**123区,青青操久久,久久情侣视频,中文字幕亚洲免费,国产精品久久久久免费,精品福利视频在线观看

培訓(xùn)內(nèi)容

第一講：模型設(shè)定和解釋

專題簡(jiǎn)介： 很多人會(huì)覺 OLS 過(guò)于簡(jiǎn)單。可是，為何 Top 期刊中使用最多的仍然是 OLS？因?yàn)樗菍?shí)證分析的基礎(chǔ)。在第 2 講中介紹的固定效應(yīng)模型 (FE)，在第 4 講中介紹的雙向固定效應(yīng)模型 (FE)、長(zhǎng)差分，在第 5 講中介紹的Fama-Macbeth 估計(jì)法，以及在第 6 講中介紹的倍分法 (DID)，都是 OLS 家族中的直系成員或親屬。這些模型得以衍生的基礎(chǔ)是虛擬變量和交乘項(xiàng)。這是本專題重點(diǎn)講解的內(nèi)容：虛擬變量的使用、交叉項(xiàng)的使用和解釋、分組回歸的合理設(shè)定和假設(shè)檢驗(yàn)。

授課內(nèi)容：
?如何合理設(shè)定模型？
?虛擬變量
?穩(wěn)健性標(biāo)準(zhǔn)誤：異方差、序列相關(guān)和聚類調(diào)整標(biāo)準(zhǔn)誤
?交叉項(xiàng)、平方項(xiàng)和調(diào)節(jié)效應(yīng)
?分組回歸和組間系數(shù)差異檢驗(yàn)

第二講：面板數(shù)據(jù)模型

專題簡(jiǎn)介： 由于面板資料的獲取越來(lái)越方便，目前多數(shù)研究中使用的都是面板數(shù)據(jù)。在講解這些模型的基本思想和估計(jì)方法的過(guò)程中，我會(huì)將重點(diǎn)放在模型含義和應(yīng)用范圍上來(lái)。例如，對(duì)于同一筆數(shù)據(jù)而言，何時(shí)采用 OLS 進(jìn)行估計(jì)，何時(shí)采用 FE 估計(jì)？不同的方法之間有何差異和關(guān)聯(lián)？結(jié)果背后的經(jīng)濟(jì)含義如何解讀？動(dòng)態(tài)面面板模型重點(diǎn)在于分析變量的動(dòng)態(tài)變化和調(diào)整行為，在經(jīng)濟(jì)增長(zhǎng)、公司金融、國(guó)際貿(mào)易、勞動(dòng)經(jīng)濟(jì)學(xué)等領(lǐng)域都得到了廣泛應(yīng)用。

授課內(nèi)容：
?固定效應(yīng)模型 (FE)
?POLS、FE、RE 有何區(qū)別？
?Hausman 檢驗(yàn)
?實(shí)證分析中的常見問(wèn)題
?一階差分 GMM 估計(jì)量（FD-GMM）
?序列相關(guān)檢驗(yàn)
?過(guò)度識(shí)別檢驗(yàn)（Sargan檢驗(yàn)）
?應(yīng)用范例（介紹 2 篇論文）

第三講：自抽樣 (Bootstrap) 和蒙特卡洛模擬分析 (Monte Carlo Simulation)

專題簡(jiǎn)介： 在近十年中，以隨機(jī)抽樣和模擬分析為基礎(chǔ)的統(tǒng)計(jì)推斷方法得到了廣泛的應(yīng)用，對(duì)于克服異方差、序列相關(guān)，以及干擾項(xiàng)分布形式未知等情形下的穩(wěn)健性統(tǒng)計(jì)推斷很有幫助。在面板門檻模型、面板 VAR 等模型中都需要借助 BS 或 MC 進(jìn)行統(tǒng)計(jì)推斷。可以預(yù)見，在日后的實(shí)證分析中，這兩種方法將得到越來(lái)越廣泛的應(yīng)用。

授課內(nèi)容
?常用分布函數(shù)和隨機(jī)數(shù)的產(chǎn)生
?Bootstrap 簡(jiǎn)介
?Boostrap 應(yīng)用：獲取穩(wěn)健性標(biāo)準(zhǔn)誤、組間系數(shù)差異檢驗(yàn)
?Monte Carlo 模擬簡(jiǎn)介
?Monte Carlo 模擬范例 1：內(nèi)生性偏誤的影響 (IV 的選擇、弱工具變量問(wèn)題)
?Monte Carlo 模擬范例 2：動(dòng)態(tài)面板各種估計(jì)方法對(duì)比 (POLS, FE, FD-GMM, SYS-GMM)

第四講：人口老齡化、機(jī)器人與經(jīng)濟(jì)增長(zhǎng) | Acemoglu and Restrepo (2017)
精講一篇發(fā)表于 AER 的論文: Acemoglu, D., P. Restrepo, 2017, Secular stagnation? The effect of aging on economic growth in the age of automation, American Economic Review, 107 (5): 174-179.

