Stata初级特训_2025年寒假 我要报名 ¥3000
Peixun.net > 现场班 > 计量实证分析 > Stata初级特训_2025年寒假

Stata初级特训_2025年寒假

满意程度:     课程系列:A3
课时:0 分钟| 1022人学习 分享 收藏
2025课程全面引入 AI 辅助技术
Stata初级课程包括Stata软件应用和主流基本模型实现两大部分。初衷之一为Stata初学者建立Stata学习的整体框架,掌握Stata软件的命令与程序的主要语法规范,提升Stata数据管理的基本技能;初衷之二对目前计量经济学领域中基本方法进行系统讲解。

上课信息

上课时间: 2025年1月13-15日 (三天)
9:00-12:00;14:00-17:00;答疑交流

上课地点: 北京现场班, 同步远程直播; 均提供录播回放

Stata初级特训_2025年寒假

第1讲 Stata基础操作(3h)

1.1 Stata软件快速入门

1.2 AI赋能Stata学习实例

1.3 Stata菜单操作

1.4 Stata路径设定:sysdir和adopath

1.5 Stata外部命令科学管理与更新

1.6 各类文件的合理组织:do文件、ado文件和数据文件

1.7 Stata命令与帮助文件

1.8 do文件创建与优化

1.9 标量与矩阵

第2讲 数据处理与作图(3h)

2.1 数据处理准备

2.1.1 各类数据导入与导出

2.1.2 整理、提取和变量转换

2.1.3 AI辅助数据预处理

2.2 合并、转换与堆叠

2.2.1 纵向与横向数据合并

2.2.2 数据转换

2.2.3 数据堆叠与面板数据构建

2.2.4 AI辅助合并与匹配

2.3 数据清理

2.3.1 单变量清理

2.3.2 多变量清理

2.3.3 AI自动化数据清洗

2.4 缺失值与补漏方法集成

2.5 数据清理实操

2.5.1 主流数据库:Wind数据转换为Stata面板数据

2.5.2 微观调查类数据处理:以CFPS数据为例

2.6 Stata数据的科学图形展示

2.6.1 基础图形命令应用

2.6.2 面板数据的动态显示

2.6.3 交错事件面板数据图形

2.6.4 回归系数可视化

2.6.5 分箱散点图

2.7 例文软件实现与解读:

① Cattaneo M D, Crump R K, Farrell M H, et al. On binscatter[J]. American Economic Review, 2024,

114(5): 1488-1514.

第3讲 Stata程序与编程(3h)

3.1 局域暂元与全局暂元

3.1.1 global的使用技巧

3.1.2 local的几种常用方法

3.1.3 AI提升暂元应用技能

3.2 条件与循环语句

3.2.1 巧用if嵌套语句

3.2.2 循环语句

3.2.3 AI辅助语句解读

3.3 程序编写规范与语法解析

3.3.1 Stata程序结构

3.3.2 程序参数解析

3.3.3 程序返回值

3.3.4 标准语法解析

3.3.5 参数类型验证

3.3.6 AI智能编写Stata程序

3.4 ado文件与hlp文件

3.4.1 ado文件编写规范

3.4.2 标准文件的编写

3.5 Stata编程示例: LM和GMM估计的代码编程

第4讲 线性回归模型、内生性与工具变量法(3h)

4.1 regress估计、结果解释与边际效应

4.2 如何正确使用稳健与聚类-稳健标准误

4.3 Wild cluster bootstrap

4.4 自变量相对重要性的Shapley分解

4.5 AI辅助识别内生性与修正

4.6 IV估计量:IV、2SLS和GMM

4.7 恰好与过度识别模型的IV估计

4.8 弱工具变量检验

4.9 弱工具变量的稳健推断

4.10 IV和OLS估计系数差异分解

4.10 例文软件实现与解读:

② 尹志超等. 农村劳动力流动对家庭储蓄率的影响[J]. 中国工业经济,2020.

