天天干天天操天天爱-天天干天天操天天操-天天干天天操天天插-天天干天天操天天干-天天干天天操天天摸

           Stata高級培訓(xùn)

1. 普通小二乘法（OLS）
1.1OLS的基本原理

1.2解讀OLS回歸結(jié)果

1.3殘差分析與穩(wěn)健型估計

1.4 殘差分析與穩(wěn)健型估計

1.5 管理多個回歸結(jié)果

2.廣義小二乘法（GLS）
2.1 GLS的基本思想

2.2 異方差

2.3 序列相關(guān)

2.4 似無相關(guān)模型（SUR）

3.非線性小二乘法（NLS）
3.1 NLS的基本思想

3.2 NLS程序的編寫

3.3 范例：估計動態(tài)部分調(diào)整模型

4.大似然估計（MLE）
4.1 MLE的基本原理

4.2 似然函數(shù)的設(shè)定

4.3 程序的調(diào)試、起始值的設(shè)定和相關(guān)問題

4.4 范例：線性回歸模型、Logit模型、Probit模型

5.工具變量法與GMM
5.1 內(nèi)生性問題與工具變量法

5.2 兩階段小二乘法（2SLS）

5.3 廣義矩估計法（GMM）

5.4 過度識別檢驗（Sargan檢驗與Hausman檢驗）

5.5 弱工具變量問題

6.時間序列分析
6.1 時間序列資料的處理

6.2 ARIMA模型

6.3 向量自回歸（VAR）模型：估計和檢驗

6.4 向量自回歸（VAR）模型：因果檢定和沖擊反應(yīng)

6.5 單位根檢驗

6.6 協(xié)整分析和誤差修正模型

6.7 ARCH模型（GARCH，E-GARCH，T-GARCH）

7.面板數(shù)據(jù)模型
7.1 靜態(tài)面板模型：固定效應(yīng) v.s. 隨機(jī)效應(yīng)

7.2 時間效應(yīng)、模型的篩選和常見問題

7.3 異方差、序列相關(guān)和截面相關(guān)

7.4 內(nèi)生性問題（面板IV-GMM估計）

7.5 動態(tài)面板模型（Difference GMM和System GMM）

7.6 面板隨機(jī)系數(shù)模型

7.7 面板隨機(jī)前沿模型

7.9 面板協(xié)整分析

8.STATA高級程序
8.1暫元的高級功能

8.2暫時性物件

8.3輸入項

8.4輸出項

8.5可分組執(zhí)行的程序

8.6可重新顯示結(jié)果的程序

8.7子程序

8.8程序勘誤與調(diào)試

8.9幫助文件的編寫

9.模擬分析（Simulation）與自體抽樣（Bootstrap）
9.1隨機(jī)數(shù)的產(chǎn)生和常用分布

9.2Bootstrap

9.3 Jackknife（刀切法）

9.4 Permutation Tests（組合檢驗）

9.5 Monte Carlo Simulation（蒙特卡羅模擬分析）

9.6 模擬數(shù)據(jù)的