課程大綱： 計量培訓
1：課程介紹；概率論與統計學知識復習
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計推斷
線性回歸模型，線性回歸模型的系數估計，一元回歸中的t統計量，關于回歸系數的假設檢驗，
回歸系數的置信區間等內容。
3：多元線性回歸模型及其統計推斷
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，
回歸中單個系數的假設檢驗，置信區間，聯合假設的檢驗等內容。
4：非線性回歸函數
非線性回歸函數的一般建模方法，多項式模型，對數線性模型，線性對數模型，
雙對數模型，交互項與交互作用，非線性函數的示例等內容。
5：基于多元線性模型進行研究評判
模型的內部和外部有效性，多元回歸分析內部有效性的影響因素，利用回歸進行預測的示例等內容。
6：面板數據方法
面板數據的特征，面板數據的分析方法，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，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，
斷點回歸方法的作用，斷點回歸方法的實際應用舉例等內容。
10：大數據及其預測；時間序列初步
大數據的簡要介紹，時間序列數據和序列相關性，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，非平穩性的類型等內容。
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計推斷的Stata實現
本講主要介紹：在Stata中構建線性回歸模型，估計相應的系數和區間，進行假設檢驗，根據模型進行預測，測算擬合優度。
3. 多元線性回歸及其統計推斷的Stata實現
本講主要介紹：在Stata中構建多元線性回歸模型，估計相應的系數和區間，進行單個變量和總體的假設檢驗，如何看待回歸中遺漏數據和無關數據。
4. 指示（虛擬）變量的應用與有限因變量回歸的Stata實現
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，logit模型，多項式logit與條件logit，有序選擇模型。
5. 面板數據模型與雙重差分（DID）方法的Stata實現
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
本講主要介紹：兩階段小二乘法，針對內生性的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
