主講老師：王群勇
主講老師：陳 強(qiáng)
2023年8月09-11日 申請(qǐng)回放 >>
主講老師：王群勇
上午：09:00-12:00
下午：14:00-17:00
培訓(xùn)費(fèi)用：3600元/人（食宿差旅自理）
培訓(xùn)地點(diǎn)：哈爾濱商業(yè)大學(xué)
課程概要
基于面板數(shù)據(jù) (Panel Data) 的因果推斷方法是目前實(shí)證分析的主流方法。回歸模型是因果推斷的最重要的基礎(chǔ)，是實(shí)證分析的起點(diǎn)和基準(zhǔn)。面板數(shù)據(jù)對(duì)于解決不可觀測(cè)異質(zhì)性導(dǎo)致的內(nèi)生問(wèn)題具有天然的優(yōu)勢(shì)。內(nèi)生性問(wèn)題是觀測(cè)數(shù)據(jù)中普遍存在的問(wèn)題，是對(duì)因果關(guān)系的致命威脅。匹配法是因果推斷的流行方法。雙重差分法DID,通常用于政策效應(yīng)類(lèi)研究。斷點(diǎn)設(shè)計(jì)（RD）適用于政策是某個(gè)驅(qū)動(dòng)變量的函數(shù)的情形。
課程特色
（1）理論方法與軟件操作密切結(jié)合，通過(guò)復(fù)現(xiàn)論文的實(shí)證結(jié)果提高實(shí)證研究的科學(xué)性和規(guī)范性。
（2）為部分模型提供的專(zhuān)享程序包。
（3）為學(xué)員的論文提供點(diǎn)評(píng)與討論，以及適當(dāng)可能的合作。
（4）提供電子版本講義及課件資源、Stata18正版軟件試用，確保用戶都能正常、安全的運(yùn)行數(shù)據(jù)，保證上課質(zhì)量！
第一講
從多元回歸到因果推斷
回歸模型是因果推斷的最重要的基礎(chǔ)，是實(shí)證分析的起點(diǎn)和基準(zhǔn)。本章主要介紹關(guān)于設(shè)定計(jì)量模型的策略和技巧，解答回歸分析中的各種困惑和誤區(qū)。比如：如何正確地解釋模型的含義？哪些變量應(yīng)該作為控制變量？對(duì)變量應(yīng)該進(jìn)行什么樣的轉(zhuǎn)換？什么時(shí)候采用中心化變量？核心變量不顯著怎么辦？基準(zhǔn)回歸不顯著是否有必要繼續(xù)下去？如何檢驗(yàn)分組回歸的系數(shù)差異的顯著性？如何做穩(wěn)健分析？應(yīng)該給出哪些必要的模型診斷指標(biāo)等等。
1. 多元回歸：因果推斷的基礎(chǔ)
2. 模型設(shè)定的策略
3. 常見(jiàn)問(wèn)題
4. 如何進(jìn)行穩(wěn)健分析
5. 模型診斷
6. Stata實(shí)例與操作
第二講
面板數(shù)據(jù)模型
面板數(shù)據(jù)對(duì)于解決不可觀測(cè)異質(zhì)性導(dǎo)致的內(nèi)生問(wèn)題具有天然的優(yōu)勢(shì)。本章介紹線性面板的固定效應(yīng)和隨機(jī)效應(yīng)模型、非線性面板模型（包括面板門(mén)限模型和面板平滑轉(zhuǎn)換模型，均適用于非平衡面板）和面板Probit/Logit模型。本章將解答常見(jiàn)的問(wèn)題：當(dāng)變量不隨時(shí)間變化時(shí)如何考慮固定效應(yīng)，如何在面板Probit模型中考慮固定效應(yīng)等。
1. 面板數(shù)據(jù)與不可觀測(cè)的異質(zhì)性
2. 固定效應(yīng)與隨機(jī)效應(yīng)模型
3. 面板門(mén)限回歸模型
4. 面板平滑轉(zhuǎn)換模型
5. 面板Probit/Logit模型
6. Stata實(shí)例與操作
第三講
工具變量回歸 (IV)
內(nèi)生性問(wèn)題是觀測(cè)數(shù)據(jù)中普遍存在的問(wèn)題，是對(duì)因果關(guān)系的致命威脅。本章介紹工具變量的本質(zhì)思路、估計(jì)方法、以及如何選擇恰當(dāng)?shù)墓ぞ咦兞?。本章將解答關(guān)于IV回歸的常見(jiàn)問(wèn)題：當(dāng)存在內(nèi)生變量的平方項(xiàng)或交互項(xiàng)時(shí)怎么處理？如果內(nèi)生變量為取值0-1的二值變量，模型如何估計(jì)？Probit模型中如何處理內(nèi)生性問(wèn)題等。
1. 內(nèi)生性問(wèn)題與解決路徑
2. 工具變量選擇的方法及分類(lèi)
3. 線性模型的工具變量回歸估計(jì) (2SLS+LIML+GMM)
