STATA丨处理效应与政策评估专题 (2021-new) 我要报名 ¥3600
Peixun.net > 现场班 > 计量实证分析 > STATA丨处理效应与政策评估专题 (2021-new)

STATA丨处理效应与政策评估专题 (2021-new)

满意程度:     课程系列:A5
课时:0 分钟| 179人学习 分享 收藏
从零基础开始,透彻理解并掌握“处理效应与政策评估”
帮助学员在尽可能短的时间内掌握其中的关键,明白背后的基本原理和基本操作,不仅学会如何用STATA专题teffects等命令来估计处理效应,还能理解命令背后的原理,并正确解读分析结果。

上课信息

上课时间: 18小时
随报随学

上课地点: 线上学习,提供资料及主讲老师答疑

STATA丨处理效应与政策评估专题 (2021-new)

一、 引例:

1. 穿鞋的增高效应:拟用一个假设的例子帮助理解反事实(Counterfactual)框架、

潜在结果(Potential outcomes)、平均处理效应(ATE)、自选择偏误(SEB)、条件独立(CI)

和条件期望独立(CMI)、重叠假设(Overlap)、平衡性(balance)、稳定单元处理值

假设(SUTVA)等基本概念。初步掌握回归调整(teffects ra)、逆概率加权调整(teffects ipw)、

增强逆概率加权调整(teffects aipw)、逆概率加权回归调整(teffects ipwra)、

近邻匹配法(teffects nnmatch)、倾向值匹配法(teffects psmatch)、内生处理效应(effects)

等STATA命令的用法。

2. 处理效应及估计方法的图示:吸烟对新生儿体重的影响

通过命令绘图直观展现观察结果、潜在结果、ATE,以及回归调整、逆概率加权调整等方法,

以及重叠性(Overlap)、平衡性(balance)检验,包括tebalance density, tebalancebox等。

二、处理效应的分析框架与三大假设

1. 分析框架

2. 条件独立假设(CI)

3. 重叠假设(Overlap)

4. 稳定单元处理值假设(SUTVA)

5. 平衡性(balance)

三、处理效应估计(teffects)

1. 回归调整法(RA)

2. 逆概率加权调整法(IPW)

3. 增强逆概率加权调整(teffects aipw)

4. 逆概率加权回归调整(teffects ipwra)

5. 近邻匹配法(teffects nnmatch)

6. 倾向值匹配法(teffects psmatch)

四、索套处理(telasso)

1. 大数据

2. 大数据设定(vl)

3. 索套回归(lasso)

4. 索套处理(tslasso)

五、生存处理效应(steffects)

1. 生存模型基础(st)

2. 生存回归调整法(steffects ra)

3. 生存逆概率加权调整法(steffects ipw)

4. 逆概率加权回归调整(teffects ipwra)

5. 加权回归调整(teffects wra)

六、处理效应假设检验

1. 重叠性检验(teoverlap)

2. 平衡性描述(tebalance summary)

3. 平衡性过度识别检验(tebalance overid)

4. 平衡性密度图(tebalance density)

5. 平衡性箱形图(tebalance box)

七、双重差分(DID)

1. 双重差分模型简介

2. 双重差分回归(didregress)

3. 面板数据的双重差分(xtdidregress)

4. 平行趋势检验(estat ptrends)

5. 平行趋势绘图(trendplots)

八、内生处理(eteffects)

1. 内生处理的分析框架

2. 内生处理线性回归(etregress )

3. 内生处理泊松回归(etpoisson)

九、多种内生性的处理(ERM)

1. 内生变量、内生选择与内生样本选择

2. ERM的基本原理

3. ERM命令(eregress)

4. ERM案例

十、中介效应与交互效应

1. 经典的中介效应

2. 具有因果性的中介效应

3. 四大假设

4. 几个实例

5. 交互效应

6. 中介效应与交互效应分解


报名时间 2021-11-26 00:00 至 2022-11-26 00:00
培训时间 18小时
培训地点 线上学习,提供资料及主讲老师答疑
培训费用 3600元/3200元(学生优惠价仅限全日制本科及硕士在读)
授课安排 随报随学


