Peixun.net > 现场班 > 计量实证分析 > Stata暑假特训-2018高级班

Stata暑假特训-2018高级班

课时:0 | 448人学习 分享 收藏
Stata高级班包括6个专题,重点讲述各类面板模型以及一些新近发展的内生性处理方法。主要涉及如下几个方面的内容:
(1)面板模型:动态面板模型、面板VAR模型和面板门槛模型(第2讲和第3讲),前者在刻画变量之间的动态关系,以及政策冲击方面非常有用;而后者则在近年中分析结构变化方面得到了广泛的应用。
(2)内生性问题,包括传统的IV估计和GMM估计 (第1讲),这构成了第2讲(动态面板模型和面板VAR) 的理论基础;处理效应模型和倾向得分匹配分析(第5讲);断点回归分析(RDD, 第6讲)。作为上述模型的分析基础之一,在第4讲中,将介绍Logit模型。

上课信息

上课时间: 2018年7月27-29日 (三天)
上午9:00至12:00; 下午2:00至5:00; 答疑5:00至5:30

上课地点: 北京市海淀区

Stata暑假特训-2018高级班

第1讲 (3小时) 内生性专题 I:IV-GMM

工具变量法(IV)

广义矩估计法(GMM)简介

内生性检验:是否存在内生性

过度识别检验:工具变量的合理性

第2讲 (3小时) 动态面板模型, 面板VAR模型

一阶差分GMM估计量(FD-GMM)

序列相关检验、过度识别检验(Sargan检验)

模型设定常见问题(弱工具变量问题)

面板VAR模型简介

允许外生变量的PVAR模型

冲击反应函数 (IRF)、方差分解 (FEVD)

应用实例(介绍2篇论文)

第3讲 (3小时) 截面和面板门槛模型

Bootstrap简介

截面门槛模型(Cross-sectional Threshold Model)

面板门槛模型(Panel Threshold Model)

应用实例(介绍2篇论文)

第4讲 (3小时) Logit模型

Logit模型简介

模型设定、估计方法和结果的解释

多元Logit模型 (Multinomial Logit)

有序Logit模型 (Ordered Logit)

应用实例(介绍2篇论文)

第5讲 (3小时) 内生性专题 II:Heckman选择模型, 处理效应模型, 倾向得分匹配分析(PSM)

自我选择偏误简介

Heckman选择模型(Heckman Selection Model)

处理效应模型(Treatment Effect Model)

Propensity Score Matching (PSM) 简介

配对方法:精确配对、半径匹配、最近邻匹配等

共同支撑假设和平行假设

范例:2篇文章

第6讲 (3小时) 内生性专题III:断点回归分析(RDD)

Regression Discontinuity Design (RDD) 简介

明确断点RDD分析 (Sharp RDD)

模糊断点RDD分析 (Fuzzy RDD)

范例:2篇文章


报名时间 2018-04-27 00:00 至 2018-07-26 00:00
培训时间 2018年7月27-29日 (三天)
培训地点 北京市海淀区
培训费用 3300元 /2900元 (仅限全日制本科生和硕士研究生优惠价)
授课安排 上午9:00至12:00; 下午2:00至5:00; 答疑5:00至5:30


课程导引  

Stata高级班包括6个专题,重点讲述各类面板模型以及一些新近发展的内生性处理方法。主要涉及如下几个方面的内容:

(1)面板模型:动态面板模型、面板VAR模型和面板门槛模型(第2讲第3讲),前者在刻画变量之间的动态关系,以及政策冲击方面非常有用;而后者则在近年中分析结构变化方面得到了广泛的应用。

(2)内生性问题,包括传统的IV估计和GMM估计 (第1讲),这构成了第2讲(动态面板模型和面板VAR) 的理论基础;处理效应模型和倾向得分匹配分析(第5讲);断点回归分析(RDD, 第6讲)。作为上述模型的分析基础之一,在第4讲中,将介绍Logit模型;

课程的特色和详情介绍如下:

其一,介绍了几个应用日益广泛的面板模型。时至今日,多数领域使用的都是面板数据,也对相关的模型提出了越来越高的要求。在第2讲中,我将介绍专门用来分析变量自身以及多个变量之间动态关系的动态面板数据模型和面板VAR模型。这两类模型在经济增长、公司金融、国际贸易、劳动经济学等领域都得到了广泛应用。此外,在实证分析中,经常要处理结构变化问题,目前主要使用交叉项和分组回归等方式,但这两种设定方法都需要预先知道或假设结构变化点,使其合理性颇受质疑。第3讲介绍的面板门槛模型则基于“让数据说话”的原则,自动搜索结构变化点,从而克服了上述方法的局限。

