Stata连享会2018.11现场课程-内生性专题
1. 课程概况
时间： 2018 年 11.23-25（周五-周日）（每天 6 小时+半小时答疑）；
地点： 山西财经大学（太原）
授课内容： 实证研究方法与 Stata 应用
要点：研究设计和内生性问题的处理。
主要方法：IV估计、空间计量、匹配(Matching)、倍分法(DID)、Matching+DID、断点回归(RDD)、合成控制法(SCM)
授课嘉宾：
林建浩副教授（中山大学）
江艇副教授 （中国人民大学）
连玉君副教授 （中山大学）
2. 嘉宾简介
林建浩
林建浩，中山大学岭南学院经济学系副教授，主要研究领域为计量经济学理论与应用、实证宏观、文化与经济行为。在《经济研究》、《管理世界》、《统计研究》、《金融研究》、《经济学（季刊）》等学术刊物上发表多篇论文，主持国际自然科学基金、广东省自然科学基金等多项课题。
江艇
江艇，香港科技大学商学院经济学博士，中国人民大学经济学院副教授，人大国家发展与战略研究院研究员，人大微观数据与实证方法研究中心副主任，美国哥伦比亚大学商学院访问学者。主要研究领域为经济增长与发展、城市经济学、新政治经济学，在Economics Letters、Review of Development Economics、《经济研究》、《管理世界》、《世界经济》等国内外著名学术刊物上发表多篇论文，曾应邀在多所高校讲授“应用微观计量经济学”短期前沿课程并广受好评。
连玉君
连玉君，经济学博士，副教授，博士生导师。2007年7月毕业于西安交通大学金禾经济研究中心，现任教于中山大学岭南学院金融系。主讲课程为“金融计量”、“计量分析与Stata应用”、“实证金融”等。已在《China Economic Review》、《经济研究》、《管理世界》、《经济学(季刊)》、《金融研究》、《统计研究》等期刊发表论文60余篇。连玉君副教授主持国家自然科学基金项目（2项）、教育部人文社科基金项目、广东自然科学基金项目等课题项目10余项。目前已完成 Panel VAR、Panel Threshold、Two-tier Stochastic Frontier 等计量模型的 Stata 实现程序，并编写过几十个小程序，如 xtbalance, winsor2, bdiff, hausmanxt, ttable3, hhi5, ua等。连玉君老师团队一直积极分享Stata应用中的点点滴滴，开设了 [Stata连享会-简书]，[Stata连享会-知乎] 两个专栏，并定期在微信公众号 (StataChina) 中发布精彩推文。
3. 授课内容
3.1 课程大纲
第一天 (林建浩)
近似外生和弱工具变量下的稳健推断方法
面板数据空间计量模型
第二天 (江艇)
匹配 (Matching)
倍分法 (DID)
Matching + DID
第三天 (连玉君)
断点回归分析 (RDD)
合成控制法 (SCM)
3.2 课程详情
第1讲 近似外生和弱工具变量下的稳健推断方法
应用场景： 弱工具变量和工具变量非严格外生时还能用 IV 估计吗？
应对方法： 采用再抽样（resampling，Berkowitz et al., 2012）或贝叶斯的方法校正近似外生性的影响（Conley et al., 2012；Kraay, 2012）。
专题详情：
工具变量（IV）估计是处理内生性问题的基本方法，在经济学实证研究中有着极为广泛的应用。
IV 估计量的大样本性质是在建立一系列假定之上，尤其是工具变量与内生解释变量的“相关性”以及工具变量的“外生性”，而且工具变量的“质量”也影响了IV估计量在有限样本下的表现。然而，在实际研究中，寻找同时满足相关性和外生性的工具变量非常困难，需要在经济机理上进行具有说服力的论证，同时进行严格的模型设定检验。越来越多的计量经济学家开始放松传统 IV 估计的模型设定，讨论“弱工具变量（weak instruments）”以及“近似外生工具变量（plausibly /approximately/ exogenous）”下的稳健推断方法。