4. 工具變量估計(jì)的系列檢驗(yàn)（解釋變量的內(nèi)生性檢驗(yàn)、工具變量的外生性檢驗(yàn)、部分變量的外生檢驗(yàn)、弱工具變量檢驗(yàn)）
5. 內(nèi)生處理效應(yīng)與內(nèi)生轉(zhuǎn)換模型
6. Probit/Logit模型的工具變量回歸
7. Stata實(shí)例與案例
第四講
匹配法
匹配法是因果推斷的流行方法，本章介紹協(xié)變量匹配和傾向得分匹配兩種匹配法，解答關(guān)于匹配法的常見(jiàn)問(wèn)題與誤區(qū)：匹配法是否解決了政策變量的內(nèi)生性問(wèn)題？如果匹配質(zhì)量不高，如何改進(jìn)？如何令匹配結(jié)果更加穩(wěn)??？面板數(shù)據(jù)如何進(jìn)行匹配等。
1. 隨機(jī)試驗(yàn)、準(zhǔn)實(shí)驗(yàn)及自然實(shí)驗(yàn)
2. 協(xié)變量匹配法
3. 傾向得分匹配
4. 為什么Gary et al. (2019)等建議避免采用傾向得分匹配？
5. Stata實(shí)例與操作
第五講
機(jī)器學(xué)習(xí)因果推斷
處理效應(yīng)的增項(xiàng)逆概率加權(quán)估計(jì)具有雙重穩(wěn)健特征，模型設(shè)定對(duì)于結(jié)論無(wú)疑具有直接的重要的影響。本章講解如何篩選恰當(dāng)?shù)目刂谱兞?？?duì)于因變量為0-1型或者計(jì)數(shù)型數(shù)據(jù)，又如何通過(guò)機(jī)器學(xué)習(xí)來(lái)估計(jì)處理效應(yīng)等問(wèn)題。
1. 機(jī)器學(xué)習(xí)Lasso介紹
2. 處理效應(yīng)的增項(xiàng)逆概率加權(quán)估計(jì) (AIPW)
3. 連續(xù)變量的機(jī)器學(xué)習(xí)處理效應(yīng)
4. 二值變量與計(jì)數(shù)數(shù)據(jù)的機(jī)器學(xué)習(xí)因果推斷
5. Stata實(shí)例與操作
第六講
斷點(diǎn)回歸
斷點(diǎn)設(shè)計(jì)（RD）適用于政策是某個(gè)驅(qū)動(dòng)變量的函數(shù)的情形。由于其相對(duì)可靠的外生性特征而被廣泛應(yīng)用。本章介紹精確斷點(diǎn)和模糊斷點(diǎn)兩類(lèi)設(shè)計(jì)與相關(guān)檢驗(yàn)，以及如何利用斷點(diǎn)回歸進(jìn)行隨機(jī)實(shí)驗(yàn)推斷。
1. 精確斷點(diǎn)（RD設(shè)計(jì)、參數(shù)估計(jì)方法、穩(wěn)健非參估計(jì)）
2. RD的相關(guān)檢驗(yàn)（安慰劑檢驗(yàn)、操縱檢驗(yàn)）
3. RD的隨機(jī)試驗(yàn)推斷
4. 模糊斷點(diǎn)（設(shè)計(jì)思路、SRD的局部IV估計(jì)）
5. Stata實(shí)例與操作
課程答疑
2023年8月12日 申請(qǐng)回放 >>
主講老師：陳 強(qiáng)
上午：09:00-12:00
下午：14:00-17:00
培訓(xùn)費(fèi)用：1200元/人（食宿差旅自理）
培訓(xùn)地點(diǎn)：哈爾濱商業(yè)大學(xué)
課程概要
雙重差分法(DID)是最常見(jiàn)的因果推斷方法，近年來(lái)發(fā)展迅猛。估計(jì)多期DID的傳統(tǒng)方法為雙向固定效應(yīng)估計(jì)量(TWFE)，但此法依賴(lài)于處理效應(yīng)的同質(zhì)性假定；例如處理效應(yīng)不隨時(shí)間而變。根據(jù)培根分解(Goodman-Bacon, 2021)可知，若存在異質(zhì)性處理效應(yīng)，則TWFE有偏差。在夯實(shí)截面處理效應(yīng)與經(jīng)典DID的知識(shí)后，本課程將重點(diǎn)介紹異質(zhì)性穩(wěn)健(在異質(zhì)性處理效應(yīng)情況下也成立)的主流估計(jì)方法及Stata應(yīng)用，包括交互加權(quán)法(Sun and Abraham, 2021)、雙重穩(wěn)健估計(jì)法(Callaway and Sant’Anna, 2021)、即時(shí)處理效應(yīng)法(de Chasemartin and D’Haultfoeuille, 2020)與插補(bǔ)法(Borusyak et al., 2022)；其中，前二者適用于交疊DID(staggered DID)，而后二者也適用于政策可逆轉(zhuǎn)的一般DID(general DID)。