其二,显然,内生性问题是困扰我们这个时代的学者的一个普遍而棘手的问题。为此,高级班将通过三个专题全面深入地介绍了内生性问题。第5讲介绍两类处理由于自我选择偏误导致的内生性问题的模型。一是处理效应模型,主要应对解释变量中所包含的0/1内生变量;二是倾向得分匹配分析方法,主要通过多维配对的方式来解决自我选择偏误。翻阅最近2年发表于《经济研究》、《管理世界》、《经济学(季刊)》等期刊的文章,这两类模型在处理内生性问题方面得到了日益广泛的应用。

作为上述模型的基础,第3讲介绍Logit模型。一方面,Logit模型是研究很多0/1选择问题的主要方法;另一方面,在诸多解决内生性问题的模型中(如Heckman选择模型、PSM、DID、RDD等),Logit都是非常关键的环节。

      相对于初级班,高级班的内容在难度上,虽然难度有所增加,但思路和架构更为清楚。在学习方法上,高级班与初级班有所不同。初级班的主要目的在于打下扎实的基础,建立一个完整的学习架构,而在高级班中,我则建议大家重点学习与自己研究方向密切相关的方法,通过广泛阅读文献来掌握这些方法在不同场景下的应用条件和变通方法。


课程大纲

专题名称

授课内容

第1讲 (3小时)

内生性专题 I:

IV-GMM

工具变量法(IV

广义矩估计法(GMM)简介

内生性检验:是否存在内生性

过度识别检验:工具变量的合理性

第2讲 (3小时)

动态面板模型

面板VAR模型

一阶差分GMM估计量(FD-GMM

序列相关检验、过度识别检验(Sargan检验)

模型设定常见问题(弱工具变量问题)

面板VAR模型简介

允许外生变量的PVAR模型

冲击反应函数 (IRF)、方差分解 (FEVD)

应用实例(介绍2篇论文)

第3讲 (3小时)

截面和面板门槛模型

Bootstrap简介

截面门槛模型(Cross-sectional  Threshold Model

面板门槛模型(Panel Threshold  Model

应用实例(介绍2篇论文)

第4讲 (3小时)

Logit模型

Logit模型简介

模型设定、估计方法和结果的解释

多元Logit模型 (Multinomial  Logit)

有序Logit模型 (Ordered  Logit)

应用实例(介绍2篇论文)

第5讲 (3小时)

内生性专题 II:

Heckman选择模型

处理效应模型

倾向得分匹配分析(PSM)

自我选择偏误简介

Heckman选择模型(Heckman Selection Model

处理效应模型(Treatment Effect Model

Propensity  Score Matching (PSM) 简介

配对方法:精确配对、半径匹配、最近邻匹配等

共同支撑假设和平行假设

范例:2篇文章

第6讲 (3小时)

内生性专题III:

断点回归分析(RDD)

Regression Discontinuity Design (RDD) 简介

明确断点RDD分析 (Sharp RDD)

模糊断点RDD分析 (Fuzzy RDD)

范例:2篇文章


联系方式

魏老师
QQ:28819897142881989714

Tel:010-68478566

Mail:vip@pinggu.org

25159_pxapp 2017-11-06 12:38

你好,有联系电话吗?咨询报名事宜 。 回复(1)

资料狂人 2017-11-06 17:31

您好,有的:010-68478566 评论(0)
评论 资料狂人 数学公式

提交

提交
回复 25159_pxapp 数学公式

提交

提交

课程订阅

讲师介绍


Peixun.net

Stata暑假特训-2018高级班

请认真填写以下信息,方便为您服务
  • 姓名:
  • 电话:
  • 邮箱:
  • 备注:
  • 邀请码:
  • 您还可以选择 登录 或者 注册 更方便您管理课程。

Peixun.net

您关于:

Stata暑假特训-2018高级班

的报名信息已经提交成功。

去购物车结算
您可以选择 登录 或者 注册 更方便您管理课程。
回头再说

邮件已发送!

已成功发送邮件到您注册的邮箱 请前往查询并点击链接重置密码

有待解答的问题

3 名学员对您的课程提问,需要您作出回答。 现在就去