③ Ishimaru S. Empirical decomposition of the iv-ols gap with heterogeneous and nonlinear effects[J].

Review of Economics and Statistics, 2024: 1-16.

第5讲 因果推断经验研究中的中介效应与调节效应(IV)(3h)

5.1 中介效应模型的现行做法与检验

5.2 中介效应检验的反思

5.3 中介效应分析的操作建议

5.4 中介效应估计新命令:sgmediation2

5.5 具有工具变量的中介效应分析

5.6 基于结构方程模型的中介效应分析

5.7 AI赋能中介效应分析

5.8 调节效应与异质性分析

5.9 调节效应分析的操作建议

5.10 例文软件实现与解读:

④ 孙伟增,毛宁,兰峰等.政策赋能、数字生态与企业数字化转型——基于国家大数据综合试验区的准自然实验[J].

中国工业经济,2023.

⑤ 曹伟,綦好东,赵璨.企业金融资产的配置动机:基于产权性质与异质性股东参股的分析[J].中国工业经济,2023.

⑥ Braghieri L, Levy R, Makarin A. Social media and mental health[J]. American Economic Review, 2022.

第6讲 静态面板数据模型与双重差分法(3h)

6.1 估计量比较:混合OLS、组内、组间与一阶差分

6.2 模型选择检验:固定效应or随机效应模型

6.3 面板数据内生性与IV估计

6.4 高维固定效应模型:reghdfe

6.5 AI辅助静态面板数据模型估计、模型选择与结果解释

6.6 政策评估两种偏误如何影响评估效果

6.7 双重差分的7种估计方法

6.8 双重差分法的平行趋势检验与安慰剂检验

6.9 Stata时间-空间维度安慰剂检验新命令

6.10 多期双重差分的估计与规范作图

6.11 三重差分估计如何检验平行趋势

6.12 例文软件实现与解读:

⑦ 曹清峰.国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据.中国工业经济,2020.


报名时间 2024-10-28 00:00 至 2025-01-13 00:00
培训时间 2025年1月13-15日 (三天)
培训地点 北京现场班, 同步远程直播; 均提供录播回放
培训费用 3000元/2700元(学生优惠价仅限全日制本科及硕士在读)
授课安排 9:00-12:00;14:00-17:00;答疑交流


一、课程简介

2025年寒假 Stata 课程专为希望在数据分析和计量经济学领域精进技能的学员设计,课程聚焦Stata 软件在学术研究和实务操作中的强大应用,致力于提升学员的数据管理和模型构建能力。本课程提供完整的代码、配套数据和案例解析,分为初级和高级两个层次,逐步带领学员从 Stata 的基础操作到高阶分析,掌握广泛应用于经济、金融、管理等多个领域的前沿分析技术。

在课程内容上,我们结合当前的研究热点,涵盖了从数据预处理、可视化到线性回归、工具变量、面板数据模型(静态和动态)、双重差分、断点回归、合成控制、机器学习与因果推断等多种常用的计量分析方法,力求让学员掌握多元化的模型选择和分析策略。特别值得关注的是,课程全面引入 AI 辅助技术,帮助学员高效完成数据清洗、变量选择、模型优化等繁琐任务。AI 的引入不仅提升了学习效率,更帮助学员掌握数据分析的自动化与智能化技能。

在初级课程中,学员将系统学习 Stata 的基础操作,掌握数据导入、数据清理、绘图等常用技能,为后续的数据分析奠定坚实基础。同时,课程详细讲解了 Stata 在经典计量经济学模型(如线性回归、工具变量法和面板数据模型)中的应用,包括基于 AI 的模型实现和结果解读,帮助学员高效掌握从变量边际效应到弱工具变量检验等关键技能。

课程面向Stata 初学者、具有一定计量分析基础的学员以及希望掌握最新 Stata 工具和技术的学者。无论是学术研究、政策分析还是行业数据研究,课程都将为学员提供强大支持,并通过 AI 辅助工具提升分析效率,让学员从繁杂的数据处理中解放出来,专注于模型构建和结果分析。



