高级计量Stata之因果推断 我要报名 ¥5200
Peixun.net > 现场班 > 计量实证分析 > 高级计量Stata之因果推断

高级计量Stata之因果推断

满意程度:     课程系列:A4
课时:0 分钟| 2619人学习 分享 收藏
新课纲四天专注因果推断,独家计量男神现场班!
→ 陈强老师本人亲授四天+课后无时限亲自答疑
→ 额外赠送陈强老师计量经济学46小时视频课
→ 高级计量经济学现场班占座ing,根据缴费顺序安排座位

上课信息

上课时间: 2024年5月1-4日(四天)
上午9:00-12:00;下午2:00-5:00;答疑5:00-6:00

上课地点: 上海市现场班,提供交通住宿指南

高级计量Stata之因果推断

第1讲,随机实验与自然实验。

随机实验是实证研究的黄金标准。

内容:随机实验,自然实验,内部有效性,外部有效性,最小二乘法(OLS),二值选择模型(Probit,Logit),

非参数估计。

案例:班级规模与学习成绩(Hanushek,1999),种族与就业歧视(Bertrand and Mullainathan, 2004),

就业经历与未来就业(Pallais, 2014),最低工资与劳动力需求(Card and Krueger, 1994),

参军与长期收入(Angrist, 1990)。

第2讲,工具变量法。

工具变量法是解决内生性的通用方法。

内容:2SLS,LIML,GMM,弱工具变量,过度识别检验,排他性约束,内生性检验,

移动份额工具变量法(shift-share IV,即Bartik IV),异质性工具变量法(局部处理效应,LATE)。

案例:出生季度与教育年限(Angrist and Krueger,1991);殖民者死亡率与制度(Acemoglu et al., 2001);

经济增长与非洲内战(Miguel et al., 2004);国企改革的作用(Groves et al., 1994);

警察与犯罪率(Levitt, 1997);科举制对人力资本积累的长期影响(Chen et al., 2020);

美国年轻男子的教育回报(Griliches, 1976);进口竞争对美国当地劳动力市场的影响(Autor et al., 2013)。 。

第3讲,匹配估计量。

本讲介绍基于非混杂性(unconfoundedness)的一系列估计方法。

非混杂性意味着,若控制处理前的特征(pretreatment characteristics),则处理变量不再有内生性。

内容:匹配估计,倾向得分匹配(PSM; Rosenbaum and Rubin, 1983; Abadie and Imbens, 2016),

回归调整法(regression adjustment;也称结果回归,outcome regression),

逆概加权法(inverse probability weighting),双重稳健估计(doubly robust estimation)。

案例:就业培训的处理效应(LaLonde, 1986; Dehejia and Wahba, 1999)。

第4讲,断点回归。

由于在断点附近存在局部随机分组,故断点回归的效力接近于随机实验,日益为研究者所青睐

(Thistlethwaite and Campbell, 1960; Imbens and Kalyanaraman, 2009; Calonico et al., 2014)。

内容:精确断点回归,模糊断点回归,密度(操纵)检验,稳健性检验。

案例:冬季燃煤取暖与人均寿命(Chen et al., 2013);扶贫政策的效应(Meng, 2013);

买房落户与户口价值(Chen et al., 2019);美国参议院选举的在位者优势(Cattaneo et al., 2015)。

第5讲,合成控制法。

在评价某处理地区的政策效应时,将控制地区进行最优的线性组合,以构造合成控制地区进行对比,

这是估计处理效应的流行方法(Abadie and Gardeazabal, 2003; Abadie et al., 2010)。

内容:比较案例分析,合成控制法,空间安慰剂检验,时间安慰剂检验,

混合安慰剂检验(Chen and Yan, 2023),留一稳健性检验。

案例:马里矣尔船运(Mariel boatlift;Card, 1990);

西班牙巴斯克地区恐怖活动的经济后果(Abadie and Gardeazabal, 2003);

加州控烟法的成效(Abadie et al., 2010);德国统一的政策效应(Abadie et al., 2015)。

第6讲,回归控制法。

与合成控制法类似,但回归控制法使用回归法来构成反事实的控制地区(Hsiao et al., 2012;

Hsiao and Zhou, 2019),比合成控制法更为简便易行。

内容:回归控制法,安慰剂检验,含协变量的回归控制法,

分位数控制法(Quantile Control Method; Chen et al., 2023)。

案例:香港回归及与中国内地经济整合的效应(Hsiao et al., 2012);

