北京高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及Stata培訓(xùn)班

【上課時(shí)間】

周一到周日9-18點(diǎn)

【招生對(duì)象】

零基礎(chǔ)學(xué)員

【學(xué)習(xí)目標(biāo)】

掌握高級(jí)計(jì)量經(jīng)濟(jì)學(xué)的核心方法及Stata操作，不再茫然，知其然而知其所以然，成為處理數(shù)據(jù)及定量分析的高手。

【課程內(nèi)容】

01章OLS及其標(biāo)準(zhǔn)誤。

著重介紹小樣本與大樣本OLS，以及相應(yīng)的普通標(biāo)準(zhǔn)誤、異方差穩(wěn)健標(biāo)準(zhǔn)誤、異方差自相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤、聚類穩(wěn)健標(biāo)準(zhǔn)誤、自助標(biāo)準(zhǔn)誤（bootstrap standard errors）。深切理解OLS的原理與適用條件，是一切計(jì)量原理的基礎(chǔ)。

02章Stata快速入門。

及時(shí)地介紹Stata知識(shí)，以O(shè)LS在Stata的實(shí)現(xiàn)作為入門，體會(huì)Stata的簡(jiǎn)單與強(qiáng)大。

03章二值選擇模型。

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與QMLE等。

04章工具變量法。

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(shí)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、控制函數(shù)法（Control Function）、包含內(nèi)生變量的ivprobit、異質(zhì)性工具變量法（Local Average Treatment Effect）等。

05章靜態(tài)面板。

面板數(shù)據(jù)由于能控制個(gè)體異質(zhì)性（heterogeneity），緩解遺漏變量偏差，在實(shí)踐中越來越重要。靜態(tài)面板是最常見的面板，包括固定效應(yīng)、隨機(jī)效應(yīng)、時(shí)間效應(yīng)、雙向固定效應(yīng)等。

06章動(dòng)態(tài)面板。

經(jīng)濟(jì)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(dòng)態(tài)面板也因?yàn)榭勺詭Чぞ咦兞慷鴳?yīng)用廣泛。包括面板工具變量法（Panel IV）、差分GMM、水平GMM與系統(tǒng)GMM等。

07章門限回歸（ThresholdRegression）：

包括橫截面與面板模型的門限回歸。

08章非參數(shù)與半?yún)?shù)估計(jì)（Nonparametric and Semiparametric Estimations）。

非參與半?yún)⒎椒ㄓ捎谄浞€(wěn)健性而日益進(jìn)入標(biāo)準(zhǔn)的計(jì)量工具箱，包括核密度估計(jì)、非參數(shù)回歸與半?yún)?shù)回歸等。

09章隨機(jī)實(shí)驗(yàn)、自然實(shí)驗(yàn)與雙重差分法（Difference-in-Differences）。

實(shí)驗(yàn)方法因其可信度而日益興起，包括隨機(jī)實(shí)驗(yàn)、第 一類與第二類自然實(shí)驗(yàn)。雙重差分法利用面板數(shù)據(jù)的優(yōu)勢(shì)，可克服部分內(nèi)生性，是研究政策或項(xiàng)目處理效應(yīng)（treatment effects）的主要工具。包括雙重差分法、平行趨勢(shì)假設(shè)、三重差分法等。

10章傾向得分匹配（PropensityScore Matching）。

基于反事實(shí)的框架，根據(jù)個(gè)體進(jìn)入處理組的概率（即傾向得分）尋找較佳替身進(jìn)行匹配估計(jì)，這是研究處理效應(yīng)的一種深邃思想與方法。包括傾向得分匹配、雙重差分傾向得分匹配等。

11章控制變量的選擇。

選擇合適的控制變量是計(jì)量分析的重要步驟，而因果圖方法（Causal Directed Acyclic Graph）提供了一個(gè)清晰的思考框架。

12章合成控制法（SyntheticControl Method）。

在評(píng)價(jià)某處理地區(qū)的政策效應(yīng)時(shí)，將控制地區(qū)進(jìn)行最 優(yōu)的線性組合，以構(gòu)造合成控制地區(qū)進(jìn)行對(duì)比，這是估計(jì)處理效應(yīng)的新興強(qiáng)大方法。包括合成控制法的統(tǒng)計(jì)推斷與穩(wěn)健性檢驗(yàn)等。

13章回歸控制法（RegressionControl Method）。

與合成控制法類似，但使用回歸法來構(gòu)造合成控制地區(qū)（Hsiao et al., 2012）。

14章斷點(diǎn)回歸（RegressionDiscontinuity Design）與拐點(diǎn)回歸（Regression Kink Design）。

由于在斷點(diǎn)附近存在局部隨機(jī)分組，故斷點(diǎn)回歸的效力接近于隨機(jī)實(shí)驗(yàn)，日益為研究者所青睞。包括精確斷點(diǎn)回歸、模糊斷點(diǎn)回歸、空間斷點(diǎn)回歸等。

