连享会 2023 暑期班，重磅来袭！
👇 连享会 · 推文导航 | www.lianxh.cn
🍎 Stata：Stata基础 | Stata绘图 | Stata程序 | Stata新命令 📘 论文：数据处理 | 结果输出 | 论文写作 | 数据分享 💹 计量：回归分析 | 交乘项-调节 | IV-GMM | 时间序列 | 面板数据 | 空间计量 | Probit-Logit | 分位数回归 ⛳ 专题：SFA-DEA | 生存分析 | 爬虫 | 机器学习 | 文本分析 🔃 因果：DID | RDD | 因果推断 | 合成控制法 | PSM-Matching 🔨 工具：工具软件 | Markdown | Python-R-Stata 🎧 课程：公开课-直播 | 计量专题 | 关于连享会
目录
A. 课程概要
B. 授课嘉宾
C. 本次课程相对于往期课程的变化
⭕ 1. Stata 初级班
1.1 课程导引
1.2 专题介绍（Stata 初级班）
A1. Stata 简介
A2. 数据处理和程序
A3. 实证分析可视化
A4. 线性回归分析
A5. 模型设定和解释
A6. 静态面板数据模型
A7. 一篇 Top 期刊论文重现
A8. 自行研读-提供复现数据和代码
⭕ 2. Stata 高级班
2.1 课程导引
2.2 专题介绍（Stata 高级班）
B1. 实证分析中各类检验方法
B2. IV 和 GMM 基础
B3. IV 进阶：Bartik IV (移动份额 IV)
B4a. 动态面板模型
B4b. 面板 VAR 模型
B5. 面板 ARDL 模型
B6. 截面和面板门槛模型
⭕ 3. Stata 进阶班
3.1 课程导引
3.2. 专题介绍 (Stata 进阶班)
C1. 非线性 IV 估计
C2. 内生处理效应与内生转换模型
C3. 同行效应和溢出效应
C4. 社会网络的计量经济分析
C5. 贝叶斯计量方法
C6. 贝叶斯应用：模型平均化和 Global-VAR
最后的话
⏳ 4. 报名和缴费信息
缴费方式
⛳ 5. 听课指南
5.1 软件和课件
5.2 实名制报名
⚽ 6. 助教招聘
说明和要求
关于我们
A. 课程概要
初级：7.15-17；高级：7.19-21；进阶：7.23-25
⌚ 时间： 2023 年 7 月 15-25 日
☕ 方式： 网络直播
⭐ 授课教师： 连玉君 (初级+高级) || 王群勇 (进阶班)
⛵ 报名链接： http://junquan18903405450.mikecrm.com/kILLnGa
⛪ 往期板书和答疑： https://gitee.com/arlionn/PX/wiki
⛄ 课程详情： https://www.lianxh.cn
⛄ PDF 课纲： https://file.lianxh.cn/KC/lianxh_PX.pdf
⛳ Note: 预习资料、常见问题解答等都将通过该主页发布。
→ 打包下载-参考文献
温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。
回放安排：每班 20 天回放
初级班：7 月 18 日 - 8 月 6 日 (20 天) 高级班：7 月 22 日 - 8 月 10 日 (20 天) 进阶班：7 月 26 日 - 8 月 14 日 (20 天) 初级+高级：7 月 22 日 - 8 月 30 日 (40 天) 初级+进阶：7 月 18-22 日（5天），7 月 26 日 - 8 月 29 日 (35 天) 高级+进阶：7 月 26 日 - 9 月 3 日 (40 天) 全程班：7 月 26 日 - 9 月 23 日 (60 天)
B. 授课嘉宾
本次课程由连玉君老师主讲 Stata 初级班 和 高级班；王群勇老师主讲 进阶班。
连玉君，西安交通大学经济学博士，中山大学岭南学院副教授，博士生导师。已在《China Economic Review》、《Stata Journal》、《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。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 lianxh, ihelp, sftt, winsor2, xtbalance, bdiff, ua 等。连玉君老师团队一直积极分享 Stata 应用中的经验，开设了 连享会-博客，连享会-知乎 等专栏，已在微信公众号 (连享会（ID: lianxh_cn）) 分享推文 1000 余篇，各平台阅读量逾 3000 万人次。
王群勇，经济学教授、博士生导师，南开大学数量经济研究所所长，中国数量经济学会常务理事，中国统计学会常务理事。主持国家自科基金、国家社科基金、教育部人文社科、国家统计局重大等多项课题。获得首届国家统计科技进步三等奖、天津市科技进步二等奖等多项荣誉。在《China Economic Review》、《Stata Journal》、《Journal of Family and Economics Issues》、《数量经济技术经济研究》、《统计研究》等SSCI和CSSCI期刊发表多篇论文，并担任期刊匿名审稿人。编写了 xthreg（平衡面板及非平衡面板固定效应面板门限模型）、cointreg（协整回归）、sax12（X12-ARIMA季节调整）、sax13（X-13ARIMA-SEATS季节调整）、stregress（平滑转换模型）、xtstregress（面板平滑转换模型）、midasreg（混频回归）、mixrereess 等 Stata 程序。
C. 本次课程相对于往期课程的变化
