开学季计划: 2023跟陈强老师学习计量与机器学习

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

陈强老师开设现场班以来，每期课程都收获了不少好评~

目前陈强老师亲授的课程除了高级计量经济学与Stata（五一，十一开班）

还有Python机器学习（寒暑假开班）和计量经济学（线上视频，随报随学）

陈强老师2023年培训计划占座ing

高级计量Stata之因果推断

“将因果推断进行到底！”

课程信息

培训时间：2023年4月29-5月2日（四天）

培训地点：北京市海淀区（开课前10天发送交通住宿指南）

授课安排：上午9:00-12:00；下午2:00-5:00；答疑5:00-6:00

特色 #1 通过四天心无旁骛的学习，全面而深入地了解高级计量学在因果推断方面的最新方法及Stata案例实操。这是其他短期培训所无法比拟的。

特色 #2 在夯实计量理论基础的同时，迅速将学员们拉到当代计量实证研究的最前沿，使学员们可以先知先觉、决胜未来。

特色 #3 现场班全程由经典教材《高级计量经济学及Stata应用》的作者陈强教授主讲。你或许知道该书因条理清晰、通俗易懂、深入浅出而好评如潮，但只有上过陈强老师课的学生才能体会到，陈老师的现场授课所具有的直指人心之独特魅力，帮助学员立刻进入高级计量的境界，融会贯通，恍然大悟。

课程简介：

本次高级计量Stata之因果推断现场班，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Stata的因果推断精髓及最新方法，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，只要学员学过本科计量经济学及初级Stata操作即可。因为“大道至简至易”，高级计量与初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。

正如许多学员所说，士别四日，或刮目相看！Now or Never！

目标学员：

经济及社科类青年教师、博士生、硕士生、高年级本科生。

培训目的：

掌握高级计量经济学因果推断的核心方法及Stata操作，不再茫然，知其然而知其所以然，迅速成为处理数据及定量分析的高手。

课程配套资料：

课程PPT、数据集、do文档及相关论文。

课程内容：

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 andMullainathan, 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）。

第2讲，工具变量法。

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，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（Acemogluet 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）。

   

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，outcomeregression），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; Calonicoet 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 etal., 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（Abadieet 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（ConditionalPTA），双向固定效应模型，PSM-DID（Heckmanet 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 andKrueger, 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（Brynjolfssonet 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），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 Chaisemartinand d'Haultfœuille, 2020），面板匹配估计（PenalMatch; Imai etal., 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 etal., 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）。

机器学习及Python应用                            

面向所有行业与学科的人士、老师与学生（包含经管社科、医学卫生等领域）。本课程的最大特色在于“一站式服务”，从机器学习的原理、数学推导，到Python命令与经典案例，无不精心设计、丝丝入扣，理论联系实操，让学员们迅速理解机器学习的精髓，并掌握最为流行的数据科学软件Python操作。独家讲授机器学习在经管社科的学术应用！

课程信息：

培训时间：2023年7月13-17日(五天)

培训地点：上海现场班, 开课前提供交通住宿指南

授课安排：9:00-12:00, 14:00-17:00, 答疑

课程大纲：

授课方式：思想原理 + 数学精髓 +Python经典案例

第1讲  机器学习引论

(1) 什么是机器学习

(2) 机器学习的分类与术语

(3) 案例：垃圾邮件过滤；手写体数字识别；图像识别；自动驾驶

第2讲  Python语言快速入门

(1) Why Python？

(2) 安装Python与Spyder

(3) Python的模块(module)

(4) Python的对象(str, bool, list, tuple, dict, set)

(5) Python的函数(function)与方法(method)

(6)Numpy (ndarray),pandas(Series, Data Frame)

(7) sklearn(机器学习)与keras(深度学习)

(8) Python画图(Matplotlib, pandas, seaborn)

(9) Python面向对象编程

第3讲 数学回顾

(1) 梯度向量
(2) 方向导数

(3) 梯度下降

(4) 向量微分

(5) 最优化

第4讲 线性回归

(1) OLS

(2) 过拟合与泛化能力

(3) 偏差与方差的权衡

(4) 交叉验证

(5) Python案例：多项式回归的过拟合；波士顿房价

第5讲 逻辑回归

(1) Logit

(2) 几率比

(3) 灵敏度与特异度

(4) ROC与AUC

(5) 科恩的kappa

(6) Python案例：泰坦尼克号旅客的存活

第6讲 多项逻辑回归

(1) 多项Logit

(2) Python案例：识别玻璃类别

第7讲 朴素贝叶斯

(1) 朴素贝叶斯(Naive Bayes)

