无论你是20+, 30+, 40+, 还是50+, 保持年轻的一种重要方法就是不断地挑战自我,学习新知识,包括学习新的计量知识。
-- 陈强老师于2021年五四青年节
2021年5月1日,碧空如洗,春风如浴,近150名学子齐聚北京,慕名参加山东大学陈强教授的高级计量经济学及Stata现场班。这些学员来自全国不同高校与科研机构,专业分布则遍及经管、社科、医药卫生等各学科。整整五天,学员们如饥似渴地聆听陈强教授分享高级计量经济学的精髓与前沿,然后满载而归。
图1. 近150位参班学员认真听课
5月1日上午,陈强教授开场即感慨,“每次开始讲计量课之前,我都很激动。感觉各位非常幸运,虽然失去了五一节的假期,不能游山玩水,但获得的却是计量与Stata的知识盛宴。希望大家都能心无旁骛,闭关学习,获得质的飞跃”。陈老师随后将计量经济学的精髓知识,由浅入深,如数家珍,娓娓道来,丝丝入扣,环环相连,再结合Stata实战与经典案例,不时让学员们豁然开朗,感受顿悟的喜悦。
图2. 授课ing
不妨先来看看,此次“高级计量经济学及Stata”现场班的内容简介与课程大纲:
课程简介:
自从2010年我的研究生教材《高级计量经济学及Stata》出版以来,受到了广大读者的热烈欢迎。天南海北的读者来信,既有大学的青年教师,也有普通院校的硕博、甚至本科生,在庆幸有此集理论与操作一体、便于自学的计量教材之余,也十分渴望有面授的机会,能够迅速掌握高级计量与Stata的真谛、游刃有余地进行实证分析。为此,经管之家论坛的同仁力邀我于2013年10月在北京首次开设高级计量及Stata现场班。在四天的现场班期间,学员们上课无不聚精会神,课下则积极提问。看到大家豁然开悟的表情,透着如获至宝的喜悦,四天密集教学的辛劳早已如浮云飘散。
本次高级计量经济学及Stata现场班,将根据多次现场班的反馈进一步完善。在课程内容的设计上,主要指导思想是在较短时间内,将高级计量及Stata的精髓及核心内容,以最通俗生动的语言以及大量的案例交给学员。在夯实计量理论基础的同时,特别注重因果推断的具体应用,迅速将学员们拉到当代计量实证研究的最前沿。由于学员的基础不同,本课程仅对学员背景做最低要求,即假设学员知道概率统计及少量线性代数,但不要求学过计量经济学或Stata操作。因为“大道至简至易”,初级计量与高级计量的本质是一样的,学子们最需要的是能够直指人心地洞明计量原理与操作工具,然后得心应手地用于实战(而非完成习作)。正如许多学员所说,士别四日,或刮目相看!Now or Never!
课程大纲:
第1讲,随机实验与自然实验。
随机实验是实证研究的黄金标准。
内容:随机实验,自然实验,内部有效性,外部有效性,最小二乘法(OLS),二值选择模型(Probit,Logit)。
案例:班级规模与学习成绩(Hanushek,1999),种族与就业歧视(Bertrand and Mullainathan, 2004),就业经历与未来就业(Pallais, 2014),最低工资与劳动力需求(Card and Krueger, 1994),参军与长期收入(Angrist, 1990)。
工具变量法是解决内生性的通用方法。
内容:2SLS,LIML,GMM,弱工具变量,过度识别检验,排他性约束,内生性检验,移动份额工具变量法(shift-share IV,即Bartik IV),异质性工具变量法(局部处理效应,LATE)。
案例:出生季度与教育年限(Angrist and Krueger,1991);殖民者死亡率与制度(Acemoglu et al., 2001);经济增长与非洲内战(Miguel et al., 2004);国企改革的作用(Groves et al., 1994);警察与犯罪率(Levitt, 1997);科举制对人力资本积累的长期影响(Chen et al., 2020);美国年轻男子的教育回报(Griliches, 1976);进口竞争对美国当地劳动力市场的影响(Autor et al., 2013)。
第3讲,匹配估计量。
本讲介绍基于非混杂性(unconfoundedness)的一系列估计方法。非混杂性意味着,若控制处理前的特征(pretreatment characteristics),则处理变量不再有内生性。
内容:匹配估计,倾向得分匹配(PSM; Rosenbaum and Rubin, 1983; Abadie and Imbens, 2016),回归调整法(regression adjustment;也称结果回归,outcome regression),逆概加权法(inverse probability weighting),双重稳健估计(doubly robust estimation)。
案例:就业培训的处理效应(LaLonde, 1986; Dehejia and Wahba, 1999)。
第4讲,断点回归与拐点回归。
由于在断点附近存在局部随机分组,故断点回归的效力接近于随机实验,日益为研究者所青睐(Thistlethwaite and Campbell, 1960; Imbens and Kalyanaraman, 2009; Calonico et al., 2014)。
内容:精确断点回归,模糊断点回归,密度(操纵)检验,稳健性检验,拐点回归(Nielsen et al., 2010; Card et al., 2015a, 2015b)。