德国统一的政策效应(Abadie et al., 2015);四万亿经济刺激的效应(Ouyang and Peng, 2015);

上海与重庆房产税试点的效应(Du and Zhang, 2015);高铁开通的政策效应(Ke et al., 2017);

房票政策的房价效应(方诚、陈强,2021)。

第7讲,两期DID。

这是最基本的双重差分法模型,也是理解DID的基石。

内容:差分估计量,双重差分估计量,平行趋势假定(Parallel Trend Assumption, PTA),

条件平行趋势假定(Conditional PTA),

双向固定效应模型,PSM-DID(Heckman et al., 1997, 1998),

逆概加权估计(Abadie, 2005),双重稳健估计(Sant’Anna and Zhao, 2020)。

案例:伦敦霍乱的自然实验;最低工资立法与劳动力需求(Card and Krueger, 1994);

工会成员的工资溢价(union-wage premium)。

第8讲,经典多期DID。

经典多期DID模型包括两组(即处理组与控制组)与两时段(即处理前与处理后),

而个体受政策冲击时间均相同;故也称为经典2x2DID。

多期DID使得平行趋势假定的检验成为可能,且可使用事件分析法(event study)考察动态处理效应。

内容:平行趋势图,平行趋势检验,安慰剂检验,分组异质性,多期PSM-DID。

案例:就业培训的政策效应(Ashenfelter, 1978);漕粮海运与大运河沿线叛乱(Cao and Chen, 2022);

人工智能翻译与国际贸易(Brynjolfsson et al., 2019)。

第9讲,交叠DID。

在交叠DID(Staggered DID)模型中,个体受政策处理时间不尽相同,但处理状态不可逆(irreversible

treatment),即处理变量只能由0变为1,而不能从1变为0(即不允许政策退出),

也称为“吸入式处理”(absorbing treatment)。

在此框架下,若存在异质性处理效应(处理效应随个体或时间而异),则双向固定效应模型一般会有偏差,

需使用异质性稳健的估计量,即在异质性效应情况下依然成立的估计方法。

内容:静态回归系数的Bacon分解(Goodman-Bacon, 2021),

动态回归系数的Sun-Abraham分解(Sun and Abraham, 2021),

交互加权估计(Interaction Weighted Estimation; Sun and Abraham, 2021),

CSDID估计(Callaway and Sant’Anna, 2021,含结果回归、逆概加权估计,默认为双重稳健估计),

二阶段DID(DID2S; Gardner, 2022),扩展TWFE估计(Wooldridge,2021),

堆叠回归(Stacked Regression; Cengiz et al., 2019)。

案例:银行管制放松与收入分配(Beck et al., 2010);住院治疗的经济后果(Sun and Abraham, 2021);

最低工资对青少年就业的影响(Callaway and Sant’Anna, 2021);

最低工资对低薪岗位的影响(Cengiz et al., 2019)。

第10讲,一般DID与连续DID。

在一般DID(General DID)模型中,个体受政策处理时间不尽相同,且处理状态可逆(reversible treatment),

即允许政策退出(处理变量可由1变为0)。在连续DID模型中,有时所有个体都受到处理,

但政策冲击力度不同,可将处理变量视为连续变量(continuous treatment)。

内容:一般DID的估计方法,包括即时处理效应估计(DIDm; de Chaisemartin and d'Haultfœuille, 2020),

面板匹配估计(PenalMatch; Imai et al., 2019),

插补估计量(Imputation Estimator; Borusyak et al., 2022),

反事实估计量(Liu et al., 2022),连续DID的估计方法(Callaway et al., 2021)。

案例:新闻报纸与总统选举投票率(Gentzkow et al., 2011);

央地执政党异同与央地拨款(Liu et al., 2022);

茶叶价格与性别比例(Qian, 2008);废除科举与革命起义(Bai and Jia, 2016)。

第11讲,DDD与合成DID。

如果平行趋势假定不成立,一种解决方法是同时使用两个控制组,

即三重差分法(DDD; Gruber, 1994; Olden and Moen, 2022)。

另一解决方法是,对控制组个体进行加权,使得加权后的数据满足平行趋势假定,

即合成双重差分法(synthetic DID; Arkhangelsky et al., 2022)。

内容:DDD模型与识别条件,合成DID的模型与估计。

案例:将生育纳入雇主提供医保的政策效应(Gruber, 1994);