初级班 新增了「实证分析可视化」专题，中间介绍边际效应、分仓散点图、系数差异可视化，以及 Stata 绘图的基本架构 「模型设定」专题更新了 70% 以上的内容，包括：条件均值模型的解释、边际效应分析、反事实框架 高级班 新增了「假设检验」专题：涉及系数联合检验、内生性检验、稳健性检验、安慰剂检验等主题 新增了「IV 和 GMM」专题，重点介绍 Judge IV 和 Bartik IV。 新增了「面板 ARDL 模型」专题：主要用于分析政策冲击的长期和短期效应，并考虑空间相关性和共同相关结构 进阶班 非线性 IV 估计 (面板 Logit/Probit/Count) 内生处理效应和内生转换模型 同行效应与溢出效应 社会网络：内生性和溢出效应 贝叶斯估计方法 贝叶斯应用：模型平均化和 Global VAR 由南开大学的王群勇教授主讲，包括三个全新专题：非线性模型的内生性问题；社会网络及应用；贝叶斯估计方法及应用。
⭕ 1. Stata 初级班
时间： 2023 年 7 月 15-17 日 (三天) 方式： 网络直播 + 20 天回放 授课嘉宾： 连玉君 (中山大学) 授课安排 授课方式： 幻灯片+Stata17 实操演示，全程电子板书+Stata 演示截图，课后以 PDF 形式分享给学员 授课时间： 上午 9:00-12:00，下午 14:30-17:30 (17:30-18:00 答疑)。 全程答疑： 由 10 位经验丰富的同学组成的助教团队会在课程群中全程答疑，并对答疑接龙文档进行详细的记录和分类，公布于 课程主页。 课程详情： https://www.lianxh.cn 往期板书和答疑： https://gitee.com/arlionn/PX/wiki PDF 课纲： https://file.lianxh.cn/KC/lianxh_PX.pdf → 打包下载-参考文献和复现资料 报名链接： http://junquan18903405450.mikecrm.com/kILLnGa
1.1 课程导引
实证分析中，最伤神和耗时的事情莫过于研究设计和数据处理。在以往的授课中，很多同学和老师都是在听完了高级班的课程以后，又返回头来听初级班的内容。他们有一个共同的感触就是，没有一个扎实的基础，以及对计量经济学和 Stata 整体架构的认识，后续的学习成本会越来越高。
在初级班中，我力求将三天的课程设置成一个比较完整的体系，目的有二：
其一，希望大家经过三天的学习（尚需另外花费 1-2 个月的时间演练吸收），能对基本的统计和计量分析方法有所掌握，能读懂多数期刊论文中使用的分析方法；
其二，希望诸位能建立起 Stata 的基本架构，熟知 Stata 能做什么、如何做？以期为后续学习打下宽厚扎实的基础。
翻阅 Top 期刊上的论文，你会发现多数论文并没有使用非常复杂的方法，关键在于论文的想法或视角比较独特，并使用了恰当的方法来论证。这里的关键在于研究设计，而这在目前的计量教科书中鲜有涉及。为此，本次研讨班突出两个特点：一方面，我会努力把基础知识讲解透彻，进度上不求快；另一方面，我在每个专题中都会提供了 2-3 篇比较经典的论文，展示这些方法的合理应用。
在内容安排上，基本上遵循了由浅入深，循序渐进的原则。
第 1-3 讲依序介绍 Stata 的基本用法、数据处理、程序编写和可视化分析，学习这些内容无需太多的计量经济学基础，但对于提高实证分析能力和分析效率，大有裨益。
第 4-5 讲介绍文献中使用频率最高的线性回归模型，包括 OLS 的原理、结果的解释，以及虚拟变量和交乘项的使用等。对于这些内容的深刻理解和熟练掌握，构成了后续，多种主流实证模型的基础，例如，目前文献中广泛使用的固定效应模型 (FE)，倍分法 (DID)，断点回归设计 (RDD) 等方法，本质上就是在传统的线性模型基础上，增加一些虚拟变量或交乘项，配合巧妙的研究设计，来实现对不可观测的个体效应的控制，以及对政策效应的估计。
第 6 讲介绍固定效应模型 (FE)，涉及基本的 FE，TWFE 模型和进阶的高维固定效应模型、交互固定效应，以及长差分模型。本讲是第 4 讲和第 5 讲内容的延伸和应用，是目前解决遗漏变量和内生性问题比较常用的方法，也是理解多期 DID，动态面板和面板门槛等进阶模型的基础。
具体说明如下：
在第 1-2 讲中，我会以一篇文章为实例，说明 Stata 的基本语法结构，并对数据处理过程中的关键问题进行介绍，如离群值的处理、文字变量的处理等。就我个人的经验而言，数据处理能力的高低直接决定实证分析的效率，而对于离群值等问题的处理是否妥善会直接影响全文结果的稳健性，是多数人不够重视但却至关重要的问题。此前有不少学完了高级班的同学又回炉初级班，便是感悟到了这一点。
第 3 讲介绍 Stata 编程的基础知识。但凡提及写程序，很多人都会产生恐惧心理，其实，一旦掌握了最基本的原理和语法格式，Stata 中的程序设定并没有想象的那么困难。更为重要的是，对于多数人而言，由于并不需要写完整的 ado 文档，因此只需要学会最基本的条件语句和循环语句即可，难度又会进一步降低。一旦掌握了基本的编程知识和理念，你的实证分析便开始进入「快车道」了。
第 4 讲和第 5 讲介绍实证分析中的模型设定和结果解释问题。很多人会觉得 OLS 很简单，但 Top 期刊中使用最多的仍然是 OLS，如何合理的构建模型、解释结果便成为实证分析中必须掌握的。我精选了大家经常面临的几个专题并结合论文进行讲解，包括：虚拟变量的使用、交乘项的使用和解释、分组回归的合理设定和假设检验。我会终点强调对条件期望函数和 FWL 定理的解读，这构成了理解因果模型、面板模型以及机器学习中多种方法的基础。首经贸的一个博士生发信息给我：「连老师，我发现只要把你初级里面的虚拟变量相关的知识完全掌握，很多复杂的方法就都好理解了，甚至可以自己解决问题。」，我的回复是：「那看来你是把相关的东西基本搞明白了，我每次上初级班的时候会花很多时间讲虚拟变量和交乘项，这构成了双重差分、断点回归、时间中断分析、面板数据模型等一系列模型的重要基础。」