案例:冬季燃煤取暖与人均寿命(Chen et al., 2013);扶贫政策的效应(Meng, 2013);买房落户与户口价值(Chen et al., 2019);美国参议院选举的在位者优势(Cattaneo et al., 2015)。
第5讲,合成控制法。
在评价某处理地区的政策效应时,将控制地区进行最优的线性组合,以构造合成控制地区进行对比,这是估计处理效应的流行方法(Abadie and Gardeazabal, 2003; Abadie et al., 2010)。
内容:比较案例分析,合成控制法,空间安慰剂检验,时间安慰剂检验,混合安慰剂检验(Chen and Yan, 2023),留一稳健性检验。
案例:马里矣尔船运(Mariel boatlift;Card, 1990);西班牙巴斯克地区恐怖活动的经济后果(Abadie and Gardeazabal, 2003);加州控烟法的成效(Abadie et al., 2010);德国统一的政策效应(Abadie et al., 2015)。
第6讲,回归控制法。
与合成控制法类似,但回归控制法使用回归法来构成反事实的控制地区(Hsiao et al., 2012; Hsiao and Zhou, 2019),比合成控制法更为简便易行。
内容:回归控制法,安慰剂检验,含协变量的回归控制法,分位数控制法(Quantile Control Method; Chen et al., 2023)。
案例:香港回归及与中国内地经济整合的效应(Hsiao et al., 2012);德国统一的政策效应(Abadie et al., 2015);四万亿经济刺激的效应(Ouyang and Peng, 2015);上海与重庆房产税试点的效应(Du and Zhang, 2015);高铁开通的政策效应(Ke et al., 2017);房票政策的房价效应(方诚、陈强,2021)。
第7讲,两期DID。
这是最基本的双重差分法模型,也是理解DID的基石。
内容:差分估计量,双重差分估计量,平行趋势假定(Parallel Trend Assumption, PTA),条件平行趋势假定(Conditional PTA),双向固定效应模型,PSM-DID(Heckman et al., 1997, 1998),逆概加权估计(Abadie, 2005),双重稳健估计(Sant’Anna and Zhao, 2020)。
案例:伦敦霍乱的自然实验;就业培训的政策效应(Ashenfelter, 1978);最低工资立法与劳动力需求(Card and Krueger, 1994)。
第8讲,经典多期DID。
经典多期DID模型包括两组(即处理组与控制组)与两时段(即处理前与处理后),而个体受政策冲击时间均相同;故也称为经典2x2DID。多期DID使得平行趋势假定的检验成为可能,且可使用事件分析法(event study)考察动态处理效应。
内容:平行趋势图,平行趋势检验,安慰剂检验,分组异质性,多期PSM-DID。
案例:漕粮海运与大运河沿线叛乱(Cao and Chen, 2022);人工智能翻译与国际贸易(Brynjolfsson et al., 2019)。
第9讲,交叠DID。
在交叠DID(Staggered DID)模型中,个体受政策处理时间不尽相同,但处理状态不可逆(irreversible treatment),即处理变量只能由0变为1,而不能从1变为0(即不允许政策退出),也称为“吸入式处理”(absorbing treatment)。在此框架下,若存在异质性处理效应(处理效应随个体或时间而异),则双向固定效应模型一般会有偏差,需使用异质性稳健的估计量,即在异质性效应情况下依然成立的估计方法。
内容:静态回归系数的Bacon分解(Goodman-Bacon, 2021),动态回归系数的Sun-Abraham分解(Sun and Abraham, 2021),交互加权估计(Interaction Weighted Estimation; Sun and Abraham, 2021),CSDID估计(Callaway and Sant’Anna, 2021,含结果回归、逆概加权估计,默认为双重稳健估计),二阶段DID(DID2S; Gardner, 2022),扩展TWFE估计(Wooldridge,2021),堆叠回归(Stacked Regression; Cengiz et al., 2019)。
案例:银行管制放松与收入分配(Beck et al., 2010);住院治疗的经济后果(Sun and Abraham, 2021);最低工资对青少年就业的影响(Callaway and Sant’Anna, 2021);最低工资对低薪岗位的影响(Cengiz et al., 2019)。
第10讲,一般DID与连续DID。
在一般DID(General DID)模型中,个体受政策处理时间不尽相同,且处理状态可逆(reversible treatment),即允许政策退出(处理变量可由1变为0)。在连续DID模型中,有时所有个体都受到处理,但政策冲击力度不同,可将处理变量视为连续变量(continuous treatment)。
内容:一般DID的估计方法,包括即时处理效应估计(DIDm; de Chaisemartin and d'Haultfœuille, 2020),面板匹配估计(Penal Match; Imai et al., 2019),插补估计量(Imputation Estimator; Borusyak et al., 2022),反事实估计量(Liu et al., 2022),连续DID的估计方法(Callaway et al., 2021)。