加州控烟法的成效(Abadie et al., 2010);女性议员与孕产妇死亡率(Bhalotra et al., 2022)。

第12讲,队列DID(Cohort DID)。

对于横截面的微观数据,如果依时间(比如出生年份)定义的队列或组群(cohorts)受到政策冲击时间

有先后之别,则可考虑使用队列DID。

内容:队列DID的模型设定,平行趋势检验。

案例:印尼校园建设与教育投资回报(Duflo, 2001),知青下乡与农村教育回报(Chen et al., 2020)。


报名时间 2023-10-04 00:00 至 2024-04-30 00:00
培训时间 2024年5月1-4日(四天)
培训地点 上海市现场班,提供交通住宿指南
培训费用 5200元 /4800元(学生价,仅限全日制在读本科和硕士)
授课安排 上午9:00-12:00;下午2:00-5:00;答疑5:00-6:00


高级计量Stata之因果推断

陈强老师亲授高级计量Stata之因果推断2024五一班占座开启!!!

新课纲四天专注因果推断,独家计量男神现场班!

!赠送陈强老师《计量经济学及Stata应用》视频(时长46小时)


讲师介绍:

陈强,分别于1992年与1995年获得北京大学经济学学士与硕士学位,2007年获美国Northern Illinois University数学硕士与经济学博士学位,现任山东大学经济学院教授,博士生导师。

主要研究领域为计量经济学、机器学习、经济史。已发表论文于Oxford Economic Papers (lead article),Economica,Journal of Comparative Economics,Stata Journal,Journal of Econometrics, 《经济学(季刊)》《世界经济》等国内外期刊。著有畅销教材《高级计量经济学及Stata应用》(第2版,2014),《计量经济学及Stata应用》(2015),《机器学习及R应用》(2020)与《机器学习及Python应用》(2021)。2010年入选教育部新世纪人才支持计划。


此次高级计量经济学及Stata四天现场班的三大特色

特色 #1 通过四天心无旁骛的学习,全面而深入地了解高级计量学在因果推断方面的最新方法及Stata案例实操。这是其他短期培训所无法比拟的。

特色 #2 在夯实计量理论基础的同时,迅速将学员们拉到当代计量实证研究的最前沿,使学员们可以先知先觉、决胜未来。

特色 #3 现场班全程由经典教材《高级计量经济学及Stata应用》的作者陈强教授主讲。你或许知道该书因条理清晰、通俗易懂、深入浅出而好评如潮,但只有上过陈强老师课的学生才能体会到,陈老师的现场授课所具有的直指人心之独特魅力,帮助学员立刻进入高级计量的境界,融会贯通,恍然大悟。


目标学员:

经济及社科类青年教师、博士生、硕士生、高年级本科生。


培训目的:

掌握高级计量经济学因果推断的核心方法及Stata操作,不再茫然,知其然而知其所以然,迅速成为处理数据及定量分析的高手。


课程特色:

直观地解释高级计量经济学方法,通过案例学习相应的Stata操作,深入浅出地介绍实证分析与论文写作的精髓。


课程配套资料:

课程PPT、数据集、do文档及相关论文。


课程简介:  

本次高级计量Stata之因果推断现场班,将根据多次现场班的反馈进一步完善。

在课程内容的设计上,主要指导思想是在较短时间内,将高级计量Stata的因果推断精髓及最新方法,以最通俗生动的语言以及大量的案例交给学员。在夯实计量理论基础的同时,特别注重因果推断的具体应用,迅速将学员们拉到当代计量实证研究的最前沿。

由于学员的基础不同,本课程仅对学员背景做最低要求,只要学员学过本科计量经济学及初级Stata操作即可。因为“大道至简至易”,高级计量与初级计量的本质是一样的,学子们最需要的是能够直指人心地洞明计量原理与操作工具,然后得心应手地用于实战。

正如许多学员所说,士别四日,或刮目相看!Now or Never!


