上海高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata培訓(xùn)班

01章OLS及其標(biāo)準(zhǔn)誤。
著重介紹小樣本與大樣本OLS，以及相應(yīng)的普通標(biāo)準(zhǔn)誤、異方差穩(wěn)健標(biāo)準(zhǔn)誤、異方差自相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤、聚類穩(wěn)健標(biāo)準(zhǔn)誤、自助標(biāo)準(zhǔn)誤（bootstrap standard errors）。深切理解OLS的原理與適用條件，是一切計(jì)量原理的基礎(chǔ)。
02章Stata快速入門。
及時(shí)地介紹Stata知識(shí)，以O(shè)LS在Stata的實(shí)現(xiàn)作為入門，體會(huì)Stata的簡(jiǎn)單與強(qiáng)大。
03章二值選擇模型。
被解釋變量為虛擬變量的二值選擇模型有著廣泛的應(yīng)用。包括Probit，Logit，MLE與QMLE等。
04章工具變量法。
由于雙向因果、遺漏變量、度量誤差的普遍存在，內(nèi)生性是實(shí)證研究的常見難題，而工具變量法是解決內(nèi)生性的利器，包括2SLS、GMM、控制函數(shù)法（Control Function）、包含內(nèi)生變量的ivprobit、異質(zhì)性工具變量法（Local Average Treatment Effect）等。
05章靜態(tài)面板。
面板數(shù)據(jù)由于能控制個(gè)體異質(zhì)性（heterogeneity），緩解遺漏變量偏差，在實(shí)踐中越來越重要。靜態(tài)面板是Z常見的面板，包括固定效應(yīng)、隨機(jī)效應(yīng)、時(shí)間效應(yīng)、雙向固定效應(yīng)等。
06章動(dòng)態(tài)面板。
經(jīng)濟(jì)現(xiàn)象常具有某種慣性或部分調(diào)整，即被解釋變量的滯后值出現(xiàn)在方程右邊。動(dòng)態(tài)面板也因?yàn)榭勺詭Чぞ咦兞慷鴳?yīng)用廣泛。包括面板工具變量法（Panel IV）、差分GMM、水平GMM與系統(tǒng)GMM等。
07章門限回歸（ThresholdRegression）。
包括橫截面與面板模型的門限回歸。
08章非參數(shù)與半?yún)?shù)估計(jì)（Nonparametric and Semiparametric Estimations）。
非參與半?yún)⒎椒ㄓ捎谄浞€(wěn)健性而日益進(jìn)入標(biāo)準(zhǔn)的計(jì)量工具箱，包括核密度估計(jì)、非參數(shù)回歸與半?yún)?shù)回歸等。
09章隨機(jī)實(shí)驗(yàn)、自然實(shí)驗(yàn)與雙重差分法（Difference-in-Differences）。
實(shí)驗(yàn)方法因其可信度而日益興起，包括隨機(jī)實(shí)驗(yàn)、第 一類與第二類自然實(shí)驗(yàn)。雙重差分法利用面板數(shù)據(jù)的優(yōu)勢(shì)，可克服部分內(nèi)生性，是研究政策或項(xiàng)目處理效應(yīng)（treatment effects）的主要工具。包括雙重差分法、平行趨勢(shì)假設(shè)、三重差分法等。
10章傾向得 分匹配（PropensityScore Matching）。
基于反事實(shí)的框架，根據(jù)個(gè)體進(jìn)入處理組的概率（即傾向得 分）尋找較佳替身進(jìn)行匹配估計(jì)，這是研究處理效應(yīng)的一種深邃思想與方法。包括傾向得 分匹配、雙重差分傾向得 分匹配等。
11章控制變量的選擇。
選擇合適的控制變量是計(jì)量分析的重要步驟，而因果圖方法（Causal Directed Acyclic Graph）提供了一個(gè)清晰的思考框架。
12章合成控制法（SyntheticControl Method）。
在評(píng)價(jià)某處理地區(qū)的政策效應(yīng)時(shí)，將控制地區(qū)進(jìn)行Z優(yōu)的線性組合，以構(gòu)造合成控制地區(qū)進(jìn)行對(duì)比，這是估計(jì)處理效應(yīng)的新興強(qiáng)大方法。包括合成控制法的統(tǒng)計(jì)推斷與穩(wěn)健性檢驗(yàn)等。
13章回歸控制法（RegressionControl Method）。
與合成控制法類似，但使用回歸法來構(gòu)造合成控制地區(qū)（Hsiao et al., 2012）。
14章斷點(diǎn)回歸（RegressionDiscontinuity Design）與拐點(diǎn)回歸（Regression Kink Design）。
由于在斷點(diǎn)附近存在局部隨機(jī)分組，故斷點(diǎn)回歸的效力接近于隨機(jī)實(shí)驗(yàn)，日益為研究者所青睞。包括**斷點(diǎn)回歸、模糊斷點(diǎn)回歸、空間斷點(diǎn)回歸等。
15章分位數(shù)回歸。
線性回歸只是研究在給定X的情況下，Y的條件期望E(Y|X)；而分位數(shù)回歸則可研究在給定X的情況下，Y的整個(gè)條件分布Y|X，從而揭示更多信息。
16章分機(jī)器學(xué)習(xí)與大數(shù)據(jù)。
大數(shù)據(jù)與高維回歸等機(jī)器學(xué)習(xí)(Machine Learning)方法 正迅速 成為經(jīng)濟(jì)學(xué)家的常用工具。本講介紹Lasso, Ridge Regression, Elastic Net, Post Lasso, Double Lasso，主成分分析，因子分析等機(jī)器學(xué)習(xí)方法。
17章面板數(shù)據(jù)前沿。
交互固定效應(yīng)（interactive fixed effects）將傳統(tǒng)的雙向固定效應(yīng)進(jìn)一步推廣，因?yàn)楝F(xiàn)實(shí)經(jīng)濟(jì)中常存在多種沖擊（shocks或factors），而不同個(gè)體對(duì)此沖擊的反應(yīng)不同（factor loading）。
18章空間計(jì)量經(jīng)濟(jì)學(xué)（Spatial Econometrics）。
傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)通常忽略橫截面單位的空間分布與相互影響，而空間計(jì)量經(jīng)濟(jì)學(xué)則是考察空間效應(yīng)、溢出效應(yīng)等的重要工具。包括空間權(quán)重矩陣、空間自回歸、空間誤差模型與空間面板等。