京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Stata实用计量方法_18小时在线学习
我们以介绍当代实用计量方法为主,Stata 操作为辅,而以发表 (C)SSCI 论文为目标。让您可以复制成功发表的经验。
来参加讲习的目的是要撰写论文(硕、博士或老师要发表学术论文,以国内较好期刊或国外之SSCI为目标),当中一个重要环节就是实证 (计量) 方法,这是讲习之重点,而Stata是执行实证方法最方便的软件,所以课程以
以多年发表 SSCI学术文章之实战功力与经验传承,特别讲求实务应用,摒除课本没有实用之内容,精简介绍学术论文 (期刊) 所需要之计量方法与概念,让学员更容易了解相关概念、掌握重点并能正确应用于个人专业与领域。除此之外,藉由丰富的发表经验,也会穿插如何选择适当题目,让学员开始迈向 SSCI 之路。
培训时长:18小时
培训方式:在线学习,提供全部资料和黄老师答疑
培训费用:3600元 /3200元(学生价, 仅限全日制在读本科生和硕士)
授课安排:上午9:00-12:00; 下午1:30-4:30; 答疑4:30-5:00
在线报名:http://www.peixun.net/main.php?mod=buy&cid=1377
课程教材:
PPT,Stata 程序与相关资料。
课程简介:
1. 前两讲内容(论 t 值与面板模型) 是一个硕、博班学生,甚至年轻老师从事应用计量之最基本、也是最重要的基础。我以多年研究经验,帮你筛选掉没有实用的部分,将你应该知道教给你,让你能够真正自己操作、应用而不会受到别人 (例如审稿人) 之挑战。
2. 论文知道无他,求其 t 值而已矣!但你的 t 值对吗?此外,经济、财务与其他非常多领域有超过一大半是使用面板资料,所以了解其之估计方法 (你还在纠结于固定或随机效果吗?双向固定效果模型若不显著应该如何) 与如何操作和注意事项,让你有明确方向与做法!
3. 后面四讲内容 (倍差法 DID,倾向得分匹配分析 PSM,合成控制法 SCM与断点回归设计 RDD)都是分析政策效果 (不仅局限于政府,也包括其他公司与个人之许多决策) 之因果效应 (causal effects),不管学术或是实务,这几个方法都是必备之计量分析技术。
4. 首先,DID与PSM 在实务应用上是非常相关的,当你想分析某一政策 (也包括法律、制度等) 改变或执行之效果,到底适合用哪一种方式 (正常是两者之一)?DID/PSM 之使用 (与合用) 可说是最广泛的,他们都适用于有"多个”受到政策影响之治疗组,但若只有”一个”受到影响,这时候我门可考虑使用近15年政策评估最大之进展 --- SCM方法来估计政策之因果效应。除了一般的”孤伶伶”情况,我也将介绍”多个”受影响之 SCM 應用與操作。至于RDD之应用,多因为政策执行适用符合某一门槛值之上 (或之下) 所造成,是大家公认最clean的认定政策效果之方法,你也应该要知道!
讲师介绍:
黄河泉,美国范德堡大学 (Vanderbilt University) 经济学博士,目前为淡江大学财务金融学系专任教授。主要教授课程包括计量经济学与高等应用计量等课程。主要研究方向为应用计量经济,应用方面主要为宏观财务经济,这几年逐渐转往财务金融 (公司治理与公司理财) 方面之应用,以中国为主要分析对象。已经于 Journal of Development Economics, Journal of International Moneyand Finance (forthcoming), Journal of Empirical Finance (2篇), Economics Letters, Journal of Comparative Economics, Journal ofMacroeconomics, International Review of Economics and Finance, Studies inNonlinear Dynamics and Econometrics, Economic Modelling 等国际知名期刊发表超过 50 篇之学术论文 (其中有超过 40篇收录于 SSCI 期刊)。
课程大纲:
I. 基础计量
a. 论t 值 (OLS/IV)
1. 外生 (OLS)与内生(IV/2SLS) 解释变量之问题 (t 值之分子问题)
2. 稳健标准误:异方差、序列相关与聚类等处理(t 值之分母问题)
3. SSCI 时间:范文多篇
b. 面板模型(PD, panel data model)
1. 介绍固定效果 (FE) 与随机效果 (RE) 模型与估计
2. 模型筛选:要用 FE 或 RE? 同方差与异方差下之检定
3. 实战一二三:这些年期刊文章的真相 (firm,industry, and year fixed effects 与 robust orcluster at firm/industry/year level)
4. SSCI 时间:范文多篇
II. 衡量政策效果之实用计量:
a. 倍差法(DID, difference-in-differences)
1. 政策改变时点相同之状况
2. 政策改变时点不同之状况
3. 亮点:简单检验平行趋势之操作
4. SSCI 时间:范文多篇
b. 倾向得分匹配分析 (PSM, propensity score matching)
1. 配对之概念与依据,不同配对之方法
2. 亮点:可能更好之配对新方法:EB(entropy balancing) 与 CEM (coarsened exact matching) 等
3. 亮点:与DID合用,与分位数回归合用
4. 亮点:正向/负向选择假说之验证(对文章内容有加分作用)。
5. SSCI时间:范文多篇
c. 合成控制法(SCM, synthetic control method)
1. 特别合适衡量单一个体/地区 (治疗组) 受到政策影响之效果
2. 亮点:将其延伸到多个个体/地区(治疗组) 之情况
3. SSCI时间:范文多篇
d. 断点回归设计(RDD, regression discontinuity design)
1. 明确断点回归设计 (Sharp RDD)
2. 模糊断点回归设计 (Fuzzy RDD)
3. SSCI时间:范文多篇
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;
以上优惠与学生价不叠加。
报名流程:
1,点击“http://www.peixun.net/main.php?mod=buy&cid=1377”,在线提交报名信息;
2,订单支付成功后发送发票信息;
3,开课前一周发送电子版资料与上课事宜。
在线咨询:
尹老师
电话:010-53352991
QQ:42884447
WeChat:yinyinan888
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28