针对工具变量外生性条件无法严格满足的情形，目前较有影响的做法是采用再抽样（resampling，Berkowitz et al., 2012）或贝叶斯的方法校正近似外生性的影响（Conley et al., 2012；Kraay, 2012）。
这些新的理论研究成果直面实践难题，大大拓展了 IV 估计的应用场景，但尚未在实证研究中得到广泛应用。我们将结合实际例子，对这些方法的原理、适用条件以及软件实现进行介绍。
第2讲 空间面板模型
专题详情：
近十年，空间计量经济学的发展主要集中在两个领域：一个是离散选择和受限数据的空间计量模型，另一个是面板数据的空间计量模型。
我们此次主要介绍后者，Anselin、Baltagi、Kapoor 以及李龙飞教授的团队在这个领域有着诸多理论贡献，这些模型方法也已广泛应用于国际贸易、区域经济、公共经济、劳动经济等诸多经济学科。
Stata 15 有了相对完整的空间计量经济学模块，加上 Paul Elhorst 等学者编写的非官方命令，使得基于 Stata 进行面板空间计量的应用研究更为方便。
我们将结合实例，介绍基本的面板数据空间计量模型的估计和检验方法，做到原理介绍和软件实现并重。
第3讲 匹配 (Matching)
澄清一些关于匹配方法常见的理解误区。
匹配能否比OLS更好地解决内生性问题？
如果匹配和OLS的识别力 (identification power) 相当，OLS的偏误究竟从何而来？
为什么说匹配的思想比匹配的具体实现手段更为重要？
通过两个简化例子，抽丝剥茧地分析匹配方法的工作原理，消除初学者对非参数方法的恐惧。
详细讲解匹配方法的整套实操流程。
匹配的准备工作：如何选择协变量；如何评估overlap；如何估计倾向得分；如何删截样本。
从匹配对象、匹配精度、加权方式、是否放回各个方面介绍主要匹配方法的异同。
结合四个Stata命令
teffects nnmatch,nnmatch,teffects psmatch,psmatch2，重点介绍基于协变量的最近邻匹配 (NNM) 和倾向得分匹配 (PSM) 。
第4讲 倍分法 (DID)
随着越来越多面板数据为研究者所利用，DID也成为中文世界使用频率最高的准实验方法，由于对这一方法的识别假设和适用范围理解不准确，不同程度的滥用也随之出现。本讲旨在帮助学员回答三个问题。
如何正确理解DID的工作原理？
基本的DID如何实现？讨论重复横截面、两期面板、多期面板等不同情况。
如何解释和展示结果？
对DID的威胁有哪些？
DID的拓展形式有哪些？
非线性模型中的DID
模糊 (fuzzy) DID
半参数DID (若时间允许)
非线性DID (若时间允许)
特别重点介绍DID和匹配的结合
先通过匹配方法构造控制组，然后进行DID估计
先差分，然后对差分结果进行匹配估计
如何让一项DID研究变得更丰满？
如何进行敏感性分析？
如何进行异质性分析？
通过多个案例，辨别何为好的DID研究，何为坏的DID研究。
第5讲 断点回归分析 (RDD)
何时使用断点回归分析？
RDD 是目前公认的 最为干净 的政策评价方法之一。以 「上北大是否有助于提高收入？」 这一问题为例。
传统处理方法：在收入方程中控制其他影响收入的因素后，重点考察 D=1 (北大学生)；D=0 (其他学生) 这一虚拟变量的系数。然而，这一做法难逃自我选择偏误的影响。因为，是否上北大并非随机选择的结果，很可能是能力强的孩子更容易上北大，而能力强的孩子也更容易找到高收入的工作 (即使不上北大也是如此)。因此，即使发现北大学生毕业时的年薪比其他学生高 5 万，也不能将其全部归因为北大教育带来的效果。比如，5=3+2，意味着北大教育的收入效应是 3 万，而个人能力的收入效应是 2 万。当然，也有可能是 5 = 1+4，甚至是 5 = -2+7。难点在于，个人能力是不可观测的。
RDD： 假如上北大的分数线是 670 分，为了克服上述自选择偏误对估结果的影响，我们可以重点分析 [668-669] 分数段的学生 (未上北大-对照组) 与 [670-671] 分数段的学生 (上北大-实验组) 在毕业时的收入差异。由于单个学生无法左右北大的录取分数线，所以这里的实验组和对照组可以视为随机分组。同时，由于两者的分数差异被限定在一个很小的范围，我们可以认为他们各方面的特征也比较相近。此时，二者的收入差异可以归因为北大教育带来的效果。