第 6 讲介绍了目前广泛应用的 面板数据模型。由于面板资料的获取越来越方便，目前多数研究中使用的都是面板数据。在讲解这些模型的基本思想和估计方法的过程中，笔者会将重点放在模型含义和应用范围上来。例如，对于同一笔数据而言，何时采用 OLS 进行估计，何时采用 FE 估计？不同的方法之间有何差异和关联？结果背后的经济含义如何解读？掌握这些方法有助于大家合理控制内生性问题，以便得到更为可信的结论。更为重要的是，本讲介绍的高维固定效应、交互固定效应是理解各类面板因果推断模型 (如 DID，回归控制法等) 的基础，也是进一步学习动态面板、面板 VAR 等模型的基础。
第 7 讲 会拆解一篇发表于 QJE 的论文。该文基本上涵盖了第 1-6 讲的主要内容。我们可以尝试用新的方法来研究文中涉及的问题。在此过程中，既能巩固对现有模型和方法的理解，也能够对比后续文献来确定新的研究主题。
1.2 专题介绍（Stata 初级班）
A1. Stata 简介
实证分析的基本流程和编程习惯 数据的导入和导出 执行命令和基本统计分析 基本统计量的呈现 基本统计分析 do 文件和 log 文件的使用 帮助文件的使用和外部命令的安装 一篇范例文档
A2. 数据处理和程序
数据的横向合并和纵向追加 重复样本值、缺漏值和离群值的处理 文字变量的处理 局域暂元和全局暂元（local, global） 控制语句（条件语句、循环语句） Stata 中的各类函数 Matrix 和 Mata
A3. 实证分析可视化
为什要可视化？ Stata 绘图命令的架构 直方图与密度函数图： histogram,kdensity,biplot分仓散点图： binscatter，binscatter2系数及系数差异的可视化呈现： coefplot调节效应、倒 U 型关系及边际效应的可视化 面板数据、多个控制变量、高维固定效应模型的可视化 长期与短期关系的可视化 范文：2 篇
A4. 线性回归分析
条件期望函数：OLS, MLE 与 MM 的关系 线性概率模型 OLS 估计和系数含义 FWL 定理 (Frisch-Waugh-Lovell) 假设检验和统计推断 稳健性标准误：Bootstrap、Jackknife、聚类调整 结果输出与呈现
A5. 模型设定和解释
控制变量：选取、含义、可视化 变量缩放 取对数：弹性与半弹性 虚拟变量与固定效应 交乘项、平方项、高阶项与调节效应 因子变量与边际效应分析 DID, RDD 与 RKD
A6. 静态面板数据模型
何谓个体效应？FE v.s. RE 高维固定效应模型 长差分 (long difference) 交互固定效应模型 异方差和序列相关（Bootstrap、Cluster 调整标准误） 面板模型中的非时变变量和宏观变量如何分析? 实证分析中的常见问题 Bai, J. S., 2009, Panel data models with interactive fixed effects, Econometrica, 77 (4): 1229-1279. -Link-, -PDF-
A7. 一篇 Top 期刊论文重现
Akcigit, U., J. Grigsby, T. Nicholas, S. Stantcheva, 2022, Taxation and innovation in the twentieth century, The Quarterly Journal of Economics, 137 (1): 329-385. -Link-, -PDF-, -Appendix-, -cited-, -Replication- 简介： 文章研究了美国公司税和个人税对创新的影响。作者将发明人数据库、公司税率数据库，以及州级个人所得税和其他经济数据关联起来，从宏观和微观两个层面估计了税收对创新 (数量、质量、发生地等) 的影响。文中采用了多种识别策略，得到了非常一致的结论：(1) 高税率对创新的数量和发生地具有负面影响，但不会影响平均创新质量；(2) 州级层面的「税收-创新产出」弹性很大；(3) 公司税主要影响受雇发明者 (相对于自由职业者) 的创新产出和跨州流动性；而个人所得税则会对整体创新数量和发明人的流动性产生影响。 方法： 高维固定效应、长差分、交互固定效应 实证结果可视化：分仓散点图、长期效应 交乘项 Note: 我只挑选一些与 A1-A5 相关的内容来讲解。
A8. 自行研读-提供复现数据和代码
Sherman M G, Tookes H E. Female representation in the academic finance profession. Journal of Finance, 2022, 77(1): 317-365. -Link-, -cited-, -PDF-, -Replication- 该文研究了金融学术圈中的性别失衡现象。2009-2017 年，美国排名前 100 的商学院中的金融教师中，女性仅占 16.0%。性别失衡表现在几个方面：其一，在控制了研究能力后，更多的女性在排名较低的机构中任职，晋升为正教授的可行性相对较低，伴以薪酬较低。其二，女性发表的论文数量较少，但质量上不存在差异。其三，女性多与同性合作，表明她们的社会关系网较小。时间序列数据表明，上述性别差距正在缩小。 该文没有使用任何复杂的回归方法，仅使用了固定效应模型。但在统计分析和结果可视化方面做了很多工作，是 Stata 入门学习的绝佳范本。 方法： 各种统计分析，列表和图形呈现： egen,foreachOLS, 高维固定效应模型, 交乘项, 因子变量： reghdfe结果可视化： coefplot结果输出： estadd,estout,esttab,
⭕ 2. Stata 高级班