课程大纲:

第1讲,随机实验与自然实验。

随机实验是实证研究的黄金标准。

内容:随机实验,自然实验,内部有效性,外部有效性,最小二乘法(OLS),二值选择模型(Probit,Logit),非参数估计

案例:班级规模与学习成绩(Hanushek,1999),种族与就业歧视(Bertrand and Mullainathan, 2004),就业经历与未来就业(Pallais, 2014),最低工资与劳动力需求(Card and Krueger, 1994),参军与长期收入(Angrist,1990)。


第2讲,工具变量法。

工具变量法是解决内生性的通用方法。

内容:2SLS,LIML,GMM,弱工具变量,过度识别检验,排他性约束,内生性检验,移动份额IVBartik IV, Bartik, 1991; Adao et al., 2019;Goldsmith-Pinkham et al., 2020; Borusyak et al., 2022,异质性工具变量法(局部处理效应,LATE)。

案例出生季度与教育年限(Angrist and Krueger,1991);殖民者死亡率与制度(Acemogluet al., 2001);经济增长与非洲内战(Miguel et al., 2004);国企改革的作用(Groves et al., 1994);警察与犯罪率(Levitt, 1997);科举制对人力资本积累的长期影响(Chen et al., 2020);美国年轻男子的教育回报(Griliches,1976);中国进口对美国制造业就业的冲击(Autor et al., 2013

   

第3讲,匹配估计量。

本讲介绍基于非混杂性(unconfoundedness)的一系列估计方法。

非混杂性意味着,若控制处理前的特征(pretreatment characteristics),则处理变量不再有内生性。

内容:匹配估计,倾向得分匹配(PSM;Rosenbaum and Rubin, 1983; Abadie and Imbens, 2016),回归调整法(regression adjustment;也称结果回归,outcomeregression),逆概加权法(inverse probability weighting),双重稳健估计(doubly robust estimation)。

案例:就业培训的处理效应(LaLonde, 1986; Dehejia and Wahba, 1999)。


第4讲,断点回归。

由于在断点附近存在局部随机分组,故断点回归的效力接近于随机实验,日益为研究者所青睐(Thistlethwaite and Campbell, 1960; Imbens and Kalyanaraman, 2009; Calonicoet al., 2014)。

内容:精确断点回归,模糊断点回归,密度(操纵)检验,稳健性检验。

案例:冬季燃煤取暖与人均寿命(Chen et al., 2013);扶贫政策的效应(Meng, 2013);买房落户与户口价值(Chen et al., 2019);美国参议院选举的在位者优势(Cattaneo etal., 2015)。


第5讲,合成控制法。

在评价某处理地区的政策效应时,将控制地区进行最优的线性组合,以构造合成控制地区进行对比,这是估计处理效应的流行方法(Abadie and Gardeazabal, 2003; Abadie et al., 2010)。

内容:比较案例分析,合成控制法,空间安慰剂检验,时间安慰剂检验,混合安慰剂检验(Chen and Yan, 2023),留一稳健性检验。

案例马里矣尔船运(Mariel boatlift;Card, 1990);西班牙巴斯克地区恐怖活动的经济后果(Abadie and Gardeazabal, 2003);加州控烟法的成效(Abadieet al., 2010);德国统一的政策效应(Abadie et al., 2015)。    


第6讲,回归控制法。

与合成控制法类似,但回归控制法使用回归法来构成反事实的控制地区(Hsiao et al., 2012; Hsiao and Zhou, 2019),比合成控制法更为简便易行。

内容:回归控制法,安慰剂检验,含协变量的回归控制法,分位数控制法(Quantile Control Method; Chen et al., 2023)。

案例:香港回归及与中国内地经济整合的效应(Hsiao et al., 2012);德国统一的政策效应(Abadie et al.,2015);四万亿经济刺激的效应(Ouyang and Peng, 2015);上海与重庆房产税试点的效应(Du and Zhang, 2015);高铁开通的政策效应(Ke et al.,2017);房票政策的房价效应(方诚、陈强,2021)。    


第7讲,两期DID。

这是最基本的双重差分法模型,也是理解DID的基石。

内容:差分估计量,双重差分估计量,平行趋势假定(Parallel Trend Assumption, PTA),条件平行趋势假定(ConditionalPTA),双向固定效应模型,PSM-DID(Heckmanet al., 1997, 1998),逆概加权估计(Abadie, 2005),双重稳健估计(Sant’Anna and Zhao, 2020)。

案例:伦敦霍乱的自然实验;最低工资立法与劳动力需求(Card andKrueger, 1994),工会成员的工资溢价(union-wage premium



第8讲,经典多期DID。

经典多期DID模型包括两组(即处理组与控制组)与两时段(即处理前与处理后),而个体受政策冲击时间均相同;故也称为经典2x2DID。多期DID使得平行趋势假定的检验成为可能,且可使用事件分析法(event study)考察动态处理效应。