(2) 拉普拉斯修正(Laplacian Correction)

(3) Python案例：垃圾邮件的识别

第8讲 惩罚回归

(1) 高维回归的挑战

(2) 岭回归(Ridge Regression)

(3) 套索估计(Lasso)

(4) 弹性网估计(Elastic Net)

(5) Python案例：前列腺癌的影响因素

第9讲 K近邻法

(1) 回归问题的K近邻法

(2) 分类问题的K近邻法

(3) Python案例：摩托车撞击实验数据；鸢尾花品种的归类；威斯康辛乳腺癌的诊断

第10讲 决策树

(1) 分类树(Classification Tree)

(2) 分裂准则(错分率、基尼指数、信息熵)

(3) 成本复杂性修枝

(4) 回归树(Regression Tree)

(5) Python案例：波士顿房价；葡萄牙银行市场营销

第11讲 随机森林

(1) 集成学习(Ensemble Learning)

(2) 装袋法(Bagging)

(3) 随机森林(Random Forest)

(4) 变量重要性(Variable Importance)

(5) 偏依赖图(Partial Dependence Plot)

(6) Python案例：波士顿房价；声呐信号的分类

第12讲 提升法

(1) 自适应提升法 (AdaBoost)

(2) AdaBoost的统计解释

(3) 梯度提升法 (Gradient Boosting Machine)

(4) XGBoost算法

(5) Python案例：波士顿房价；过滤垃圾邮件；识别玻璃类别

第13讲 支持向量机

(1) 最大间隔分类器(Maximal Margin Classifier)

(2) 软间隔分类器(Soft Margin Classifier)

(3) 支持向量机(Support Vector Machine)

(4) 核技巧(Kernel Trick)

(5) 支持向量回归(Support Vector Regression)

(6) Python案例：模拟数据；过滤垃圾邮件；识别手写数字；波士顿房价

第14讲  人工神经网络

(1) 人工神经网络的思想

(2) 感知机（Perceptron）

(3) 前馈神经网络(Feedforward Neural Network)

(4) 激活函数(Activation Function)

(5) 反向传播算法(Back-propagation Algorithm)

(6) 随机梯度下降(Stochastic Gradient Descent)

(7) 神经网络的过拟合与正则化

(8) 卷积神经网络(Convolution Neural Network)

(9) 深度学习的发展

(10) Python案例(sklearn与Keras)：波士顿房价；过滤垃圾邮件；模拟数据；路透社新闻主题分类，手写数字数据集MNIST

第15讲(Bonus Lecture) 机器学习在经管社科的应用

精读几篇在经管社科顶刊发表的经典机器学习论文

课程费用

高级计量现场班（4天）：5200元 /4800元(全日制在读本科和硕士优惠价)

机器学习现场班（5天）：6000元 /5400元(全日制在读本科和硕士优惠价)

提供电子版发票及开课通知，纸质版结业证书

→ 授课与答疑均是陈强老师本人

→ 根据缴费顺序安排座位

报名流程：

1. 点击报名链接，在线提交报名信息：

高级计量：https://www.peixun.net/main.php?mod=buy&cid=271

机器学习：https://www.peixun.net/main.php?mod=buy&cid=1771

2. 经管之家论坛账号登录后提单支付；

3. 确认发票信息，2个工作日发至邮箱；

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↓

报名咨询：

尹老师

电话：13321178792

QQ：42884447

WeChat：JGxueshu

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

关键词：机器学习 高级计量经济学 python 计量经济学 Stata

计量经济学（线上视频，随报随学）
https://www.peixun.net/main.php?mod=buy&cid=1747


！！购买后在线点击章节即可在线学习！！
！！购买后在线点击章节即可在线学习！！
课程目标：让计量经济学从此不再难！
售价：199元（共15章140节，283个视频，总长46小时，2年有效期；不含教材）

谢谢分享！

虽然看不懂还是要顶一个，肯定是好东东！