文章簡(jiǎn)介： 作者先呈現(xiàn)出一些簡(jiǎn)單的散點(diǎn)圖和時(shí)間趨勢(shì)圖，提出問(wèn)題：人口老齡化與經(jīng)濟(jì)增長(zhǎng)的關(guān)系不是負(fù)相關(guān)，而是恰恰相反！為了解釋這個(gè)有悖常識(shí)的現(xiàn)象，作者先做了幾個(gè)簡(jiǎn)單的回歸分析，包括普通線性回歸、固定效應(yīng)模型、工具變量法、長(zhǎng)差分 (long-difference) 等，進(jìn)而使用一個(gè)理論模型進(jìn)行了更為嚴(yán)謹(jǐn)?shù)耐评怼男形纳蟻?lái)看，與我們平時(shí)看到的論文結(jié)構(gòu)剛好相反，但讀起來(lái)卻很順暢，因?yàn)樽髡咭I(lǐng)你走入?yún)擦郑l(fā)現(xiàn)秘密！

方法:
?OLS
?雙向固定效應(yīng)模型
?IV 估計(jì)：工具變量的選擇; 過(guò)度識(shí)別檢驗(yàn)
?長(zhǎng)差分 (long-difference)

第五講：公司資本結(jié)構(gòu)的動(dòng)態(tài)調(diào)整行為 | Flannery and Rangan(2006)
Flannery, M. J., K. P. Rangan, 2006, Partial adjustment toward target capital structures, Journal of Financial Economics, 79 (3): 469-506.

文章簡(jiǎn)介： 資本結(jié)構(gòu)的動(dòng)態(tài)調(diào)整行為并不是一個(gè)新的研究話題，但他一直在持續(xù)被討論。這篇論文以權(quán)衡理論為基礎(chǔ)，在部分調(diào)整模型架構(gòu)下研究了美國(guó)上市公司資本結(jié)構(gòu)的動(dòng)態(tài)調(diào)整行為。作者發(fā)現(xiàn)，若不考慮公司的個(gè)體效應(yīng)，則調(diào)整速度會(huì)被嚴(yán)重低估，為此，他們使用了固定效應(yīng)模型 (FE)，估得的調(diào)整速度約為前期文獻(xiàn)的三倍，達(dá)到 0.38。問(wèn)題在于，這一結(jié)果可信嗎？如果使用更為合理的 FD-GMM 進(jìn)行估計(jì)，結(jié)果又將如何呢？
方法：
?混合 OLS (Pooled OLS)
?Fama-MacBeth 估計(jì) (FM method)
?固定效應(yīng)模型 (FE)
?動(dòng)態(tài)面板模型 (Dynamic Panel data)
?各種穩(wěn)健性檢驗(yàn)設(shè)計(jì)
亮點(diǎn)：
?實(shí)證分析過(guò)程值得借鑒，非常嚴(yán)謹(jǐn)?shù)难芯吭O(shè)計(jì)
?對(duì)衡量偏誤、均值回復(fù)、不同理論的對(duì)比檢驗(yàn)、模型設(shè)定等棘手問(wèn)題的處理很巧妙
?該文引發(fā)了后續(xù)多個(gè)方向的研究，我們將梳理幾個(gè)主要的方向，探求論文的選題和研究方向問(wèn)題。
?主題： 資本結(jié)構(gòu)動(dòng)態(tài)調(diào)整（權(quán)衡理論、優(yōu)序融資理論、市場(chǎng)擇時(shí)理論）

第六部分：?jiǎn)畏诫x婚法案的政策效果：自殺、家暴與謀殺 | Stevenson and Wolfers (2006)
Stevenson, B., J. Wolfers, 2006, Bargaining in the shadow of the law: Divorce laws and family distress, Quarterly Journal of Economics, 121 (1): 267-288.

文章簡(jiǎn)介： 始于 1970 年代之初的單方離婚法案受到了多方面的關(guān)注。這篇文章選擇一組頗具視覺沖擊力的結(jié)果變量：自殺率、謀殺率和家庭暴力，來(lái)分析這一政策實(shí)施的長(zhǎng)期效果。樣本區(qū)間為 1964-1996。為了克服政策發(fā)生時(shí)點(diǎn)不一致問(wèn)題，作者將第 i 個(gè)州實(shí)施單方離婚法案當(dāng)年定義為 t=0，此前的年度依次定義為 t=-1, -2, -3, ……；此后的年度則依次定義為 t=+1, +2, +3, ……。進(jìn)而在模型中加入年度虛擬變量和州虛擬變量來(lái)控制不可觀測(cè)的時(shí)間趨勢(shì)以及各州的個(gè)體差異。文中用于捕捉政策效果的是基于上述 t 變量定義的一組虛擬變量。這就是多期 DID 的標(biāo)準(zhǔn)模型設(shè)定方法。

方法:
?倍分法 (DID) 簡(jiǎn)介
?政策時(shí)點(diǎn)不一致的多期 DID
?共同趨勢(shì)假設(shè)和圖示
?雙向固定效應(yīng)模型
亮點(diǎn)
?如何估計(jì)并有效呈現(xiàn)多期 DID 的政策效果？
?如何進(jìn)行穩(wěn)健性檢驗(yàn)？：作者采用了近十種方法來(lái)測(cè)試結(jié)果的穩(wěn)健性，包括：刪除離群值；刀切法 (Jackknife)；WLS/GLS；分位數(shù)回歸；針對(duì)問(wèn)題背景而設(shè)計(jì)的分組檢驗(yàn)；
?如何剖析政策效果背后的機(jī)制
?研究設(shè)計(jì)值得借鑒
?如何根據(jù)問(wèn)題的背景有針對(duì)性地收集相關(guān)數(shù)據(jù)？