时间： 2023 年 7 月 19-21 日 (三天) 方式： 网络直播 + 20 天回放 授课嘉宾： 连玉君 (中山大学) 授课安排 授课方式： 幻灯片+Stata17 实操演示，全程电子板书+Stata 演示截图，课后以 PDF 形式分享给学员 授课时间： 上午 9:00-12:00，下午 14:30-17:30 (17:30-18:00 答疑)。 全程答疑： 由 10 位经验丰富的同学组成的助教团队会在课程群中全程答疑，并对答疑接龙文档进行详细的记录和分类，公布于 课程主页。 课程详情： https://www.lianxh.cn 往期板书和答疑： https://gitee.com/arlionn/PX/wiki PDF 课纲： https://file.lianxh.cn/KC/lianxh_PX.pdf → 打包下载-参考文献和复现资料 报名链接： http://junquan18903405450.mikecrm.com/kILLnGa
2.1 课程导引
Stata 高级班 是初级班的进一步深入，也为理解 进阶班 的各个专题的基础，涵盖目前主流分析方法和研究设计框架。高级班采用「庖丁解牛」的方式讲解目前 Top 期刊中使用的计量方法和模型，突出「研究设计」和方法的「应用背景和条件」。
2.2 专题介绍（Stata 高级班）
B1. 实证分析中各类检验方法
近期的 Top 期刊越来越强调模型不确定性，比如：控制变量也有好坏之分、是否存在非线性特征、不同模型的优劣对比等。这就需要进行各类检验，以便排除各种「混杂因素」和「似是而非」的论述，让论文的研究结论具有排他性，经济含义也更为清晰明确。本专题包括假设检验的基本原理、模型筛选和对比检验，以及「不容易做好」的稳健性检验等内容。在介绍检验方法和命令的同时，重点在于如何解释它们的经济含义，如何选择合适的检验方法并采用合适的方式加以呈现和分析。
系数的联合检验：Wald，LR，LM 检验 test,testparm,lincom,nlcom,testnl结果的汇集与呈现 模型比较：嵌套模型比较、非嵌套模型比较 R2 分解和贡献度分析 系数差异检验：Chow 检验，SUR，Bootstrap，排序检验 内生性检验 稳健性检验、安慰剂检验 参考文献： Hansen B E . 2021. Econometrics. Princeton University Press. Data and Contents, PDF. Chap 9. Ye, D., Y. K. Ng, Y. Lian, 2015, Culture and happiness, Social Indicators Research, 123 (2): 519-547. -Link-, -PDF-, PDF2, -cited-，R2 分解，课件中提供复现代码 Akcigit, U., J. Grigsby, T. Nicholas, S. Stantcheva, 2022, Taxation and innovation in the twentieth century, The Quarterly Journal of Economics, 137 (1): 329-385. -Link-, -PDF-, -Appendix-, -cited-, -Replication-
B2. IV 和 GMM 基础
IV 的思想并不复杂，但想找到一个能说服审稿人的 IV 却往往是可遇不可求的事情。在横截面分析中确实如此。随着面板数据模型的快速发展，IV 的构造思路已经发生了很大的变化，「就地取材」、「差别反应」都是非常有用的构造思路。GMM 是估计动态面板的标准方法，它在投资方程、DSGE 等领域也是重要的估计方法。本讲以因果图为基础，介绍 IV，2SLS 和 GMM 的基本思想，辅以几篇经典论文的 Stata 实操。GMM
IV 和 2SLS 估计的原理 GMM 估计的原理 工具变量合理性检验 Stata 实操 参考文献： Hansen B E . 2021. Econometrics. Princeton University Press. Data and Contents, PDF. Chap 12-13. Lal, A., M. Lockhart, Y. Xu, Z. Zu, 2023, How much should we trust instrumental variable estimates in political science? Practical advice based on over 60 replicated studies, arXiv working paper. PDF, PDF+附录-260页, -cited-
B3. IV 进阶：Bartik IV (移动份额 IV)
本讲重点介绍弱工具变量、Judge IV，Jackknife IV 和 Bartik IV 的构造和应用方法。虽说经济学圈里流传着 Friends don't let Friends do IV 的说法，但 Bartik IV 应该可以独善其身，它是近年来在国际贸易、金融等多个领域频繁现身 Top 期刊的 IV 估计方法。
弱工具变量问题和多个 IV Judge-FE IV 和 Jackknife IV Bartik (shift-share) IV 参考文献： Hou, Y., P. Wang, 2020, Unpolluted decisions: Air quality and judicial outcomes in china, Economics Letters, 194: 109369. -Link-, -PDF-, PDF2, Replication. Judge Fixed Effects Borusyak, K., P. Hull, X. Jaravel, 2022, Quasi-experimental shift-share research designs, Review of Economic Studies, 89 (1): 181-213. -Link-, -PDF- Adao, R., M. Kolesar, E. Morales, 2019, Shift-share designs: Theory and inference, Quarterly Journal of Economics, 134 (4): 1949-2010. -Link-, -PDF- Goldsmith-Pinkham, P., I. Sorkin, H. Swift, 2020, Bartik instruments: What, when. Why, and how, American Economic Review, 110 (8): 2586-2624. -Link-, -PDF-, PDF2, Replication, -cited-