内容:平行趋势图,平行趋势检验,安慰剂检验,分组异质性,多期PSM-DID。

案例就业培训的政策效应(Ashenfelter, 1978);漕粮海运与大运河沿线叛乱(Cao and Chen, 2022);人工智能翻译与国际贸易(Brynjolfssonet al., 2019)。


第9讲,交叠DID。

在交叠DID(Staggered DID)模型中,个体受政策处理时间不尽相同,但处理状态不可逆(irreversible treatment),即处理变量只能由0变为1,而不能从1变为0(即不允许政策退出),也称为“吸入式处理”(absorbing treatment)。在此框架下,若存在异质性处理效应(处理效应随个体或时间而异),则双向固定效应模型一般会有偏差,需使用异质性稳健的估计量,即在异质性效应情况下依然成立的估计方法。

内容:静态回归系数的Bacon分解(Goodman-Bacon, 2021),动态回归系数的Sun-Abraham分解(Sun and Abraham, 2021),交互加权估计(Interaction Weighted Estimation; Sun and Abraham, 2021),CSDID估计(Callaway and Sant’Anna, 2021,含结果回归、逆概加权估计,默认为双重稳健估计),二阶段DID(DID2S; Gardner, 2022),扩展TWFE估计(Wooldridge,2021),堆叠回归(Stacked Regression; Cengiz et al., 2019)。

案例:银行管制放松与收入分配(Beck et al., 2010);住院治疗的经济后果(Sun and Abraham,2021);最低工资对青少年就业的影响(Callaway and Sant’Anna, 2021);最低工资对低薪岗位的影响(Cengiz et al., 2019)。


第10讲,一般DID与连续DID。

在一般DID(General DID)模型中,个体受政策处理时间不尽相同,且处理状态可逆(reversible treatment),即允许政策退出(处理变量可由1变为0)。在连续DID模型中,有时所有个体都受到处理,但政策冲击力度不同,可将处理变量视为连续变量(continuous treatment)。

内容:一般DID的估计方法,包括即时处理效应估计(DIDm; de Chaisemartinand d'Haultfœuille, 2020),面板匹配估计(PenalMatch; Imai etal., 2019),插补估计量(Imputation Estimator; Borusyak et al.,2022),反事实估计量(Liu et al., 2022),连续DID的估计方法(Callaway et al., 2021)。

案例:新闻报纸与总统选举投票率(Gentzkow et al., 2011);央地执政党异同与央地拨款(Liu etal., 2022);茶叶价格与性别比例(Qian, 2008);废除科举与革命起义(Bai and Jia, 2016


第11讲,DDD与合成DID。

如果平行趋势假定不成立,一种解决方法是同时使用两个控制组,即三重差分法(DDD; Gruber, 1994; Olden and Moen, 2022)。另一解决方法是,对控制组个体进行加权,使得加权后的数据满足平行趋势假定,即合成双重差分法(synthetic DID; Arkhangelsky et al., 2022)。

内容:DDD模型与识别条件,合成DID的模型与估计。

案例:将生育纳入雇主提供医保的政策效应(Gruber, 1994);加州控烟法的成效(Abadie et al., 2010);女性议员与孕产妇死亡率(Bhalotra et al., 2022)。


第12讲,队列DID(Cohort DID)。

对于横截面的微观数据,如果依时间(比如出生年份)定义的队列或组群(cohorts)受到政策冲击时间有先后之别,则可考虑使用队列DID。

内容:队列DID的模型设定,平行趋势检验。

案例:印尼校园建设与教育投资回报(Duflo, 2001),知青下乡与农村教育回报(Chen et al., 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;

同一单位六人以上同时报名8折优惠;

以上优惠与学生优惠价均不叠加。


联系方式:

尹老师

电话: 13321178792

QQ:  42884447

微信:JGxueshu


根据缴费顺序安排座位哦!



往期“高级计量现场班”学员们的评论

  • 感谢陈老师,陈老师五天连续授课,太辛苦了!致敬!此次学习受益匪浅!


  • 计量方法哪家强,山东大学找陈强!


  • 陈老师真的很棒,讲得很清晰,我是社会学界跨界受益者。


  • 感谢陈老师系统全面的辅导,也感谢会晤热情周到的服务!


  • 感谢陈老师,作为社会学的文科生,接连学习了您的初级计量网课和高级计量面授,简直是让我看到了一个不一样的世界,一个充满“内生性”的世界,感恩老师!


  • 娓娓道来,枯燥的数学讲成了故事!


  • 老师帮我们打开了新世界!