課程特色
（1）深入淺出介紹計(jì)量思想與原理。
（2）結(jié)合經(jīng)典案例講解Stata實(shí)操。
（3）提供電子版本講義及課件資源、Stata18正版軟件試用，確保用戶都能正常、安全的運(yùn)行數(shù)據(jù)，保證上課質(zhì)量！
第一講
截面數(shù)據(jù)的處理效應(yīng)
本講介紹基于非混雜性(unconfoundedness)的一系列估計(jì)方法，包括回歸調(diào)整法(regression adjustment；也稱(chēng)結(jié)果回歸，outcome regression)，逆概加權(quán)法(inverse probability weighting)，逆概傾斜法(inverse probability tilting)，雙重穩(wěn)健估計(jì)(doubly robust estimation)。這些方法是理解異質(zhì)性穩(wěn)健DID的基礎(chǔ)。
★ 案例一：孕婦吸煙對(duì)新生兒體重的影響(Cattaneo, 2010)。
第二講
兩期DID
本講介紹最基本的兩期DID模型，內(nèi)容包括平行趨勢(shì)假定，條件平行趨勢(shì)假定，雙向固定效應(yīng)模型，PSM-DID(Heckman et al., 1997, 1998)，逆概加權(quán)估計(jì)(Abadie, 2005)，雙重穩(wěn)健估計(jì)(Sant’Anna and Zhao, 2020)。
★ 案例二：最低工資立法與勞動(dòng)力需求(Card and Krueger, 1994)；工會(huì)成員的工資溢價(jià)(union-wage premium)。
第三講
經(jīng)典多期DID
本講介紹經(jīng)典多期DID，內(nèi)容包括平行趨勢(shì)圖，平行趨勢(shì)檢驗(yàn)。
★ 案例三：就業(yè)培訓(xùn)的政策效應(yīng)(Ashenfelter, 1978)；漕糧海運(yùn)與大運(yùn)河沿線叛亂(Cao and Chen, 2022)。
第四講
交疊DID
交疊DID(staggered DID)指?jìng)€(gè)體受處理時(shí)間不盡相同，且處理狀態(tài)不可逆的DID模型。本講介紹交疊DID的診斷與估計(jì)方法，內(nèi)容包括培根分解(Goodman-Bacon, 2021)，交互加權(quán)估計(jì)(Sun and Abraham, 2021)，雙重穩(wěn)健估計(jì)(Callaway and Sant’Anna, 2021)。
★ 案例四：銀行管制放松與收入分配(Beck et al., 2010)；最低工資對(duì)青少年就業(yè)的影響(Callaway and Sant’Anna, 2021)。
第五講
一般DID
一般DID(General DID)指?jìng)€(gè)體受處理時(shí)間可以不同，且處理狀態(tài)可逆的DID模型。本講介紹一般DID的估計(jì)方法，內(nèi)容包括即時(shí)處理效應(yīng)估計(jì)(de Chaisemartin and D'Haultfoeuille, 2020)，插補(bǔ)估計(jì)量(Imputation Estimator; Borusyak et al., 2022)。
★ 案例五：新聞報(bào)紙與總統(tǒng)選舉投票率(Gentzkow et al., 2011)，社交媒體與精神健康(Braghieri et al., 2022)。
課程答疑
2023年8月15-17日 申請(qǐng)回放 >>
主講老師：王群勇
上午：09:00-12:00
下午：14:00-17:00
培訓(xùn)費(fèi)用：3600元/人（食宿差旅自理）
培訓(xùn)地點(diǎn)：哈爾濱商業(yè)大學(xué)
課程概要
宏觀數(shù)據(jù)典型地包括時(shí)間序列數(shù)據(jù)和長(zhǎng)面板數(shù)據(jù)。與微觀數(shù)據(jù)不同，宏觀數(shù)據(jù)計(jì)量模型的分析方法更多地關(guān)注動(dòng)態(tài)規(guī)律、平穩(wěn)性與協(xié)整關(guān)系、以及截面相關(guān)或空間相關(guān)的問(wèn)題。本期課程聚焦于宏觀數(shù)據(jù)的兩種因果推斷方法（干預(yù)時(shí)間序列分析和合成控制法）、變系數(shù)模型、動(dòng)態(tài)異質(zhì)面板的ARDL模型、空間計(jì)量經(jīng)濟(jì)、以及全局VAR和面板VAR模型。