案例:新闻报纸与总统选举投票率(Gentzkow et al., 2011);央地执政党异同与央地拨款(Liu et al., 2022);茶叶价格与性别比例(Qian, 2008);废除科举与革命起义(Bai and Jia, 2016)。
第11讲,DDD与合成DID。
如果平行趋势假定不成立,一种解决方法是同时使用两个控制组,即三重差分法(DDD; Gruber, 1994; Olden and Moen, 2022)。另一解决方法是,对控制组个体进行加权,使得加权后的数据满足平行趋势假定,即合成双重差分法(synthetic DID; Arkhangelsky et al., 2022)。
内容:DDD模型与识别条件,合成DID的模型与估计。
案例:将生育纳入雇主提供医保的政策效应(Gruber, 1994);加州控烟法的成效(Abadie et al., 2010);女性议员与孕产妇死亡率(Bhalotra et al., 2022)。
第12讲,队列DID(Cohort DID)。
对于横截面的微观数据,如果依时间(比如出生年份)定义的队列或组群(cohorts)受到政策冲击时间有先后之别,则可考虑使用队列DID。
内容:队列DID的模型设定,平行趋势检验。
案例:印尼校园建设与教育投资回报(Duflo, 2001),知青下乡与农村教育回报(Chen et al., 2020)。
报名流程:
1. 点击“https://www.peixun.net/main.php?mod=buy&cid=271”,在线提交报名信息;
2. 经管之家论坛账号登录后提单支付;
3. 确认发票信息;
4. 开课前一周发送资料及上课事宜。
PS:如需电子版开课通知对公转账,请与尹老师联系↓
优惠:
现场班老学员9折优惠;
同一单位三人以上同时报名9折优惠;
同一单位六人以上同时报名8折优惠;
以上优惠与学生优惠价均不叠加。
联系方式:
尹老师
电话:13321178792
QQ:42884447
WeChat:JGxueshu
图3. 本次课程讲义封面
除了授课满满的干货,课程资料还提供了100余篇陈老师精选的论文帮助大家掌握。陈强老师每天的课后答疑无时限,虽然人山人海,但总能让学员们茅塞顿开:
图4. 陈老师课后答疑无时限
学员们在聆听陈强老师对其他学员的解答时,也获益匪浅。为此,有学员在感谢陈强老师与经管之家之余,还特别“谢谢各位学友‘简单’发散大胆深入的好问题”,使得“这个五一难忘充实高效”:
陈老师的精彩教学,深入浅出,化难为易,直指人心,极大地缩短了学生们计量入门进阶的时间,使得学员们慕名而来,满载而归,收获颇丰:
有些学员表示,课程超级棒,可以“学完直接回去修改毕业论文”:
学员们更为陈强老师持续五天的敬业、专业与真心付出所深深打动:
有些学员则庆幸高级计量现场班,给了自己与陈强老师近距离接触的机会,发现坊间久负盛名的“计量男神”其实非常平易近人,几乎有问必答,而且从不拒绝与粉丝们合影与签名。
更有学员不仅得到陈强老师的签名合影,甚至还有幸共进早餐,“第一次经历这样的五一精神物质双丰收”:
在结束五天现场班之际,学员们心怀感恩,重拾信心,期待迅速成长,对自己未来的学术道路充满了憧憬:
据悉,陈强老师的下一期高级计量及Stata现场班,将于2023年国庆节(10月1-4日)在北京举行,已开始占位抢座,详情参见“https://bbs.pinggu.org/thread-10362995-1-1.html”。
参考文献
陈强,《高级计量经济学及Stata应用》,第2版,高等教育出版社,2014年(久负盛名的配套五天现场班,详情见下文海报)
陈强,《计量经济学及Stata应用》,高等教育出版社,2015年(好评如潮的配套教学视频,可在Peixun.net购买)
陈强,《机器学习及R应用》,高等教育出版社,2020年11月,472页,双色印刷
陈强,《机器学习及Python应用》,高等教育出版社,2021年3月,632页,双色印刷(配套五天现场班,详情见下文海报)
---------------------------------------------------------------------------------------
陈强老师简介
陈强,男,1971年出生,山东大学经济学院教授,数量经济学博士生导师。
分别于1992年、1995年获北京大学经济学学士、硕士学位,后留校任教。2007年获美国Northern Illinois University数学硕士与经济学博士学位。已独立发表论文于Oxford Economic Papers (lead article), Economica, Journal of Comparative Economics,《经济学(季刊)》、《世界经济》等国内外期刊。著有畅销本科教材《计量经济学及Stata应用》,研究生教材《高级计量经济学及Stata应用》、《机器学习及R应用》与《机器学习及Python应用》,以及好评如潮的本科计量教学视频(Peixun.net 或网易云课堂)。2010年入选教育部新世纪优秀人才支持计划。
(c) 2021, 陈强,山东大学经济学院
www.econometrics-stata.com
转载请注明作者与出处
Our mission is to make econometrics easy,
and facilitate convincing empirical works.