  • 感恩气质儒雅的陈老师倾囊相授,毫无保留的答疑解惑,让艰深枯燥的计量都有了温度;感谢有求必应的工作人员,保证备品充足,也让我焦虑的情绪得到了安抚;感激积极、热情又友善的“同学们”,还感动于北京善意的五天“中国蓝”,让这个假期处处都美好幸福分别之际还是想送上祝福,衷心祝愿陈老师与学术同仁顺遂静好,喜乐无忧!


  • 陈老师的这个本科视频课非常好,我曾经向不少朋友推荐过。我看过大概十来个不同大学的老师的新旧计量经济学视频,最后觉得陈老师这个最棒,无出其右。深入浅出,讲解非常耐心细致,循序渐进,又贴近最新内容……


  • 最最最感谢的是陈老师,整整5天的课程,干货满满,答疑也超有耐心!


  • 听了五天计量教育界周杰伦的演唱会,还有合影和签名,收益匪浅。感谢陈强教授,祝愿所有的同学以后多发文章,验证国庆班PSM-DID的显著性!


  • 以陈老师为榜样,争取做一名授业解惑的师者。这次培训打通了很多平时想不通、书上又见不到的问题,同时也领略了计量老师与计量专家的差距。


  • 陈老师好!参加这次培训挺有收获,感觉您真的是这个领域一流的学者,学识渊博,讲解的又非常的通俗易懂,逻辑清晰。很遗憾没能早点听您的课。


  • 首先感谢您五天的讲解,我真是收获满满,以前用过一些模型,但是不系统。这次真是系统了解了一下,也有了新的想法。再次感谢您!


  • 陈老师,回顾您的课,课程信息量非常的大,包括一种开放性思维构造,现在还是我们没能把握获得的一种能力。会充分利用接下来的时间,好好消化理解。您的这种治学严谨的理论态度,体会真切的学术情感,研究执着专注的意志,相信您的胜境还在后面。顺颂,祝好!


  • 谢谢陈老师,课程超级棒!老师辛苦了!


  • 感谢陈老师给我打开了计量的大门!


  • 谢谢陈老师,五天收获很大!学完直接回去修改毕业论文!


  • 谢谢陈老师,五天收获很大,您辛苦了!


  • 谢谢陈老师权威、系统、细致、耐心的讲解,谢谢魏老师尹老师周到贴心保障,谢谢各位学友“简单”发散大胆深入的好问题,这个五一难忘充实高效,期待下次相见!


  • 感谢陈老师五天来的精彩授课和辛苦付出!同时也感谢经管之家几位老师一直以来的组织和服务!


  • 谢谢老师的精彩授课!祝老师生活工作一切顺利!


  • 非常感谢陈老师,辛苦您了,收获非常大!


  • 陈老师辛苦啦!一如既往精彩,春暖花开北京相聚,五天相聚感恩各位的支持!


  • 谢谢陈老师!您辛苦了!相当专业,敬业,保重身体!


  • 传说中的计量男神陈强老师太帅了,五天收货满满!


  • 第一次经历这样的五一:精神物质双丰收,丰富的知识、北京的麻酱和有趣的朋友们,还有幸和老师一起吃了早饭、签了名、合了影,计量界的大牛yyds!


  • 陈强老师真是计量男神!慕名而来,满载而归,期待迅速成长!


  • 一上午把本科学的讲得差不多,我感觉我又行了!陈强老师超级幽默!


  • 感谢陈强老师,带我进入高级计量经济学的新世界。每天都能学到新的知识,实属幸福!相信自己在学术之路上会越走越好!


  • 真劳动,真五一,就要此般有意义!心怀感恩,别样充电,细细总结,不枉此行!

25159_pxapp 2017-11-02 21:37

2017年11月有相关stata培训吗? 。 回复(1)

资料狂人 2017-11-06 17:33

11月有SSCI论文写作的课程,Stata课程可以参加2018年1月的Stata初高级寒假班:https://www.peixun.net/view/1135.html 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

feifei890807 2017-04-19 16:13

请问,此次培训是否会讲解mata运算部分的内容? 。 回复(1)

zengxia316 2017-04-23 19:59

您好,可以参照课程详情介绍,谢谢关注。 评论(0)
评论 zengxia316 数学公式

提交

提交
回复 feifei890807 数学公式

提交

提交

课程订阅

讲师介绍


Peixun.net

高级计量Stata之因果推断

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:

高级计量Stata之因果推断

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