STATA处理效应与政策评估专题

课程导语:

     很多实证研究可归结于检验某项政策或干预(D)能否达到预期效果(Y)。但描述性统计或OLS方法通常只能获得X与Y是否相关的结论,要回答X是否影响Y,则需要基于反事实框架(又称Rubin因果模型,RCM)来估计潜在结果和处理效应。有时,相关分析和因果分析估计甚至会得出完全相反的结论,因此,学习并掌握处理效应的方法、了解在不同的政策背景下如何选择使用最合适的方法,对于开展严谨有效的政策评估必不可少。

      处理效应主要回答“whether?”,即X是否对Y有影响。在给出可信的“Yes”或“No”的答案之后,人们通常会进一步追问“Why?How?”,即X为什么会影响Y?X如何影响Y?通过什么机制起作用?这就是中介效应分析或影响机制分析。一个惊人的事实是,X与Y正相关,Y与Z正相关,但X可能与Z负相关,通常的中介效应分析类似于相关分析,并不具有因果机制的解释力,只有用潜在结果或反事实框架来分析中介效应,才能得出X正向影响Y,Y正向影响Z,从而X正向影响Z的因果链,问题是具有因果解释的中介效应的前提假设是什么?若这些假设不成立,又该怎么办?

      本课程拟以STATA的“POTENTIAL OUTCOMES/COUNTERFACTUALOUTCOMES”专题参考书为基准,参照其他教材(如《社会经济政策的计量经济学评估》)、专著和论文,由浅入深,系统讲授STATA估计处理效应的官方命令集,包括处理效应“teffects”命令、生存处理效应“stteffects”命令、索套处理效应“telasso”、双重差分“didregress”命令、内生处理效应“eteffects”命令以及同时应对多种内生性的扩展回归“erm”模型。非STATA官方的估计处理效应的命令众多,但STATA官方命令采用统一的框架,基于GMM估计,能给出更一致、更有效的估计,使得统计推断更为可信。

      在政策分析中,一个暗含前提是:资源是有限的,用于最有因果效应的群体,将发挥最大的成本效果。因此就需要识别哪个群体的因果效应最大。有时政策或干预对有的人有益,但对另外一些人有害,也需要区分识别。这称为交互效应,研究问题是“When and for Who”,即何时When,在什么环境或条件下,对谁(for Who)有因果效应?对不同的群体或环境条件下是否有不同的因果效应?



课程目标:

本课程拟将STATA模拟、案例和必要的数学公式三者紧密结合,帮助学员在尽可能短的时间内掌握其中的关键,明白背后的基本原理和基本操作,不仅学会如何用STATA专题teffects等命令来估计处理效应,还能理解命令背后的原理,并正确解读分析结果。



目标群体:

所有行业与学科的人士、老师与学生(包含经管社科、医学卫生等领域)



讲师简介:

陈传波,中国人民大学农业与农村发展学院副教授,博士生导师。

自1999年开始,钻研STATA二十余载,著有《STATA十八讲》,自2004年以来,一直在中国人民大学为研究生讲授《高级计量经济学》。

在《统计研究》、《管理世界》等期刊发表过相关论文,为国家第三次农业普查骨干培训班讲过数据分析课。主持过多项国家社科基金和国家自然科学基金。

是《经济学季刊》、《中国农村经济》、《农业经济问题》、《农业技术经济》、《浙江大学学报》等期刊审稿人。现为北京注册会计师协会会员,中国医疗保障专业委员会委员,主要从事医保大数据分析、农村劳动力就业等方面的研究。



课程大纲:

一、引例:

1. 穿鞋的增高效应

      拟用一个假设的例子帮助理解反事实(Counterfactual)框架、潜在结果(Potential outcomes)、平均处理效应(ATE)、自选择偏误(SEB)、条件独立(CI)和条件期望独立(CMI)、重叠假设(Overlap)、平衡性(balance)、稳定单元处理值假设(SUTVA)等基本概念。初步掌握回归调整(teffects ra)、逆概率加权调整(teffects ipw)、增强逆概率加权调整(teffects aipw)、逆概率加权回归调整(teffects ipwra)、近邻匹配法(teffects nnmatch)、倾向值匹配法(teffects psmatch)、内生处理效应(effects)等STATA命令的用法。


2. 处理效应及估计方法的图示:吸烟对新生儿体重的影响

     通过命令绘图直观展现观察结果、潜在结果、ATE,以及回归调整、逆概率加权调整等方法,以及重叠性(Overlap)、平衡性(balance)检验,包括tebalance density, tebalancebox等。


二、处理效应的分析框架与三大假设

1. 分析框架

2. 条件独立假设(CI)

3. 重叠假设(Overlap)

4. 稳定单元处理值假设(SUTVA)

5. 平衡性(balance)


三、处理效应估计(teffects)

1. 回归调整法(RA)

2. 逆概率加权调整法(IPW)

3. 增强逆概率加权调整(teffects aipw)

4. 逆概率加权回归调整(teffects ipwra)

5. 近邻匹配法(teffects nnmatch)

6. 倾向值匹配法(teffects psmatch)


四、索套处理(telasso)

1. 大数据

2. 大数据设定(vl)

3. 索套回归(lasso)

4. 索套处理(tslasso)


五、生存处理效应(steffects)

1. 生存模型基础(st)

2. 生存回归调整法(steffects  ra)

3. 生存逆概率加权调整法(steffects  ipw)

4. 逆概率加权回归调整(teffects ipwra)

5. 加权回归调整(teffects wra)


六、处理效应假设检验

1. 重叠性检验(teoverlap)

2. 平衡性描述(tebalance summary)

3. 平衡性过度识别检验(tebalance overid)

4. 平衡性密度图(tebalance density)

5. 平衡性箱形图(tebalance box)


七、双重差分(DID)

1. 双重差分模型简介

2. 双重差分回归(didregress)

3. 面板数据的双重差分(xtdidregress)

4. 平行趋势检验(estat ptrends)

5. 平行趋势绘图(trendplots)


八、内生处理(eteffects)

1. 内生处理的分析框架

2. 内生处理线性回归(etregress )

3. 内生处理泊松回归(etpoisson)


九、多种内生性的处理(ERM)

1. 内生变量、内生选择与内生样本选择

2. ERM的基本原理

3. ERM命令(eregress)

4. ERM案例


十、中介效应与交互效应

1. 经典的中介效应

2. 具有因果性的中介效应

3. 四大假设

4. 几个实例

5. 交互效应

6. 中介效应与交互效应分解


优惠政策:

1,现场班老学员九折优惠;

2,同一单位3-5人同时报名九折优惠;

折扣优惠与学生价优惠不叠加。


课程咨询:

尹老师

电话:13321178792

QQ:42884447

WeChat:yinyinan888


主要参考:

1. STATA Manual: Potential Outcomes/CounterfactualOutcomes,2021

2. TYLER J. VANDERWEELE,Explanation in CausalInference:Methods for Mediation and Interaction,2015

3. Giovanni Cerulli,社会经济政策的计量经济学评估:理论与应用,2020年.

4. Joshua D.Angrist, 精通计量:从原因到结果的探寻之旅,2019年.

5. Jeffrey M.Wooldridge, 横截面与面板数据的计量经济分析(第二版),2019年

课程订阅

讲师介绍


Peixun.net

STATA丨处理效应与政策评估专题 (2021-new)

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丨处理效应与政策评估专题 (2021-new)

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