B4a. 动态面板模型
多数经济行为的调整都会因为「调整成本」的存在而表现出粘性，即只能实现部分调整；同时，即使基于理性预期模型进行决策，但由于信息存在滞后，变量在时序上就会表现出较强的相关性。这些都构成了动态关系的理论基础，也使得动态面板模型广泛出现于经济增长、公司金融、国际贸易、劳动经济学等领域。本讲介绍该模型的估计和检验方法，尤其是实际分析中的几个主要陷阱。
一阶差分 GMM 估计（FD-GMM） 系统 GMM 估计 (SYS-GMM) 序列相关检验 过度识别检验（Sargan 检验） 模型设定常见问题(弱工具变量问题) 参考文献： Roodman, David. 2009, How to do Xtabond2: An Introduction to Difference and System GMM in Stata, Stata Journal, 9(1): 86–136. -PDF- Williams, R., P. D. Allison, E. Moral-Benito, 2018, Linear Dynamic Panel-data Estimation Using Maximum Likelihood and Structural Equation Modeling, Stata Journal, 18(2): 293–326. -PDF-, -PDF2-
B4b. 面板 VAR 模型
面板 VAR 模型可以视为多变量动态面板模型，多用于估计和检验几个内生变量的动态关系。基于 IRF 和 FEVD，我们也可以进行预测。该模型在经济增长、能源、财政、创新等领域有广泛应用。
VAR 模型简介 冲击反应函数 (IRF) 方差分解 (FEVD) 面板 Granger 检验 允许外生变量的 PVAR 模型 应用实例（介绍 2 篇论文） 参考文献： Michael R. M. Abrigo, I. Love, 2016, Estimation of Panel Vector Autoregression in Stata, Stata Journal, 16(3): 778–804. -PDF-, -PDF2-, -cited- Acheampong, A. O., 2018, Economic growth, co2 emissions and energy consumption: What causes what and where?, Energy Economics, 74: 677-692. -Link-, -PDF1-, -Replication-
B5. 面板 ARDL 模型
面板 ARDL 模型全称「面板自回归分布滞后模型」，主要用于估计变量之间的长期关系。在时间序列分析中，该模型主要用于分析具有协整关系的非平稳序列之间的长期和短期关系。在面板数据中，我们可以更好地控制各类固定效应、考虑空间相关以及异质性特征，以便分析一项政策或某个变化缓慢的变量 (如气候、制度) 对经济增长、创新、贸易等结果变量的影响。本主题介绍面板 ARDL 模型的主要设定形式，以及该模型在经济和金融领域的应用场景。
时间序列简介：AR 与 MA 过程 ARDL 模型：AutoRegression Distributed Lag 部分调整模型与理性预期模型 面板 ARDL 模型 长期乘数与短期效应 Stata 范例：Akcigit, U., J. Grigsby, T. Nicholas, S. Stantcheva, 2022, Taxation and innovation in the twentieth century, Quarterly Journal of Economics, 137 (1): 329-385. -Link-, -PDF-, -Replication- 扩展阅读： Dell, M., B. F. Jones, B. A. Olken, 2012, Temperature shocks and economic growth: Evidence from the last half century, American Economic Journal-Macroeconomics, 4 (3): 66-95. -Link-, -PDF-, -Replication- Kahn, M. E., K. Mohaddes, R. N. C. Ng, M. H. Pesaran, M. Raissi,J.-C. Yang, 2021, Long-term macroeconomic effects of climate change: A cross-country analysis, Energy Economics, 104: 105624. -Link-, -PDF1-, -PDF2-, -Replication-, Cited. lincom,xtmgDitzen, J. 2021. "Estimating long-run effects and the exponent of cross-sectional dependence: An update to xtdcce2". Stata Journal: Promoting communications on statistics and Stata, 21 (3): 687-707. Link, PDF1. PDF2.
