方法，通過(guò)案例學(xué)習(xí)相應(yīng)的Stata操作，深入淺出地介紹實(shí)證分析與論文寫作的精髓。

課程PPT、數(shù)據(jù)集及相關(guān)論文。

本次高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata現(xiàn)場(chǎng)班，將根據(jù)首次現(xiàn)場(chǎng)班的反饋進(jìn)一步完善。在課程內(nèi)容的設(shè)計(jì)上，主要指導(dǎo)思想是在最快時(shí)間內(nèi)，將高級(jí)計(jì)量及Stata的精髓及核心內(nèi)容，以最通俗生動(dòng)的語(yǔ)言以及大量的案例交給學(xué)員，并注重在各領(lǐng)域的常見應(yīng)用，諸如面板數(shù)據(jù)、時(shí)間序列、工具變量法以及微觀計(jì)量，乃至論文寫作的各個(gè)環(huán)節(jié)技巧。由于學(xué)員的基礎(chǔ)不同，本課程僅對(duì)學(xué)員背景做最低要求，即假設(shè)學(xué)員知道概率統(tǒng)計(jì)及少量線性代數(shù)，但不要求學(xué)過(guò)計(jì)量經(jīng)濟(jì)學(xué)或Stata操作。因?yàn)椤按蟮乐梁?jiǎn)至易”，初級(jí)計(jì)量與高級(jí)計(jì)量的本質(zhì)是一樣的，學(xué)子們最需要的是能夠直指人心地洞明計(jì)量原理與操作工具，然后得心應(yīng)手地用于實(shí)戰(zhàn)（而非完成習(xí)作）。

第一講，OLS及其標(biāo)準(zhǔn)誤。

著重介紹小樣本與大樣本OLS，以及相應(yīng)的普通標(biāo)準(zhǔn)誤、異方差穩(wěn)健標(biāo)準(zhǔn)誤、異方差自相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤、聚類穩(wěn)健標(biāo)準(zhǔn)誤、自助標(biāo)準(zhǔn)誤（bootstrap standard errors）。深切理解OLS的原理與適用條件，是一切計(jì)量原理的基礎(chǔ)。

第二講，Stata快速入門。

及時(shí)地介紹Stata知識(shí)，以O(shè)LS在Stata的實(shí)現(xiàn)作為入門，體會(huì)Stata的簡(jiǎn)單與強(qiáng)大。

第三講，二值選擇模型。

被解釋變量為虛擬變量的二值選擇模型有著廣泛的應(yīng)用。包括Probit，Logit，MLE與QMLE等。

第四講，工具變量法。

由于雙向因果、遺漏變量、度量誤差的普遍存在，內(nèi)生性是實(shí)證研究的常見難題，而工具變量法是解決內(nèi)生性的利器，包括2SLS、GMM、控制函數(shù)法（Control Function）、包含內(nèi)生變量的ivprobit、異質(zhì)性工具變量法（Local Average TreatmentEffect）等。   

第五講，靜態(tài)面板。

面板數(shù)據(jù)由于能控制個(gè)體異質(zhì)性（heterogeneity），緩解遺漏變量偏差，在實(shí)踐中越來(lái)越重要。靜態(tài)面板是最常見的面板，包括固定效應(yīng)、隨機(jī)效應(yīng)、時(shí)間效應(yīng)、雙向固定效應(yīng)等。

第六講，動(dòng)態(tài)面板。

經(jīng)濟(jì)現(xiàn)象常具有某種慣性或部分調(diào)整，即被解釋變量的滯后值出現(xiàn)在方程右邊。動(dòng)態(tài)面板也因?yàn)榭勺詭Чぞ咦兞慷鴳?yīng)用廣泛。包括面板工具變量法（Panel IV）、差分GMM、水平GMM與系統(tǒng)GMM等。

第七講，面板數(shù)據(jù)前沿：

交互固定效應(yīng)（interactive fixed effects）將傳統(tǒng)的雙向固定效應(yīng)進(jìn)一步推廣，因?yàn)楝F(xiàn)實(shí)經(jīng)濟(jì)中常存在多種沖擊（shocks或factors），而不同個(gè)體對(duì)此沖擊的反應(yīng)不同（factor loading）。

