
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
训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11