2020.8.19 詳細議程
快速數據獲取和分析是公共衛生決定的基礎。我們將展示Stata中各種獲取數據的工具包， 及其在獲取與處理COVID-19數據中的應用。
常見變量的抽樣頻率并不統一，比如GDP經常是季度的，而通脹率是月度的，金融市場數據往往是日度的?；祛l數據回歸是用低頻變量對高頻變量回歸，通過數據驅動的方法對高頻變量的不同期賦權以提高精確預測的一種方法，在宏觀經濟預測中得到越來越廣泛的應用。本文介紹混頻回歸模型及Stata的新指令：midasreg。這一指令允許對多種不同頻率的數據進行回歸，包含了STEP、PDL、Beta等多種加權函數，兼容estat、predict等Stata的標準指令。
Quantile regression provides a powerful tool to study the effects of covariates on key quantiles of conditional distribution. Yet we often still lack a general picture about how covariates affect the overall shape of conditional distribution. Using quantile-based measures of spread, skewness and kurtosis, we propose spread regression, skewness regression and kurtosis regression as empirical tools to quantify the effects of covariates on the spread, skewness and kurtosis of conditional distribution. While spread regression can be implemented by official Stata command "iqreg", we provide new Stata commands "skewreg" and "kurtosisreg" for skewness regression and kurtosis regression respectively, and illustrate them with an example of the U.S. wage data with substantive findings.
內生性雖然是一個老生常談的話題，但仍然很容易在建模的過程中被忽略。通過統一的框架和簡單的Stata程序模擬，我們展示了自選擇偏誤、聯立因果、遺漏變量、測量誤差等如何導致內生性。并結合通俗易懂的案例展示控制變量、差分估計、工具變量、斷點回歸、匹配等方法在什么條件下，以及如何克服內生性，并獲得一致估計。
近年來，在效率和生產率分析中考慮非合意產出已成為一個重要的研究方向。與此相對應，在效率與生產率分析領域也逐漸發展出很多可以同時考慮合意和非合意產出的新模型。本文與大家分享效率與生產率的非參數前沿估計方法和應用，及與廈門大學杜克銳老師共同撰寫的Stata新指令：teddf和gtfpch。這兩個指令適用于估計含有非合意產出的決策單元的效率和生產率，涵蓋了多種基于方向距離函數的非參數前沿模型。
2020.8.20 詳細議程
Stata 16 introduces tight integration with Python, allowing users to embed and execute Python code from within Stata. In this talk, I will demonstrate new functionality we have been working on -- calling Stata from within Python. We are working on providing two ways to let users interact with Stata from within Python: the IPython magic commands and a suite of API functions. With those utilities, you will be able to run Stata conveniently from Python environments, such as Jupyter Notebook/console, Jupyter Lab/console, Spyder IDE, or Python launched from a Windows Command Prompt, Unix terminal, etc.
平滑轉移模型描述了變量之間在兩種或多種狀態之間的轉換關系，狀態之間通過平滑轉移函數來實現。這一模型在宏觀經濟和金融市場中得到廣泛應用。比如，石油價格與經濟波動、銀行業與經濟發展等。本文介紹平滑轉換模型的設定和相關檢驗，以及Stata的新程序：stregress。這一指令適用于時間序列、截面數據和面板數據，包含了LSTR、ESTR、NSTR、L2STR等多種轉換函數，以及模型的線性性、殘差的序列相關、參數常數特征等多種檢驗。
干預或暴露的效應估計的是一個常見的效果評價，是一個重要的因果推斷統計分析內容。為了進一步理解作用機理或作用路徑改進干預策略，中介效應成為社會發展學科和流行病學的研究的重要研究內容之一，并形成不同的流派。Causal Mediation則是從counterfactual的框架出發，處理exposure-mediating confounding, exposure-outcome confounding和對mediating-outcome confounding進行敏感度檢驗。
金承剛 北京師范大學合成控制法的統計推斷主要依賴于以置換檢驗 (Permutation test) 為基本思想的「安慰劑檢驗」，但該方法存在嚴重的過度拒絕和顯著性追逐問題。本文通過「準標準化」轉換來懲罰安慰劑檢驗過程中的噪音成分，以避免干預后政策效果分布的非一致性問題，從而保證我們可以在不刪除觀察值的情況下實施安慰劑檢驗。上述改進可以克服傳統統計量面臨的過度拒絕和顯著性追逐問題。研究發現：(1) 通過進行安慰劑檢驗標準化處理，能夠有效地降低隨機沖擊的異方差性以及估計偏誤造成的過度拒絕問題；(2) 安慰劑檢驗標準化處理能夠使得干預后時期處理組與潛在控制組的政策效果分布滿足一致性，避免對于顯著性結果的追逐問題；(3) 基于標準化處理結果，我們能夠在相對干凈的數據條件下，通過使用bootstrap法構造政策效果的「非拒絕域」，從而保證了合成控制法的統計推斷框架能與傳統統計推斷保持一致。
連玉君 中山大學會議官網鏈接
關注我們