B6. 截面和面板门槛模型
实证分析中，经常要处理结构变化问题，目前主要使用交乘项和分组回归等方式，但这两种设定方法都需要预先知道或假设结构变化点，使其合理性颇受质疑。本讲介绍的面板门槛模型则基于「让数据说话」的原则，自动搜索结构变化点，从而克服了上述方法的局限。
Bootstrap 简介 截面门槛模型（Cross-sectional Threshold Model） 面板门槛模型（Panel Threshold Model） 动态面板门槛模型（Dynamic Panel Threshold Mode） 参考文献： Chudik, A., K. Mohaddes, M. H. Pesaran, M. Raissi, 2017, Is there a debt-threshold effect on output growth?, Review of Economics and Statistics, 99 (1): 135-150. -Link-, -PDF- Seo, M. H., S. Kim, Y. J. Kim, 2019, Estimation of dynamic panel threshold model using stata, Stata Journal, 19 (3): 685-697. -Link-, -PDF- Wang, Q., 2015, Fixed-Effect Panel Threshold Model using Stata, Stata Journal, 15(1): 121–134. -PDF- Zhou, X., J. Du, 2021, Does environmental regulation induce improved financial development for green technological innovation in china?, Journal of Environmental Management, 300: 113685. -Link-, -PDF-
⭕ 3. Stata 进阶班
授课嘉宾： 王群勇 (南开大学) 时间： 2023 年 7 月 23-25 日 (三天) 方式： 网络直播 + 20 天回放 授课安排 授课方式： 幻灯片+Stata17 实操演示，全程电子板书+Stata 演示截图，课后以 PDF 形式分享给学员 授课时间： 上午 9:00-12:00，下午 14:30-17:30 (17:30-18:00 答疑)。 全程答疑： 由 10 位经验丰富的同学组成的助教团队会在课程群中全程答疑，并对答疑接龙文档进行详细的记录和分类，公布于 课程主页。 课程详情： https://www.lianxh.cn 往期板书和答疑： https://gitee.com/arlionn/PX/wiki PDF 课纲： https://file.lianxh.cn/KC/lianxh_PX.pdf → 打包下载-参考文献和复现资料 报名链接： http://junquan18903405450.mikecrm.com/kILLnGa → 打包下载-参考文献
3.1 课程导引
本专题由南开大学的王群勇教授主讲，包括：非线性模型的内生性问题；社会网络及应用；贝叶斯估计方法及应用。这些方法有一定的难度，然而一旦掌握了这些有一定壁垒的方法，你便能从「DID 的纠结」中脱身。值得一提的是，从 Stata 17 开始，Stata 为 Bayes 方法单列一本手册，主流计量模型基本上都有其 Bayes 版本。本专题将带你进入 Bayes 的世界，掌握模型平均化、Global VAR 等强有力的分析工具。
3.2. 专题介绍 (Stata 进阶班)
C1. 非线性 IV 估计
工具变量是解决内生性问题的重要工具，是被广泛应用的一类因果识别方法。线性模型的工具变量法，即两阶段最小二乘法已被大家熟知。但在一般的非线性模型中，2SLS 是被禁止（forbidden）的做法。本专题主要介绍当线性模型中存在内生变量的交互项、平方项或其它非线性函数的处理方法，以及 Probit/Poisson 等模型的工具变量估计。
线性模型中内生变量的交互项、平方项等问题的处理方法 Probit 模型的内生性问题 计数数据 Poisson 回归模型的内生性问题 面板数据的内生性问题处理 参考文献： Lundborg, P., E. Plug, A. W. Rasmussen, 2017, Can women have children and a career? Iv evidence from ivf treatments, American Economic Review, 107 (6): 1611-1637. -Link-, -PDF-, Appendix, Replication, -cited- Cohn, J. B., Z. Liu, M. I. Wardlaw, 2022, Count (and count-like) data in finance, Journal of Financial Economics, 146 (2): 529-551. -Link-, PDF, Working Paper, -cited-, -Replication-
C2. 内生处理效应与内生转换模型
经济学和管理学中很多政策变量具有内生性，尤其是在准实验政策评估中。与一般的工具变量不同，政策变量的 0-1 二值特征决定了不能简单地采用 2SLS 方法来处理这一类问题。本章介绍线性模型、Probit 模型和 Poisson 模型中的内生处理效应（内生转换模型）。
线性模型中的内生处理效应 Probit 模型的内生处理效应 计数数据 Poisson 回归模型的内生处理效应 参考文献 Angrist, J. D., W. N. Evans, 1998, Children and their parents' labor supply: Evidence from exogenous variation in family size, American Economic Review, 88 (3): 450-477. [-Link-], [-PDF-], PDF2, Appendix, Replication 李雪松, 党琳, 赵宸宇, 2022, 数字化转型,融入全球创新网络与创新绩效, 中国工业经济, (10): 43-62. -Link-, -PDF-, Replication
C3. 同行效应和溢出效应
由于每个个体都镶嵌在社会网络中，个体之间的交互影响是人的社会属性的本质体现，因此溢出效应普遍存在于个中国经济与社会现象，政策评估更需要考虑到政策在控制组与处理组之间的溢出问题。本章结合空间计量与社会网络计量的方法介绍溢出效应的估计推断方法及应用。
同行效应与溢出效应 线性空间计量模型的溢出效应估计 Probit/Logit 空间模型的溢出效应估计 参考文献 Wu, J., J. Zhang, C. Wang, 2023, Student performance, peer effects, and friend networks: Evidence from a randomized peer intervention, American Economic Journal: Economic Policy, 15 (1): 510-542. -Link-, -PDF-, PDF2, Appendix, Replication Angelucci, M., S. Prina, H. Royer, A. Samek, 2019, Incentives and unintended consequences: Spillover effects in food choice, American Economic Journal: Economic Policy, 11 (4): 66-95. -Link-, -PDF-, PDF2, Appendix, Replication, Wang, C.-H., G. Akar, J.-M. Guldmann, 2015, Do your neighbors affect your bicycling choice? A spatial probit model for bicycling to the ohio state university, Journal of Transport Geography, 42: 122-130. -Link-, -PDF-, -cited- Alatas, V., A. Banerjee, A. G. Chandrasekhar, R. Hanna,B. A. Olken, 2016, Network structure and the aggregation of information: Theory and evidence from indonesia, American Economic Review, 106 (7): 1663-1704. -Link-, -PDF-, PDF2, Appendix, Replication,