第八講，門限回歸（Threshold Regression）：

包括橫截面與面板模型的門限回歸。

第九講，非參數(shù)與半?yún)?shù)估計(jì)（Nonparametric and SemiparametricEstimations）。

非參與半?yún)⒎椒ㄓ捎谄浞€(wěn)健性而日益進(jìn)入標(biāo)準(zhǔn)的計(jì)量工具箱，包括核密度估計(jì)、非參數(shù)回歸與半?yún)?shù)回歸等。

第十講，隨機(jī)實(shí)驗(yàn)、自然實(shí)驗(yàn)與雙重差分法（Difference-in-Differences）。

實(shí)驗(yàn)方法因其可信度而日益興起，包括隨機(jī)實(shí)驗(yàn)、第一類與第二類自然實(shí)驗(yàn)。雙重差分法利用面板數(shù)據(jù)的優(yōu)勢(shì)，可克服部分內(nèi)生性，是研究政策或項(xiàng)目處理效應(yīng)（treatment effects）的主要工具。包括雙重差分法、平行趨勢(shì)假設(shè)、三重差分法等。

第十一講，傾向得分匹配（Propensity Score Matching）。

基于反事實(shí)的框架，根據(jù)個(gè)體進(jìn)入處理組的概率（即傾向得分）尋找最佳替身進(jìn)行匹配估計(jì)，這是研究處理效應(yīng)的一種深邃思想與方法。包括傾向得分匹配、雙重差分傾向得分匹配等。

第十二講，控制變量的選擇。

選擇合適的控制變量是計(jì)量分析的重要步驟，而因果圖方法（Causal Directed AcyclicGraph）提供了一個(gè)清晰的思考框架。

第十三講，合成控制法（Synthetic Control Method）。

在評(píng)價(jià)某處理地區(qū)的政策效應(yīng)時(shí)，將控制地區(qū)進(jìn)行最優(yōu)的線性組合，以構(gòu)造合成控制地區(qū)進(jìn)行對(duì)比，這是估計(jì)處理效應(yīng)的新興強(qiáng)大方法。包括合成控制法的統(tǒng)計(jì)推斷與穩(wěn)健性檢驗(yàn)等。

第十四講，回歸控制法（Regression Control Method）。

與合成控制法類似，但使用回歸法來(lái)構(gòu)造合成控制地區(qū)（Hsiao et al., 2012）。

第十五講，斷點(diǎn)回歸（Regression Discontinuity Design）與拐點(diǎn)回歸（Regression Kink Design）。

由于在斷點(diǎn)附近存在局部隨機(jī)分組，故斷點(diǎn)回歸的效力接近于隨機(jī)實(shí)驗(yàn)，日益為研究者所青睞。包括精確斷點(diǎn)回歸、模糊斷點(diǎn)回歸、空間斷點(diǎn)回歸等。

第十六講，分位數(shù)回歸。

線性回歸只是研究在給定X的情況下，Y的條件期望E(Y|X)；而分位數(shù)回歸則可研究在給定X的情況下，Y的整個(gè)條件分布Y|X，從而揭示更多信息。

第十七講， 機(jī)器學(xué)習(xí)與大數(shù)據(jù)。

大數(shù)據(jù)與高維回歸等機(jī)器學(xué)習(xí)(Machine Learning)方法正迅速成為經(jīng)濟(jì)學(xué)家的常用工具。本講介紹Lasso, Ridge Regression, Elastic Net, Post Lasso, Double Lasso，主成分分析，因子分析等機(jī)器學(xué)習(xí)方法。

第十八講，空間計(jì)量經(jīng)濟(jì)學(xué)（Spatial Econometrics）。

傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)通常忽略橫截面單位的空間分布與相互影響，而空間計(jì)量經(jīng)濟(jì)學(xué)則是考察空間效應(yīng)、溢出效應(yīng)等的重要工具。包括空間權(quán)重矩陣、空間自回歸、空間誤差模型與空間面板等。