|
主题 |
培训内容 |
第一部分
|
Stata概述 |
1.Stata软件的一些技术参数； 2.STATA概述； 3.log文件；4.执行指令的几种方式；5.打开和保存Stata文件；6.浏览资料； 7. Stata语法（变量；时间变量；样本区间；权重；选项；前缀）；
8. 因子变量：虚拟变量、双重差分法；9. 注意事项。 |
Stata对模型的处理 |
1. 模型估计（线性回归模型和非线性回归模型）；2. 参数检验（线性约束、非线性约束、似然比检验、Hausman检验）；3. 模型的线性预测、非线性预测；4. 边际效应分析；5. 稳健推断与自举标准差；6. 结果输出到Word、Excel、LaTeX。
* 案例详解及应用 |
第二部分 |
线性回归
模型 |
1. 变量分布特征的考察：（1）直方图、核密度图、条形图、盒形图；（2）正态性检验、正态性变换。
2. 线性模型：（1）为何需要大样本理论；（2）统计量的大样本性质与假设。
3. 内生性问题：（1）工具变量估计、两阶段小二乘法、广义矩估计、控制函数法；（2）内生性检验、过度识别约束检验）、弱工具变量检验。
* 案例详解及应用 |
面板模型 |
1.Stata对面板数据的处理与定义。
2.静态面板模型：（1）固定效应模型、随机效应模型；（2）时间效应、模型的筛选和常见问题；（3）异方差、序列相关和截面相关；（4）内生性问题与IV-GMM估计；（5）面板随机系数模型；（6）面板随机边界分析；
3.动态面板模型；
4.面板数据的平稳性问题：（1）面板单位根检验；（2）面板协整分析。
* 案例详解及应用 |
第三部分 |
Stata编程 |
1.Stata程序简介；2.局部宏与全局宏；3标量简介；4.循环结构；5.常用的编程技巧；6.Stata程序包的完整编写过程；7.矩阵简介；8.使用Stata命令的结果
* 应用案例与详解：分位数回归等 |
极大似然估计 |
1.大似然估计法的定义2.线性回归模型的大似然估计3.Logit模型4.Probit模型5.大似然估计的数值解
6.大似然估计函数7.信息矩阵与无偏估计的小方差8.大似然法的大样本性质
9.大似然估计量渐近协方差矩阵10.三类渐近等价的统计检验11.对正态分布假设的检验
* 应用案例与详解：异方差问题的极大似然估计等 |
受限因变量模型 |
1. 二项响应模型：（1）Probit、Logit模型；（2）内生性情况下的二项响应模型。
2. 角点解响应模型：（1）Tobit模型、Two-part Hurdle模型；（2）内生情况的处理。
3. 计数数据模型：（1）泊松回归、负二项回归模型；（2）内生情况的处理。
* 应用案例与详解 |
样本选择 |
1. 缺失值对估计结果的影响；2.截断模型；
3. Heckman两步法、控制函数法。
* 应用案例与详解 |
第四部分 |
反事实分析与政策评估 |
1.处理效应：（1）反事实分析与选择偏差；（2）回归调整法（3）倾向得分法；（4）匹配法 。
2.断点回归、模糊断点回归、双重差分法。
* 应用案例与详解 |
空间计量分析 |
1. 常见的空间计量模型；2. 如何绘制空间分布图（地图文件的转换；空间分布图）；
3. 空间回归模型；（1）空间权数矩阵；（2）空间滞后模型；（3）空间误差模型；（4）SARAR模型；
* 应用案例与详解：经济增长的收敛分析 |
第五部分 |
分数数据与久期数据 |
1.生存函数、风险函数；比例风险模型；Cox回归模型。
2.分数Probit、分数Logit回归模型。
* 应用案例与详解 |
半参数分析与贝叶斯分析 |
1. 半参数分析：部分线性模型；单指数模型。
2. 贝叶斯分析：MCMC方法；线性模型的贝叶斯估计；非线性模型的贝叶斯估计。
* 应用案例与详解 |
合作伙伴与授权机构
shuhaipeixun
1299983702
总部李老师