C4. 社会网络的计量经济分析
社会网络无处不在，不同社会的网络结构迥然不同，而网络结构对个体行为、技术扩散和经济增长都产生了重要的影响。同时，社会网络不是独立于个人的行为，而是在个体的交互影响中形成的。个体的行为决定了形成什么样的网络，而网络又影响力个体的决策。本章介绍测量社会连接的方法、不同的社会网络结构，以及对社会网络分析的计量经济模型。
社会连接 社会网络结构 社会网络的内生形成 ERGM 模型 社会网络中的溢出效应估计 参考文献 Bailey, M., R. Cao, T. Kuchler, J. Stroebel,A. Wong, 2018, Social connectedness: Measurement, determinants, and effects, Journal of Economic Perspectives, 32 (3): 259-280. -Link-, -PDF-, -PDF2-, Appendix, Replication, -cited- Leister, C. M., Y. Zenou, J. Zhou, 2022, Social connectedness and local contagion, The Review of Economic Studies, 89 (1): 372-410. -Link-, -PDF-, -PDF2-
C5. 贝叶斯计量方法
贝叶斯方法在现代计量经济学和机器学习中扮演者越来越重要的角色，已经成为 DSGE、GVAR、社会网络等模型的标准估计方法，也是 Stata17、18 版本新增计量经济功能中最突出的部分。本章介绍贝叶斯的基本分析框架以及如何解读 Stata 贝叶斯估计的输出结果、如何判断蒙特卡洛模拟的质量、如何在线性模型和 Probit/Poisson 等非线性中进行贝叶斯估计等。
贝叶斯计量方法概述 Metropolis-Hasting 抽样与 Gibbs 抽样 如何诊断贝叶斯蒙特卡洛模拟的结果 如何解读贝叶斯估计结果 如何进行贝叶斯预测 非线性模型的贝叶斯估计 参考文献 Bianchi, F., L. Melosi, 2017, Escaping the great recession, American Economic Review, 107 (4): 1030-1058. -Link-, -PDF-, Appendix, Replication, -cited- Battaglini, M., E. Patacchini, E. Rainone, 2022, Endogenous social interactions with unobserved networks, The Review of Economic Studies, 89 (4): 1694-1747. -Link-, -PDF-, PDF2 Chetty, V. K., U. Sankar, 1969, Bayesian estimation of the ces production function1, The Review of Economic Studies, 36 (3): 289-294. -Link-, -PDF-
C6. 贝叶斯应用：模型平均化和 Global-VAR
本章讲解贝叶斯方法在计量经济学中的几个典型应用：贝叶斯模型平均、全局 VAR（GVAR）、面板 VAR（PVAR）方法。贝叶斯模型平均整合了多个模型的结果，得到更加可靠的结论和更精确的预测。全局 VAR 模型将传统的单一国家或地区的 VAR 模型推广到多个国家或地区，既避免了大量的参数，又可以反应冲击在国家或行业之间的传递。
贝叶斯模型平均化（bayesian model averaging） Global VAR 模型 参考文献 复现：Feldkircher, M., S. Zeugner, 2012, The impact of data revisions on the robustness of growth determinants—a note on ‘determinants of economic growth: Will data tell?’, Journal of Applied Econometrics, 27 (4): 686-694. -Link-, -PDF-, Replication, -cited- Ciccone, A., M. Jarociński, 2010, Determinants of economic growth: Will data tell?, American Economic Journal: Macroeconomics, 2 (4): 222-246. -Link-, -PDF-, Appendix, Replication, -cited- Moral-Benito, E., 2012, Determinants of economic growth: A bayesian panel data approach, Review of Economics and Statistics, 94 (2): 566-579. -Link-, -PDF- Miranda-Agrippino, S., H. Rey, 2020, U.S. Monetary policy and the global financial cycle, The Review of Economic Studies, 87 (6): 2754-2776. -Link-, -PDF-, -PDF2-, PPT, -cited- Georgiadis, G., 2015, Examining asymmetries in the transmission of monetary policy in the euro area: Evidence from a mixed cross-section global VAR model, European Economic Review, 75: 195-215. -Link-, -PDF-, Replication, -cited- Tan, M. S.-L., 2016, Policy coordination among the asean-5: A global VAR analysis, Journal of Asian Economics, 44: 20-40. -Link-, -PDF- Dąbrowski, M. A., M. Papież, M. Rubaszek, S. Śmiech, 2022, The role of economic development for the effect of oil market shocks on oil-exporting countries. Evidence from the interacted panel var model, Energy Economics, 110: 106017. -Link-, -PDF-, Replication 补充： Feng, Y., Q. F. Liu, Q. S. Yao, G. Q. Zhao, 2021, Model averaging for nonlinear regression models, Journal of Business & Economic Statistics: 1-14. -Link-, -PDF1- Breuer, M., H. H. Schutt, 2021, Accounting for uncertainty: An application of bayesian methods to accruals models, Review of Accounting Studies: 1-43. -Link-, -PDF1- Steel, M. F. J., 2020, Model averaging and its use in economics, Journal of Economic Literature, 58 (3): 644-719. -Link-, -PDF1- Magnus, J. R., G. De Luca, 2016, Weighted-average least squares (wals): A survey, Journal of Economic Surveys, 30 (1): 117-148. -Link-, -PDF1- Fletcher, D. 2018, Model averaging, Springer Berlin Heidelberg, Berlin, Heidelberg. -Link-, -PDF1-, -PDF-. Text Book.