本例中，高考分数称为分配变量，分数线 672 分称为分配点或断点 (cut-point)，而毕业后的收入则成为结果变量。我们把断点看成一种 treatment，断点右侧的是处理组，断点左侧的是控制组。如果结果变量在断点两侧发生了显著的跳跃 (jump)，则认为政策有效。
想一想：RDD 的合理性依赖于哪些假设条件？
授课内容
断点回归分析 (RDD) 简介
明确断点 RDD 分析 (Sharp RDD)
模糊断点 RDD 分析 (Fuzzy RDD)
范例：2 篇文章
第6讲 合成控制法 (Synthetic control methods)
何时使用合成控制法？
在政策评价领域，长期存在着一个空白地带：有些政策只针对某一个省或某一个州实施，此时 DID，PSM 等方法都不再适用，因为我们只有一个孤零零的实验对象！Abadie, Diamond, and Hainmueller (2010, JASA) 提出的合成控制法，很好的解决了这类问题。他们研究了「加州」于1989年实施的禁烟法案的政策效果。其基本思想是，使用其他38个未实施禁烟法案的州的加权平均来虚构一个 「合成加州」，进而对比分析 「加州」 和 「合成加州」 在1989年之后香烟消费量的差异，这就是政策效果！作者还进一步的使用的组合检验，以及 「安慰剂检验」 来确定这一结果的统计显著性。
授课内容
合成控制法简介
精讲一篇经典论文(Stata实现过程)：[1] Abadie, A., A. Diamond, J. Hainmueller, 2010, Synthetic control methods for comparative case studies: Estimating the effect of california's tobacco control program, Journal of the American Statistical Association, 105 (490): 493-505. [PDF]
以一篇中文文献为例，介绍该模型的具体应用：[2] 苏治, 胡迪, 2015, 通货膨胀目标制是否有效?——来自合成控制法的新证据, 经济研究, (6): 74-88. [PDF]
亮点：样本中有多个国家实施了通胀目标制，作者多次使用 SMC，分别对每个国家进行分析；同时，作者对 SMC 相对于 DID 和 PSM 的优劣进行了详细的论述。
4. 报名信息
主办方：太原君泉教育咨询有限公司
费用 （含报名费、材料费；差旅及食宿费自理）：
全价：3000元/人（预报名价 2900元/人，预报名10月31日截止）
三人以及上：2800元/人
团报价：2600元/人（五人及以上）
学生价：2600元/人
Note: 以上所有优惠不叠加。
报名：
邮箱：wjx004@sina.com
电话 (微信同号)：王老师 18903405450 ；李老师 1863610246
对公账户： 35117530000023891（山西省太原市晋商银行南中环支行)
公众号： 可搜索公众号名称（君泉Stata）或扫描二维码关注公众号了解详情
温馨提示： 按预报名顺序排座位
长按/扫描二维码报名：
免费听课了！诚邀 Stata 培训课程助教
为保证本次课程的全方位答疑解惑，现招聘培训课程助手数名，主要辅助老师的教学工作，以及这次培训事项的安排。所招聘助手将会获得免费听取课程的机会。
名额： 3-5 名
任务： (1) 协助老师的教学工作，以及这次培训事项的安排；(2) 负责课间答疑和课后在线答疑 (下午5:00-5:30的答疑由主讲教师负责)。
要求： 熟悉Stata常用命令，能对常见问题进行解答和记录。
优惠： Stata助教可以免听课费。（注：食宿和差旅费需自理）
申请资料： 个人简历（姓名、联系方式、教育背景、以往发表论文和实证研究经验等，200-500字即可）
提交申请： 请同时发送至 statachina@163.com 和 wjx004@sina.com