2023年8月09-11日 申请回放 >>
主讲老师：王群勇
上午：09:00-12:00
下午：14:00-17:00
培训费用：3600元/人（食宿差旅自理）
培训地点：哈尔滨商业大学
课程概要
基于面板数据 (Panel Data) 的因果推断方法是目前实证分析的主流方法。回归模型是因果推断的最重要的基础，是实证分析的起点和基准。面板数据对于解决不可观测异质性导致的内生问题具有天然的优势。内生性问题是观测数据中普遍存在的问题，是对因果关系的致命威胁。匹配法是因果推断的流行方法。双重差分法DID,通常用于政策效应类研究。断点设计（RD）适用于政策是某个驱动变量的函数的情形。
课程特色
（1）理论方法与软件操作密切结合，通过复现论文的实证结果提高实证研究的科学性和规范性。
（2）为部分模型提供的专享程序包。
（3）为学员的论文提供点评与讨论，以及适当可能的合作。
（4）提供电子版本讲义及课件资源、Stata18正版软件试用，确保用户都能正常、安全的运行数据，保证上课质量！
第一讲
从多元回归到因果推断
回归模型是因果推断的最重要的基础，是实证分析的起点和基准。本章主要介绍关于设定计量模型的策略和技巧，解答回归分析中的各种困惑和误区。比如：如何正确地解释模型的含义？哪些变量应该作为控制变量？对变量应该进行什么样的转换？什么时候采用中心化变量？核心变量不显著怎么办？基准回归不显著是否有必要继续下去？如何检验分组回归的系数差异的显著性？如何做稳健分析？应该给出哪些必要的模型诊断指标等等。
1. 多元回归：因果推断的基础
2. 模型设定的策略
3. 常见问题
4. 如何进行稳健分析
5. 模型诊断
6. Stata实例与操作
第二讲
面板数据模型
面板数据对于解决不可观测异质性导致的内生问题具有天然的优势。本章介绍线性面板的固定效应和随机效应模型、非线性面板模型（包括面板门限模型和面板平滑转换模型，均适用于非平衡面板）和面板Probit/Logit模型。本章将解答常见的问题：当变量不随时间变化时如何考虑固定效应，如何在面板Probit模型中考虑固定效应等。
1. 面板数据与不可观测的异质性
2. 固定效应与随机效应模型
3. 面板门限回归模型
4. 面板平滑转换模型
5. 面板Probit/Logit模型
6. Stata实例与操作
第三讲
工具变量回归 (IV)
内生性问题是观测数据中普遍存在的问题，是对因果关系的致命威胁。本章介绍工具变量的本质思路、估计方法、以及如何选择恰当的工具变量。本章将解答关于IV回归的常见问题：当存在内生变量的平方项或交互项时怎么处理？如果内生变量为取值0-1的二值变量，模型如何估计？Probit模型中如何处理内生性问题等。
1. 内生性问题与解决路径
2. 工具变量选择的方法及分类
3. 线性模型的工具变量回归估计 (2SLS+LIML+GMM)
4. 工具变量估计的系列检验（解释变量的内生性检验、工具变量的外生性检验、部分变量的外生检验、弱工具变量检验）
5. 内生处理效应与内生转换模型
6. Probit/Logit模型的工具变量回归
7. Stata实例与案例
第四讲
匹配法
匹配法是因果推断的流行方法，本章介绍协变量匹配和倾向得分匹配两种匹配法，解答关于匹配法的常见问题与误区：匹配法是否解决了政策变量的内生性问题？如果匹配质量不高，如何改进？如何令匹配结果更加稳健？面板数据如何进行匹配等。
1. 随机试验、准实验及自然实验
2. 协变量匹配法
3. 倾向得分匹配
4. 为什么Gary et al. (2019)等建议避免采用倾向得分匹配？
5. Stata实例与操作
第五讲
机器学习因果推断
处理效应的增项逆概率加权估计具有双重稳健特征，模型设定对于结论无疑具有直接的重要的影响。本章讲解如何筛选恰当的控制变量？对于因变量为0-1型或者计数型数据，又如何通过机器学习来估计处理效应等问题。
1. 机器学习Lasso介绍
2. 处理效应的增项逆概率加权估计 (AIPW)
