发帖
雷达卡
随着大数据时代的到来，数据驱动的决策变得越来越重要。无论是经济学者、社会学研究者，还是人工智能领域的探索者，掌握数据分析的核心技能已成为跨学科研究的必备条件。今天，我们要为大家介绍一门能够满足这一需求的精彩课程——高级计量Stata之因果推断。
课程概览
本次课程由山东大学经济学院的陈强教授亲自授课，将于2024年5月1日至4日在上海举办。
课程内容涵盖了随机实验与自然实验、工具变量法、匹配估计量、断点回归、合成控制法、回归控制法、两期DID、经典多期DID、交叠DID、一般DID与连续DID、DDD与合成DID、队列DID等多个领域，旨在帮助学员深入理解并掌握因果推断的核心方法。
多学科适用性
这门课程不仅适合经济学和社会科学领域的学者和学生，也同样适合人工智能学院的研究者和从业者。在人工智能领域，机器学习和数据挖掘需要准确的因果推断来避免算法的偏差和误解。通过学习这门课程，AI领域的专家们可以更好地理解数据背后的因果关系，从而设计出更加精准和有效的算法模型。
教学特色
陈强教授的教学风格深入浅出，能够将复杂的计量经济学理论与实际操作相结合，使得学员们能够快速掌握并应用所学知识。课程还提供了丰富的案例分析，让学员们能够通过实践来巩固理论知识。
课程信息
培训时间：2024年5月1-4日（四天）
培训地点：上海市（提供交通住宿指南）
授课安排：上午9:00-12:00；下午2:00-5:00；答疑5:00-6:00
→ 授课与答疑均是陈强老师本人
→ 根据缴费顺序安排座位
→ 赠送陈强老师《计量经济学及Stata应用》视频（时长46小时）
授课嘉宾简介
陈强老师，分别于1992年与1995年获得北京大学经济学学士与硕士学位，2007年获美国Northern Illinois University数学硕士与经济学博士学位，现任山东大学经济学院教授，博士生导师。主要研究领域为计量经济学、机器学习、经济史。已发表论文于Oxford Economic Papers (lead article)，Economica，Journal of Comparative Economics，Stata Journal，Journal of Econometrics, 《经济学(季刊)》《世界经济》等国内外期刊。著有畅销教材《高级计量经济学及Stata应用》（第2版，2014），《计量经济学及Stata应用》（2015），《机器学习及R应用》（2020）与《机器学习及Python应用》（2021）。2010年入选教育部新世纪人才支持计划。
陈强教授的学术魅力陈强教授，一位在计量经济学、机器学习和经济史领域拥有深厚学术造诣的学者，他的教学不仅仅是知识的传递，更是思维的启迪。陈教授的教学风格以清晰、幽默著称，能够将枯燥的数学模型和复杂的统计理论转化为生动有趣的故事，让学员们在轻松愉快的氛围中掌握高级计量经济学的精髓。
亲自答疑的独到优势课程的另一大特色是陈强教授亲自进行的答疑环节。在这一环节中，学员们有机会直接与教授对话，针对学习过程中的疑惑和实际研究中遇到的问题进行深入探讨。这样的互动不仅能够及时解决学员的疑问，更能够帮助他们建立起批判性思维和独立解决问题的能力。
课程介绍：
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！
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），非参数估计。
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，移动份额IV（Bartik IV, Bartik, 1991; Adao et al.,2019;Goldsmith-Pinkham et al., 2020; Borusyak et al., 2022），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（Acemogluetal., 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）；中国进口对美国制造业就业的冲击（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（pretreatmentcharacteristics），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（doublyrobust 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。
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。
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（Cattaneoetal., 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（Abadieetal., 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 etal.,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（Heckmanetal., 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；最低工资立法与劳动力需求（Card and Krueger, 1994），工会成员的工资溢价（union-wagepremium）。
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：就业培训的政策效应（Ashenfelter, 1978）；漕粮海运与大运河沿线叛乱（Cao andChen, 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（irreversibletreatment），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 andAbraham,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（reversibletreatment），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（continuoustreatment）。
内容：一般DID的估计方法，包括即时处理效应估计（DIDm; de Chaisemartin andd'Haultfœuille, 2020），面板匹配估计（Penal Match; 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（Liuetal., 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）。
无论你是学术界的研究者，还是工业界的实践者，高级计量Stata之因果推断课程都是一次不容错过的学习机会。它不仅能够提升你的数据分析能力，还能够拓宽你的研究视野，让你在跨学科的合作中更加游刃有余。现在就报名参加，开启你的跨界学习之旅吧！
课程费用：
5200元 /4800元(学生价优惠价仅适用于全日制在读本科和硕士)
提供电子版发票及配套通知，纸质版结业证书
优惠信息：
JG学术老学员9折优惠；
同一单位3-5人同时报名9折优惠；
同一单位6人以上同时报名8折优惠；
以上优惠与学生价均不叠加。
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，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
京公网安备 11010802022788号