二、课程对象

社会科学、经济管理、公共政策、教育学、医学统计等领域的学术研究人员和行业从业者,适合高校教师、科研院所研究员、在校博硕士研究生、优秀本科生、数据分析师、政府部门统计人员及需要使用 Stata 进行数据分析和计量研究的各类专业人士。无论您是从事经济、管理、金融、社会学、教育学、政治学、公共卫生,还是对数据分析、量化研究有浓厚兴趣的跨领域研究者,本课程都能满足您的学习需求。

特别是那些希望通过 Stata 软件进行高效、精准的数据分析的学员,将从课程中收获系统的实操指导和前沿的分析思维。课程中引入的 AI 辅助技术,能够帮助学员快速掌握数据清理、变量选择、模型构建等实用技能,从而在科研和实际工作中实现创新性突破。这些内容使课程具备了广泛的适用性和前瞻性,能够吸引各个领域中希望掌握 Stata 软件与数据分析技能的学员。



三、课程特色

1、注重Stata软件应用的基础操作与实际应用技能提升

初级班主要针对零基础或初步接触Stata软件,或已有一定Stata基础但计量经济学基础较为薄弱的学员,重点通过讲授三个模块提升软件操作与实际应用技能:一是Stata软件的基础操作,包括Stata命令与程序的基本语法结构,文件的创建与优化;二是Stata软件的实操训练,包括主流数据库和大型社会调查数据的合并与转换,通过简要程序提升数据处理技能;三是Stata软件在计量经济模型中的应用,包括主流的面板数据模型、政策评价的双重差分(DID)模型,以及中介效应和调节效应模型。


2、注重经典计量模型的理论与软件应用

初级班课程,在重点讲授Stata软件应用外,也注重Stata软件在计量模型中的具体应用与实现。在充分考虑模型应用的广泛性与代表性的基础上,从众多计量模型中,选择了多元线性回归模型、中介效应与调节效应、面板数据模型与双重差分模型,上述四类在当前学术论文中,应用广泛的模型。综合使用“PPT+注解+软件代码”三维一体的教学模式,从计量理论模型入手,剖析模型的基本原理,通过软件代码,实现模型的具体估计,进而完成软件结果的解读。


3、注重模型的具体实现与例文中的应用

初级班课程的计量模型部分,针对性给出相关实证例文,详细解读例文的选题、模型构建、变量选择、模型估计、结果输出与解读等论文写作的重要环节,进一步提升对计量模型的理解与软件实现,并能从容应对自己论文实证研究中可能出现的各种实际情况,提升学术论文的写作技能。



四、课程大纲

第1讲 Stata基础操作(3h)

1.1 Stata软件快速入门

1.2 AI赋能Stata学习实例 2025 new

1.3 Stata菜单操作

1.4 Stata路径设定:sysdir和adopath

1.5 Stata外部命令科学管理与更新

1.6 各类文件的合理组织:do文件、ado文件和数据文件

1.7 Stata命令与帮助文件

1.8 do文件创建与优化

1.9 标量与矩阵

第2讲 数据处理与作图(3h)

2.1 数据处理准备

2.1.1 各类数据导入与导出

2.1.2 整理、提取和变量转换

2.1.3 AI辅助数据预处理 2025 new

2.2 合并、转换与堆叠

2.2.1 纵向与横向数据合并

2.2.2 数据转换

2.2.3 数据堆叠与面板数据构建

2.2.4 AI辅助合并与匹配 2025 new

2.3 数据清理

2.3.1 单变量清理

2.3.2 多变量清理

2.3.3 AI自动化数据清洗 2025 new

2.4 缺失值与补漏方法集成

2.5 数据清理实操

2.5.1 主流数据库:Wind数据转换为Stata面板数据

2.5.2 微观调查类数据处理:以CFPS数据为例

2.6 Stata数据的科学图形展示

2.6.1 基础图形命令应用

2.6.2 面板数据的动态显示

2.6.3 交错事件面板数据图形

2.6.4 回归系数可视化

2.6.5 分箱散点图

2.7 例文软件实现与解读:

① Cattaneo M D, Crump R K, Farrell M H, et al. On binscatter[J]. American Economic Review, 2024,

114(5): 1488-1514.

