課程大綱： 高級計量經濟學及Stata培訓
第一講，OLS理論
著重介紹小樣本與大樣本OLS，以及相應的普通標準誤、異方差穩健標準誤、異方差自相關穩健標準誤、聚類穩健標準誤、自助標準誤（bootstrap standard errors）。深切理解OLS的原理與適用條件，是一切計量原理的基礎。
第二講，OLS應用
包括虛擬變量，交互項，機制（mechanism）檢驗，核心變量與控制變量的區別（控制變量的內生性），廣義小二乘法（GLS）。
第三講，Stata快速入門
及時地介紹Stata知識，以OLS在Stata的實現作為入門，體會Stata的簡單與強大。
第四講，工具變量法
由于雙向因果、遺漏變量、度量誤差的普遍存在，內生性是實證研究的常見難題，而工具變量法是解決內生性的利器，包括2SLS、GMM、近乎外生的IV，控制函數法（Control Function）等。
第五講，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用。包括Probit，Logit，MLE，QMLE，ivprobit，以及二值選擇模型中的交互效應等。
第六講，靜態面板
面板數據由于能控制個體異質性（heterogeneity），緩解遺漏變量偏差，在實踐中越來越重要。靜態面板是常見的面板，包括個體固定效應、隨機效應、時間固定效應、雙向固定效應、個體時間趨勢、交互固定效應（interactive fixed effects）、面板工具變量法（Panel IV）等。
第七講，動態面板
經濟現象常具有某種慣性或部分調整，即被解釋變量的滯后值出現在方程右邊。動態面板也因為可自帶工具變量而應用廣泛。包括差分GMM、水平GMM與系統GMM等。
第八講，非參數與半參數估計（Nonparametric and Semiparametric Estimations）
非參與半參方法由于其穩健性而日益進入標準的計量工具箱，包括核密度估計、核回歸、K近鄰回歸、局部線性回歸、局部多項式回歸、LOWESS回歸、半參數回歸等。
第九講，隨機實驗與自然實驗
實驗方法因其可信度而日益興起，成為實證研究的“黃金標準”，包括隨機實驗、第一類與第二類自然實驗。
第十講，雙重差分法（Difference-in-Differences，簡記DID）
雙重差分法利用面板數據的優勢，可克服部分內生性，是研究政策或項目處理效應（treatment effects）的常用工具。內容包括雙重差分法、多期異時DID、平行趨勢檢驗、廣義DID、三重差分法等。
第十一講，匹配估計量（Matching Estimators）
匹配估計量是反事實因果推斷的重要方法，包括傾向得分匹配（Propensity Score Matching）、馬氏近鄰匹配（NN Matching）、粗糙化精確匹配（CoarsenExact Matching），以及雙重差分傾向得分匹配（PSM-DID）。
第十二講，斷點回歸（Regression Discontinuity Design）與拐點回歸（Regression KinkDesign）
由于在斷點附近存在局部隨機分組，故斷點回歸的效力接近于隨機實驗，日益為研究者所青睞。內容包括精確斷點回歸、模糊斷點回歸、密度（操縱）檢驗、穩健性檢驗、拐點回歸等。
第十三講，合成控制法（Synthetic Control Method）
在評價某處理地區的政策效應時，將控制地區進行優的線性組合，以構造合成控制地區進行對比，這是估計處理效應的新興強大方法。包括合成控制法的原理、算法與安慰劑檢驗等。
第十四講，回歸控制法（Regression Control Method）
與合成控制法類似，但回歸控制法使用回歸法來構成反事實的控制地區（Hsiao et al., ），比合成控制法更為簡便易行。
第十五講，異質性處理效應（Heterogeneous treatment effects）
包含異質性工具變量法的局部平均處理效應（Local Average Treatment Effect，簡記LATE），以及雙向固定效應模型的異質性處理效應（de Chaisemartin and D'Haultfoeuille, 2020）、模糊雙重差分法（fuzzyDID）等。
加入高級會員獲得助教答疑