最后的话
需要特别强调的是，自我提升从来都不是件轻松的事情。因此，在开课之前，大家务必认真研读每一篇论文，了解其研究背景、研究思路、计量方法和主要结论，带着问题听课。同时，也建议大家在开课前务必掌握文献的检索方法，学会使用微软学术、谷歌学术和 Endnote 等工具，以便追踪每篇论文的后续进展，发掘新的研究主题。
⏳ 4. 报名和缴费信息
主办方： 太原君泉教育咨询有限公司
标准费用 (初级/高级/进阶班 单班报名)：3700 元/班/人
优惠方案：
专题课老学员单班报名： 9 折，3330 元/人 学生（需提供学生证/卡照片）：9 折，3330 元/人 会员单班报名： 85折，3145 元/人 三班任意两班组合报名： 6100 元/人 全程班报名： 9000 元/人 温馨提示： 以上各项优惠不能叠加使用。
联系方式：
邮箱：wjx004@sina.com 王老师：18903405450 (微信同号) 李老师：18636102467 (微信同号)
报名链接： http://junquan18903405450.mikecrm.com/kILLnGa
⏩ 长按/扫描二维码报名：
缴费方式
方式 1：对公转账
户名：太原君泉教育咨询有限公司 账号：35117530000023891 (山西省太原市晋商银行南中环支行) 温馨提示： 对公转账时，请务必提供「汇款人姓名-单位」信息，以便确认。
方式 2：扫码支付
温馨提示：
扫码支付后，请将「付款记录」截屏发给王老师-18903405450（微信同号）
⛳ 5. 听课指南
5.1 软件和课件
课件/计量软件： Stata，提供全套 Stata 实操程序、数据和 dofiles。建议使用 Stata 16.0 或更高版本。 听课软件：支持手机，IPad，平板电脑以及 Windows/Mac 系统的笔记本，但不支持台式机。
特别提示：
为保护讲师的知识产权和您的账户安全，系统会自动在您观看的视频中嵌入您的「用户名」信息。 一个账号绑定一个设备，且听课电脑不能外接显示屏，请大家提前准备好自己的听课设备。 本课程为虚拟产品，一经报名，不得退换。 为保护知识产权，课程不允许以任何形式录屏及传播。
5.2 实名制报名
本次课程实行实名参与，具体要求如下：
高校老师/同学报名时需要向连享会课程负责人 提供真实姓名，并附教师证/学生证图片； 研究所及其他单位报名需提供 能够证明姓名以及工作单位的证明； 报名即默认同意「连享会版权保护协议条款」。
⚽ 6. 助教招聘
说明和要求
名额： 15 名 (初级、高级和进阶班各 5 名) 任务： A. 课前准备：协助完成 1-2 篇介绍 Stata 和计量经济学基础知识的文档； B. 开课前答疑：协助学员安装课件和软件，在微信群中回答一些常见问题； C. 上课期间答疑：针对前一天学习的内容，在微信群中答疑 (8:00-9:00，19:00-22:00)； Note: 下午 5:30-6:00 的课后答疑由主讲教师负责。 要求： 热心、尽职，熟悉 Stata 的基本语法和常用命令，能对常见问题进行解答和记录 特别说明： 往期按期完成任务的助教可以直接联系连老师直录。 截止时间： 2023 年 7 月 5 日 (将于7月6日公布遴选结果于 课程主页，及 连享会主页 lianxh.cn)
申请链接： https://www.wjx.top/vj/OT8gdao.aspx
扫码填写助教申请资料：
课程详情： https://www.lianxh.cn
关于我们
Stata连享会 由中山大学连玉君老师团队创办，定期分享实证分析经验。 连享会-主页 和 知乎专栏，1000+ 推文，实证分析不再抓狂。直播间 有很多视频课程，可以随时观看。 ⛳ 课程主页