          高級計量經(jīng)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(yīng)的普通標準誤、異方差穩(wěn)健標準誤、異方差自相關(guān)穩(wěn)健標準誤、聚類穩(wěn)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(chǔ)。

第二講，OLS應(yīng)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(qū)別（控制變量的內(nèi)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O(shè)LS在Stata的實現(xiàn)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(nèi)生性是實證研究的常見難題，而工具變量法是解決內(nèi)生性的利器，包括2SLS、GMM、近乎外生的IV，控制函數(shù)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(yīng)用。包括Probit，Logit，MLE，QMLE，ivprobit，以及二值選擇模型中的交互效應(yīng)等。

第六講，靜態(tài)面板

面板數(shù)據(jù)由于能控制個體異質(zhì)性（heterogeneity），緩解遺漏變量偏差，在實踐中越來越重要。靜態(tài)面板是常見的面板，包括個體固定效應(yīng)、隨機效應(yīng)、時間固定效應(yīng)、雙向固定效應(yīng)、個體時間趨勢、交互固定效應(yīng)（interactive fixed effects）、面板工具變量法（Panel IV）等。

第七講，動態(tài)面板

經(jīng)濟現(xiàn)象常具有某種慣性或部分調(diào)整，即被解釋變量的滯后值出現(xiàn)在方程右邊。動態(tài)面板也因為可自帶工具變量而應(yīng)用廣泛。包括差分GMM、水平GMM與系統(tǒng)GMM等。

第八講，非參數(shù)與半?yún)?shù)估計（Nonparametric and Semiparametric Estimations）

非參與半?yún)⒎椒ㄓ捎谄浞€(wěn)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?yún)?shù)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(shù)據(jù)的優(yōu)勢，可克服部分內(nèi)生性，是研究政策或項目處理效應(yīng)（treatment effects）的常用工具。內(nèi)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(nèi)容包括精確斷點回歸、模糊斷點回歸、密度（操縱）檢驗、穩(wěn)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(qū)的政策效應(yīng)時，將控制地區(qū)進行優(yōu)的線性組合，以構(gòu)造合成控制地區(qū)進行對比，這是估計處理效應(yīng)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(gòu)成反事實的控制地區(qū)（Hsiao et al., ），比合成控制法更為簡便易行。

第十五講，異質(zhì)性處理效應(yīng)（Heterogeneous treatment effects）

包含異質(zhì)性工具變量法的局部平均處理效應(yīng)（Local Average Treatment Effect，簡記LATE），以及雙向固定效應(yīng)模型的異質(zhì)性處理效應(yīng)（de Chaisemartin and D'Haultfoeuille, 2020）、模糊雙重差分法（fuzzyDID）等。