3. 连续变量的机器学习处理效应
4. 二值变量与计数数据的机器学习因果推断
5. Stata实例与操作
第六讲
断点回归
断点设计（RD）适用于政策是某个驱动变量的函数的情形。由于其相对可靠的外生性特征而被广泛应用。本章介绍精确断点和模糊断点两类设计与相关检验，以及如何利用断点回归进行随机实验推断。
1. 精确断点（RD设计、参数估计方法、稳健非参估计）
2. RD的相关检验（安慰剂检验、操纵检验）
3. RD的随机试验推断
4. 模糊断点（设计思路、SRD的局部IV估计）
5. Stata实例与操作
课程答疑
2023年8月12日 申请回放 >>
主讲老师：陈 强
上午：09:00-12:00
下午：14:00-17:00
培训费用：1200元/人（食宿差旅自理）
培训地点：哈尔滨商业大学
课程概要
双重差分法(DID)是最常见的因果推断方法，近年来发展迅猛。估计多期DID的传统方法为双向固定效应估计量(TWFE)，但此法依赖于处理效应的同质性假定；例如处理效应不随时间而变。根据培根分解(Goodman-Bacon, 2021)可知，若存在异质性处理效应，则TWFE有偏差。在夯实截面处理效应与经典DID的知识后，本课程将重点介绍异质性稳健(在异质性处理效应情况下也成立)的主流估计方法及Stata应用，包括交互加权法(Sun and Abraham, 2021)、双重稳健估计法(Callaway and Sant’Anna, 2021)、即时处理效应法(de Chasemartin and D’Haultfoeuille, 2020)与插补法(Borusyak et al., 2022)；其中，前二者适用于交叠DID(staggered DID)，而后二者也适用于政策可逆转的一般DID(general DID)。
课程特色
（1）深入浅出介绍计量思想与原理。
（2）结合经典案例讲解Stata实操。
（3）提供电子版本讲义及课件资源、Stata18正版软件试用，确保用户都能正常、安全的运行数据，保证上课质量！
第一讲
截面数据的处理效应
本讲介绍基于非混杂性(unconfoundedness)的一系列估计方法，包括回归调整法(regression adjustment；也称结果回归，outcome regression)，逆概加权法(inverse probability weighting)，逆概倾斜法(inverse probability tilting)，双重稳健估计(doubly robust estimation)。这些方法是理解异质性稳健DID的基础。
★ 案例一：孕妇吸烟对新生儿体重的影响(Cattaneo, 2010)。
第二讲
两期DID
本讲介绍最基本的两期DID模型，内容包括平行趋势假定，条件平行趋势假定，双向固定效应模型，PSM-DID(Heckman et al., 1997, 1998)，逆概加权估计(Abadie, 2005)，双重稳健估计(Sant’Anna and Zhao, 2020)。
★ 案例二：最低工资立法与劳动力需求(Card and Krueger, 1994)；工会成员的工资溢价(union-wage premium)。
第三讲
经典多期DID
本讲介绍经典多期DID，内容包括平行趋势图，平行趋势检验。
★ 案例三：就业培训的政策效应(Ashenfelter, 1978)；漕粮海运与大运河沿线叛乱(Cao and Chen, 2022)。
第四讲
交叠DID
交叠DID(staggered DID)指个体受处理时间不尽相同，且处理状态不可逆的DID模型。本讲介绍交叠DID的诊断与估计方法，内容包括培根分解(Goodman-Bacon, 2021)，交互加权估计(Sun and Abraham, 2021)，双重稳健估计(Callaway and Sant’Anna, 2021)。
★ 案例四：银行管制放松与收入分配(Beck et al., 2010)；最低工资对青少年就业的影响(Callaway and Sant’Anna, 2021)。