課程特色
（1）理論方法與軟件操作密切結(jié)合，通過(guò)復(fù)現(xiàn)論文的實(shí)證結(jié)果提高實(shí)證研究的科學(xué)性和規(guī)范性。
（2）為部分模型提供的專(zhuān)享程序包。
（3）為學(xué)員的論文提供點(diǎn)評(píng)與討論，以及適當(dāng)可能的合作。
（4）提供電子版本講義及課件資源、Stata18正版軟件試用，確保用戶都能正常、安全的運(yùn)行數(shù)據(jù)，保證上課質(zhì)量！
第一講
干預(yù)模型分析
ITSA基于政策前的模型來(lái)構(gòu)建反事實(shí)，估計(jì)處理效應(yīng)。與其它政策評(píng)估方法不同，干預(yù)時(shí)間序列分析的特征在于：（1）用于評(píng)估政策對(duì)一個(gè)個(gè)體的效應(yīng)，用于時(shí)間序列數(shù)據(jù)；（2）可以考察政策處理效應(yīng)的動(dòng)態(tài)變化規(guī)律和長(zhǎng)期影響。本專(zhuān)題介紹趨勢(shì)模型和隨機(jī)趨勢(shì)兩種不同情形的干預(yù)變量的政策效應(yīng)，政策變量可以是階梯式、脈沖式或其它形式。具體內(nèi)容包括：
1. 確定性趨勢(shì)的干預(yù)模型分析
2. 轉(zhuǎn)移函數(shù)
3. 隨機(jī)趨勢(shì)的干預(yù)模型分析
4. 控制干預(yù)模型分析
第二講
合成控制法
合成控制法是應(yīng)用于對(duì)處理組只包含一個(gè)個(gè)體的政策效應(yīng)評(píng)估，通過(guò)Lasso等方法將控制組的所有個(gè)體進(jìn)行加總合成，屬于一類(lèi)控制干預(yù)分析方法。主要內(nèi)容包括：
1. 合成控制法的基本理論
2. 模型估計(jì)與安慰劑檢驗(yàn)
3. 非參合成控制法
第三講
變系數(shù)（隨機(jī)系數(shù)）模型
模型的系數(shù)經(jīng)常是不穩(wěn)定的，線性模型無(wú)法刻畫(huà)變量之間的時(shí)變關(guān)系，而變系數(shù)模型可以考察變量之間的關(guān)系隨時(shí)間的豐富的變化規(guī)律，深入揭示變量之間豐富的關(guān)系。這一類(lèi)模型包括了變系數(shù)回歸模型、變系數(shù)VAR模型等多種形式，得到了廣泛應(yīng)用。
1. 變系數(shù)回歸模型
2. 變系數(shù)模型的狀態(tài)空間表示與估計(jì)
3. 變系數(shù)VAR模型（TVP-VAR)
第四講
動(dòng)態(tài)異質(zhì)面板ARDL模型
異質(zhì)動(dòng)態(tài)性與截面相關(guān)是宏觀面板的兩個(gè)非常重要的普遍特征，不能將宏觀數(shù)據(jù)做微觀式處理。本專(zhuān)題介紹截面相關(guān)的檢驗(yàn)與測(cè)度，以及動(dòng)態(tài)共相關(guān)效應(yīng)的混合組均值（PMG)估計(jì)量。
1. 異質(zhì)性面板的MG估計(jì)與PMG估計(jì)
2. 截面相關(guān)的檢驗(yàn)與測(cè)度
3. 異質(zhì)面板的共相關(guān)效應(yīng)MG（CCE-PMG)估計(jì)
4. 動(dòng)態(tài)異質(zhì)面板的共相關(guān)效應(yīng)MG（DCCE-PMG)估計(jì)
第五講
空間計(jì)量模型
與共因子模型不同，空間計(jì)量模型通過(guò)空間權(quán)重矩陣明確地設(shè)定內(nèi)生、外生和誤差的空間關(guān)系。本章講解空間線性模型、空間Probit/Logit模型、以及模型選擇、空間面板等模型。
1. 空間權(quán)重矩陣
2. 空間計(jì)量模型（空間自回歸，空間杜賓模型等）
3. 空間Probit/Logit模型
4. 面板空間模型
第六講
全局VAR和面板VAR模型
1. VAR模型的分析框架
2. 全局向量自回歸（GVAR, Global VAR）
3. 面板向量自回歸（Panel VAR）
課程答疑
會(huì)議官網(wǎng)鏈接
關(guān)注我們