第3讲 Stata程序与编程(3h)

3.1 局域暂元与全局暂元

3.1.1 global的使用技巧

3.1.2 local的几种常用方法

3.1.3 AI提升暂元应用技能 2025 new

3.2 条件与循环语句

3.2.1 巧用if嵌套语句

3.2.2 循环语句

3.2.3 AI辅助语句解读 2025 new

3.3 程序编写规范与语法解析

3.3.1 Stata程序结构

3.3.2 程序参数解析

3.3.3 程序返回值

3.3.4 标准语法解析

3.3.5 参数类型验证

3.3.6 AI智能编写Stata程序 2025 new

3.4 ado文件与hlp文件

3.4.1 ado文件编写规范

3.4.2 标准文件的编写

3.5 Stata编程示例: LM和GMM估计的代码编程

第4讲 线性回归模型、内生性与工具变量法(3h)

4.1 regress估计、结果解释与边际效应

4.2 如何正确使用稳健与聚类-稳健标准误

4.3 Wild cluster bootstrap

4.4 自变量相对重要性的Shapley分解

4.5 AI辅助识别内生性与修正 2025 new

4.6 IV估计量:IV、2SLS和GMM

4.7 恰好与过度识别模型的IV估计

4.8 弱工具变量检验

4.9 弱工具变量的稳健推断

4.10 IV和OLS估计系数差异分解

4.10 例文软件实现与解读:

② 尹志超等. 农村劳动力流动对家庭储蓄率的影响[J]. 中国工业经济,2020.

③ Ishimaru S. Empirical decomposition of the iv-ols gap with heterogeneous and nonlinear effects[J].

Review of Economics and Statistics, 2024: 1-16.

第5讲 因果推断经验研究中的中介效应与调节效应(IV)(3h)

5.1 中介效应模型的现行做法与检验

5.2 中介效应检验的反思

5.3 中介效应分析的操作建议

5.4 中介效应估计新命令:sgmediation2

5.5 具有工具变量的中介效应分析

5.6 基于结构方程模型的中介效应分析

5.7 AI赋能中介效应分析 2025 new

5.8 调节效应与异质性分析

5.9 调节效应分析的操作建议

5.10 例文软件实现与解读:

④ 孙伟增,毛宁,兰峰等.政策赋能、数字生态与企业数字化转型——基于国家大数据综合试验区的准自然实验[J].

中国工业经济,2023.

⑤ 曹伟,綦好东,赵璨.企业金融资产的配置动机:基于产权性质与异质性股东参股的分析[J].中国工业经济,2023.

⑥ Braghieri L, Levy R, Makarin A. Social media and mental health[J]. American Economic Review, 2022.

第6讲 静态面板数据模型与双重差分法(3h)

6.1 估计量比较:混合OLS、组内、组间与一阶差分

6.2 模型选择检验:固定效应or随机效应模型

6.3 面板数据内生性与IV估计

6.4 高维固定效应模型:reghdfe

6.5 AI辅助静态面板数据模型估计、模型选择与结果解释  2025 new

6.6 政策评估两种偏误如何影响评估效果

6.7 双重差分的7种估计方法

6.8 双重差分法的平行趋势检验与安慰剂检验

6.9 Stata时间-空间维度安慰剂检验新命令

6.10 多期双重差分的估计与规范作图

6.11 三重差分估计如何检验平行趋势

6.12 例文软件实现与解读:

⑦ 曹清峰.国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据.中国工业经济,2020.



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


课程订阅

讲师介绍


Peixun.net

Stata初级特训_2025年寒假

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初级特训_2025年寒假

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
联系顾问 顾问微信

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