第五讲
一般DID
一般DID(General DID)指个体受处理时间可以不同，且处理状态可逆的DID模型。本讲介绍一般DID的估计方法，内容包括即时处理效应估计(de Chaisemartin and D'Haultfoeuille, 2020)，插补估计量(Imputation Estimator; Borusyak et al., 2022)。
★ 案例五：新闻报纸与总统选举投票率(Gentzkow et al., 2011)，社交媒体与精神健康(Braghieri et al., 2022)。
课程答疑
2023年8月15-17日 申请回放 >>
主讲老师：王群勇
上午：09:00-12:00
下午：14:00-17:00
培训费用：3600元/人（食宿差旅自理）
培训地点：哈尔滨商业大学
课程概要
宏观数据典型地包括时间序列数据和长面板数据。与微观数据不同，宏观数据计量模型的分析方法更多地关注动态规律、平稳性与协整关系、以及截面相关或空间相关的问题。本期课程聚焦于宏观数据的两种因果推断方法（干预时间序列分析和合成控制法）、变系数模型、动态异质面板的ARDL模型、空间计量经济、以及全局VAR和面板VAR模型。
课程特色
（1）理论方法与软件操作密切结合，通过复现论文的实证结果提高实证研究的科学性和规范性。
（2）为部分模型提供的专享程序包。
（3）为学员的论文提供点评与讨论，以及适当可能的合作。
（4）提供电子版本讲义及课件资源、Stata18正版软件试用，确保用户都能正常、安全的运行数据，保证上课质量！
第一讲
干预模型分析
ITSA基于政策前的模型来构建反事实，估计处理效应。与其它政策评估方法不同，干预时间序列分析的特征在于：（1）用于评估政策对一个个体的效应，用于时间序列数据；（2）可以考察政策处理效应的动态变化规律和长期影响。本专题介绍趋势模型和随机趋势两种不同情形的干预变量的政策效应，政策变量可以是阶梯式、脉冲式或其它形式。具体内容包括：
1. 确定性趋势的干预模型分析
2. 转移函数
3. 随机趋势的干预模型分析
4. 控制干预模型分析
第二讲
合成控制法
合成控制法是应用于对处理组只包含一个个体的政策效应评估，通过Lasso等方法将控制组的所有个体进行加总合成，属于一类控制干预分析方法。主要内容包括：
1. 合成控制法的基本理论
2. 模型估计与安慰剂检验
3. 非参合成控制法
第三讲
变系数（随机系数）模型
模型的系数经常是不稳定的，线性模型无法刻画变量之间的时变关系，而变系数模型可以考察变量之间的关系随时间的丰富的变化规律，深入揭示变量之间丰富的关系。这一类模型包括了变系数回归模型、变系数VAR模型等多种形式，得到了广泛应用。
1. 变系数回归模型
2. 变系数模型的状态空间表示与估计
3. 变系数VAR模型（TVP-VAR)
第四讲
动态异质面板ARDL模型
异质动态性与截面相关是宏观面板的两个非常重要的普遍特征，不能将宏观数据做微观式处理。本专题介绍截面相关的检验与测度，以及动态共相关效应的混合组均值（PMG)估计量。
1. 异质性面板的MG估计与PMG估计
2. 截面相关的检验与测度
3. 异质面板的共相关效应MG（CCE-PMG)估计
4. 动态异质面板的共相关效应MG（DCCE-PMG)估计
第五讲
空间计量模型
与共因子模型不同，空间计量模型通过空间权重矩阵明确地设定内生、外生和误差的空间关系。本章讲解空间线性模型、空间Probit/Logit模型、以及模型选择、空间面板等模型。
1. 空间权重矩阵
2. 空间计量模型（空间自回归，空间杜宾模型等）
3. 空间Probit/Logit模型
4. 面板空间模型
第六讲
全局VAR和面板VAR模型
1. VAR模型的分析框架
2. 全局向量自回归（GVAR, Global VAR）
3. 面板向量自回归（Panel VAR）
课程答疑
会议官网链接
关注我们
