1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

Stata高級培訓
培訓目的：
????? 使學員熟練使用Stata進行實證分析工作，主要包括：
(1)掌握多種常用的估計方法（如普通最小二乘法、廣義最小二乘法、非線性最小二乘法、最大似然估計、iv估計和gmm）；
(2)學會估計和分析時間序列和面板數據常用模型（如單位根檢驗、協整分析、var、固定效應模型、隨機效應模型、動態面板模型、面板單位根檢驗和面板協整分析等等）；
(3)學會編寫一個完整的Stata程序；
(4)學會應用Stata進行抽樣和模擬分析，包括bootstrap和monte carlo模擬分析
?
培訓內容：
?
計量分析與Stata應用
1. ??????? 普通最小二乘法（OLS）
1.2???? 解讀OLS回歸結果
1.3???? 殘差分析與穩健型估計
1.4???? 管理多個回歸結果
2.???????? 廣義最小二乘法（GLS）
2.1???? GLS的基本思想
2.2???? 異方差
2.3???? 序列相關
2.4???? 似無相關模型（SUR）
3.???????? 非線性最小二乘法（NLS）
3.1???? NLS的基本思想
3.2???? NLS程序的編寫
3.3???? 范例：估計動態部分調整模型
4.???????? 最大似然估計（MLE）
4.1???? MLE的基本原理
4.2???? 似然函數的設定
4.3???? 程序的調試、起始值的設定和相關問題
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???? 內生性問題與工具變量法
5.2???? 兩階段最小二乘法（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
6.5???? 單位根檢驗
6.6???? 協整分析和誤差修正模型
6.7???? GARCH模型（GARCH，E-GARCH，T-GARCH）
7.???????? 面板數據模型
7.1???? 靜態面板模型：固定效應 v.s. 隨機效應
7.2???? 時間效應、模型的篩選和常見問題
7.3???? 異方差、序列相關和截面相關
7.4???? 內生性問題（面板IV-GMM估計）
7.5???? 動態面板模型（Difference GMM和System GMM）
7.6???? 面板隨機系數模型
7.7???? 面板隨機前沿模型
7.8???? 面板單位根檢驗
7.9???? 面板協整分析
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???? 可分組執行的程序
8.6???? 可重新顯示結果的程序
8.7???? 子程序
8.8???? 程序勘誤與調試
8.9???? 幫助文件的編寫
9.???????? 模擬分析（Simulation）與自體抽樣（Bootstrap）
9.1???? 隨機數的產生和常用分布
9.2???? Bootstrap
9.2.1???? Bootstrap的基本原理
9.2.2???? Bootstrap獲得標準
?
?