2022 Stata 大师课

主讲老师:王群勇

王群勇,经济学教授、博士生导师,南开大学数量经济研究所所长,中国数量经济学会常务理事,中国统计学会常务理事。主持国家自然科学基金青年项目、天津市科技支撑计划项目、教育部人文社科项目、中国人民银行、国家统计局等多项国家级和省部级课题。曾获得首届国家统计科技进步三等奖、天津市科技进步二等奖等多项荣誉。在《China Economic Review》、《Stata Journal》、《Journal of Family and Economics Issues》、《数量经济技术经济研究》、《统计研究》、《金融研究》等SSCI和CSSCI期刊发表多篇论文,并担任期刊匿名审稿人。王群勇教授编写的xthreg(固定效应面板门限模型)、cointreg(协整回归)、sax12(X12-ARIMA季节调整)、sax13(X-13ARIMA-SEATS季节调整)、stregress(平滑转换模型)、xtstregress(面板平滑转换模型)、midasreg(混频回归)等Stata程序被大量下载和使用。其学术志线上课程《时间序列分析》、《微观计量经济学》、《计量经济学入门30讲》得到广泛好评。

主讲老师课程荐语

蒙特卡洛模拟和贝叶斯推断日益成为现代计量经济学中的核心方法,是很多宏观计量、微观计量、金融计量模型的主流估计方法,被纳入到当代计量经济学教材的标准内容体系中,并成为经济学、管理学等研究生的必修内容和科研工作者的必备工具。比如,在《Microeconometrics using Stata》(第2版,2022年)一书中即新增了两章关于贝叶斯分析的内容。

贝叶斯方法对于复杂模型、样本量较小的数据等情形,贝叶斯估计将数据信息和先验信息综合起来,在模型估计、模型选择、模型检验、模型预测和模型平均方面具有突出的优势,是各种向量自回归模型、动态随机一般均衡模型、社会网络模型的标准估计方法。

受抽样算法、软件开发等限制,贝叶斯估计并没有像传统的估计方法(最小二乘估计、极大似然估计和广义矩估计等)那样被大家所熟知,造成很多学生和科研人员需要贝叶斯方法进行实证研究时却无从下手。本期课程以蒙特卡洛模拟和贝叶斯估计为核心,由浅入深介绍贝叶斯推断的基本概念和核心算法(马尔科夫链蒙特卡洛模拟、Metropolis-Hastings抽样、Gibbs抽样等)、模拟结果的统计分析、模拟结果的质量诊断、贝叶斯预测。同时,介绍贝叶斯方法在宏观金融计量经济学中的重要应用,包括线性和非线性VAR模型、混频回归模型等。
  • 蒙特卡洛模拟、贝叶斯分析与Stata应用
  • 宏观计量经济分析与Stata、Mathematica应用

2022年8月17-18日 9:00-12:00 14:00-17:00 立即报名 >>

课程概要
蒙特卡洛方法是发展最为成熟的计算机模拟方法之一,最早是在1957年由Metropolis 和Ulam等针对中子输运问题时提出的。蒙特卡洛方法在许多领域均有广泛的应用,如统计物理、计算生物学、金融学以及人工智能等等领域。
贝叶斯统计为你提供了在新数据的证据中更新你的评估工具,这是一个在许多现实世界场景中常见的概念,如跟踪大流行病,预测经济趋势,或预测气候变化。贝叶斯统计是许多较著名的统计模型的支柱。

第一讲

贝叶斯推断概述

1. 为什么贝叶斯方法越来越重要
2. 贝叶斯学派与频数学派的区间与联系
3. 贝叶斯推断的基本概念(似然函数、先验分布与后验分布、置信区间、最高密度区间、贝叶斯因子等)

第二讲

蒙特卡洛模拟

1. 蒙特卡洛模拟的应用
2. 蒙特卡洛模拟的经典方法(逆概率转换方法、合成法、舍得法、重要性抽样等)
3. Halton sequence

第三讲

马尔科夫链蒙特卡洛模拟(MCMC)

1. 马尔科夫链
2. 马尔科夫链蒙特卡洛模拟(MCMC)
— 2.1 Gibbs抽样
— 2.2 Metropolis-Hastings(MH)抽样
— 2.3 随机游走MH抽样与适应性随机游走MH抽样
— 2.4 Gibbs抽样
3. Stata的bayes与bayesmh操作方法
4. MCMC结果的描述统计
5. MCMC结果的质量诊断
6. 如何改进MCMC的抽样效率

第四讲

贝叶斯计量经济模型(MCMC)

1. 线性模型的贝叶斯估计
2. 微观计量模型的贝叶斯估计
3. 贝叶斯模型的假设检验
4. 贝叶斯模型的预测
5. 如何在Stata中写自己的似然函数和后验分布

课程答疑

2022年8月21-22日 9:00-12:00 14:00-17:00 立即报名 >>

课程概要
宏观经济是从宏观、总体上研究国民经济水平、结构、均衡、运行、稳定、调控和增长等的一个经济研究范畴或领域。从宏观、总体上研究国民经济或者其某一方面,必然要和一些宏观经济变量及其所反映出的数据资料打交道,研究这些经济变量之间的相互关系及其所反映出的宏观经济或其某一方面所具有的规律性,而这就需要采用宏观经济计量分析方法,建立宏观经济计量分析模型,并应用之。

第一讲

向量自回归(VAR)模型

1. 向量自回归模型设定与估计
2. 模型分析
— 2.1 格兰杰因果关系检验
— 2.2 脉冲响应函数(IRF)
— 2.3 预测误差方差分解(FEVD)
3. 结构向量自回归

第二讲

贝叶斯向量自回归:大规模VAR模型

1. 贝叶斯VAR
— 1.1 Minnesota先验
— 1.2 共轭先验
— 1.3 Normal-Inverse-Wishart先验
2. 贝叶斯向量自估计与模型选择
3. 贝叶斯IRF与FEVD分析

第三讲

面板VAR模型(Panel VAR)与全局VAR模型(Global VAR)

1. 面板VAR模型的设定、贝叶斯估计与分析
— 1.1 SSVS先验(随机搜索变量选择)
— 1.2 SSSS先验(随机搜索设定选择)
2. 全局VAR模型的设定、贝叶斯估计与分析

第四讲

混频数据分析:回归(midas)与混频VAR模型

1. 混频数据与混频回归
— 1.1 混频回归
— 1.2 Stata的midasreg操作
2. 混频VAR模型的贝叶斯估计
— 2.1 混频VAR的数据与模型设定
— 2.2 贝叶斯估计
— 2.3 格兰杰因果检验
— 2.4 脉冲响应函数与预测误差方差分解

第五讲

门限VAR模型(Threshold VAR)

1. 门限VAR模型的应用
2. 门限VAR模型的贝叶斯估计
— 2.1 格兰杰因果检验
— 2.2 广义脉冲响应函数
— 2.3 预测误差方差分解

课程答疑