課程大綱： 計量培訓
1：課程介紹；概率論與統(tǒng)計學知識復習
本講為引導課程，主要介紹接下來學習所必須掌握的概率論與統(tǒng)計學知識。
同時介紹接下來的課程安排。
2：一元線性回歸模型及其統(tǒng)計推斷
線性回歸模型，線性回歸模型的系數(shù)估計，一元回歸中的t統(tǒng)計量，關于回歸系數(shù)的假設檢驗，
回歸系數(shù)的置信區(qū)間等內(nèi)容。
3：多元線性回歸模型及其統(tǒng)計推斷
遺漏變量偏差，多元回歸模型，多元回歸中OLS估計量的分布，多重共線性，
回歸中單個系數(shù)的假設檢驗，置信區(qū)間，聯(lián)合假設的檢驗等內(nèi)容。
4：非線性回歸函數(shù)
非線性回歸函數(shù)的一般建模方法，多項式模型，對數(shù)線性模型，線性對數(shù)模型，
雙對數(shù)模型，交互項與交互作用，非線性函數(shù)的示例等內(nèi)容。
5：基于多元線性模型進行研究評判
模型的內(nèi)部和外部有效性，多元回歸分析內(nèi)部有效性的影響因素，利用回歸進行預測的示例等內(nèi)容。
6：面板數(shù)據(jù)方法
面板數(shù)據(jù)的特征，面板數(shù)據(jù)的分析方法，個體固定效應和時間固定效應，
固定效應回歸的假設和固定效應回歸的標準誤，雙重差分方法的基礎理論等內(nèi)容。
7：工具變量方法
工具變量概念的引入，單個回歸變量和單個工具變量的工具變量估計量，一般工具變量回歸模型，
工具變量有效性的檢驗，工具變量的來源，工具變量的實際應用等內(nèi)容。
8：二值因變量模型
二值因變量的含義，線性概率模型，probit回歸， logit回歸，logit和 probit模型的在估計和推斷中的應用等。
9：兩種實證分析中重要的計量方法：雙重差分方法（DID）與斷點回歸方法（RD）
雙重差分方法的理論根據(jù)，雙重差分方法的作用，雙重差分方法的實際應用舉例；斷點回歸方法的理論根據(jù)，
斷點回歸方法的作用，斷點回歸方法的實際應用舉例等內(nèi)容。
10：大數(shù)據(jù)及其預測；時間序列初步
大數(shù)據(jù)的簡要介紹，時間序列數(shù)據(jù)和序列相關性，自回歸，包含其他預測變量的自回歸，自回歸分布滯后模型，
滯后長度選取，非平穩(wěn)性的類型等內(nèi)容。
Stata操作課程
1. Stata軟件的簡介與基礎操作
本講主要介紹： Stata軟件的主要作用與使用該軟件所必需掌握的基礎操作。
2. 一元線性回歸及其統(tǒng)計推斷的Stata實現(xiàn)
本講主要介紹：在Stata中構建線性回歸模型，估計相應的系數(shù)和區(qū)間，進行假設檢驗，根據(jù)模型進行預測，測算擬合優(yōu)度。
3. 多元線性回歸及其統(tǒng)計推斷的Stata實現(xiàn)
本講主要介紹：在Stata中構建多元線性回歸模型，估計相應的系數(shù)和區(qū)間，進行單個變量和總體的假設檢驗，如何看待回歸中遺漏數(shù)據(jù)和無關數(shù)據(jù)。
4. 指示（虛擬）變量的應用與有限因變量回歸的Stata實現(xiàn)
本講主要介紹：在Stata中生成并應用指示變量，線性概率模型的構建，處理效應的計算，二值因變量模型在Stata中的實現(xiàn)，logit模型，多項式logit與條件logit，有序選擇模型。
5. 面板數(shù)據(jù)模型與雙重差分（DID）方法的Stata實現(xiàn)
本講主要介紹：混合模型，固定效應模型的估計方法與估計量，隨機效應模型與Hausman檢驗，回歸方程組與似不相關回歸; 使用Stata軟件估計雙重差分模型，平行趨勢檢驗。
6. 工具變量（IV）方法與斷點回歸（RD）方法的Stata實現(xiàn)
本講主要介紹：兩階段小二乘法，針對內(nèi)生性的Hausman檢驗，工具變量外生性檢驗，弱工具變量檢驗；斷點回歸的基本圖示，清晰斷點與模糊斷點，斷點回歸的命令，結果分析。
7. 時間序列初步
本講主要內(nèi)容：在Stata里定義時間序列，滯后和差分運算符，有限分布滯后，序列相關檢驗，自回歸模型，AR模型。
加入高級會員獲得助教答疑