15章分位數(shù)回歸。

線性回歸只是研究在給定X的情況下，Y的條件期望E(Y|X)；而分位數(shù)回歸則可研究在給定X的情況下，Y的整個(gè)條件分布Y|X，從而揭示更多信息。

16章分機(jī)器學(xué)習(xí)與大數(shù)據(jù)。

大數(shù)據(jù)與高維回歸等機(jī)器學(xué)習(xí)(Machine Learning)方法正迅速成為經(jīng)濟(jì)學(xué)家的常用工具。本講介紹Lasso, Ridge Regression, Elastic Net, Post Lasso, Double Lasso，主成分分析，因子分析等機(jī)器學(xué)習(xí)方法。

17章面板數(shù)據(jù)前沿：

交互固定效應(yīng)（interactive fixed effects）將傳統(tǒng)的雙向固定效應(yīng)進(jìn)一步推廣，因?yàn)楝F(xiàn)實(shí)經(jīng)濟(jì)中常存在多種沖擊（shocks或factors），而不同個(gè)體對(duì)此沖擊的反應(yīng)不同（factor loading）。

18章空間計(jì)量經(jīng)濟(jì)學(xué)（Spatial Econometrics）。

傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)通常忽略橫截面單位的空間分布與相互影響，而空間計(jì)量經(jīng)濟(jì)學(xué)則是考察空間效應(yīng)、溢出效應(yīng)等的重要工具。包括空間權(quán)重矩陣、空間自回歸、空間誤差模型與空間面板等。

【師資力量】

吳昊天

擅長(zhǎng)數(shù)據(jù)架構(gòu)、數(shù)據(jù)分析

教學(xué)經(jīng)驗(yàn)8年

電子科技大學(xué)大數(shù)據(jù)中心

CDA數(shù)據(jù)分析研究院技術(shù)負(fù)責(zé)人兼高級(jí)講師

趙仁乾

擅長(zhǎng)數(shù)據(jù)架構(gòu)、數(shù)據(jù)分析

教學(xué)經(jīng)驗(yàn)7年

北京郵電大學(xué)管理科學(xué)與工程碩士

北京電信規(guī)劃設(shè)計(jì)院

【課程特色】

在原有四天班精彩內(nèi)容基礎(chǔ)上(含合成控制法、空間計(jì)量、斷點(diǎn)回歸、拐點(diǎn)回歸等等)， 這次六天高級(jí)現(xiàn)場(chǎng)班又增加了不少全新的前沿內(nèi)容， 包括交互固定效應(yīng)、因果圖、回歸控制法、分位數(shù)回歸、門限回歸、控制函數(shù)法、局部平均處理效應(yīng)、機(jī)器學(xué)習(xí)與大數(shù)據(jù)等。

【授課方式】

面授

【學(xué)員風(fēng)采】

【學(xué)習(xí)周期】

48課時(shí)

【學(xué)員評(píng)價(jià)】

孔同學(xué)

統(tǒng)計(jì)學(xué)和數(shù)據(jù)挖掘理論是數(shù)據(jù)分析的基礎(chǔ)，常規(guī)的統(tǒng)計(jì)理論和數(shù)據(jù)挖掘算法必須要學(xué)會(huì)，想入行應(yīng)重點(diǎn)研究，并要學(xué)會(huì)制作風(fēng)險(xiǎn)評(píng)分卡。其他算法了解即可。

董同學(xué)

三個(gè)月的學(xué)習(xí)時(shí)間。緊湊的課程安排讓我感覺每一天都特別充實(shí)，白天認(rèn)真聽講，晚自習(xí)鞏固復(fù)習(xí)，每一天都在進(jìn)步和成長(zhǎng)。 我對(duì)未來充滿了希望。

王同學(xué)

CDA的學(xué)習(xí)經(jīng)歷，給我的人生增添了一段難忘的回憶，也給我在現(xiàn)在的工作中帶來了很大的幫助，在今后的工作中要更加努力，不斷完善自己。

蘇同學(xué)

學(xué)習(xí)是一種態(tài)度，在CDA三個(gè)月集中學(xué)習(xí)的過程中，認(rèn)識(shí)了很多同學(xué)，也增長(zhǎng)了一些校園以外的知識(shí)，學(xué)習(xí)的過程很累很艱辛，卻覺得很值得！ 痛并快樂著??！

李同學(xué)

CDA對(duì)于我而言，是一個(gè)新生活的起點(diǎn)，經(jīng)過3個(gè)月的奮戰(zhàn)，我學(xué)習(xí)到了許多知識(shí)，更結(jié)識(shí)了許多志同道合的朋友，這是我3個(gè)月的學(xué)習(xí)生活寶貴的財(cái)富。

趙同學(xué)

首先感謝的是課堂里茫茫多的教授級(jí)導(dǎo)師的個(gè)人魅力的熏陶，其次就是，三個(gè)月持續(xù)不斷的學(xué)習(xí)，讓我養(yǎng)成一個(gè)持續(xù)學(xué)習(xí)的心態(tài)和熱愛學(xué)習(xí)的態(tài)度。

【機(jī)構(gòu)環(huán)境】

【機(jī)構(gòu)簡(jiǎn)介】

如荷學(xué)為北京國富如荷網(wǎng)絡(luò)科技有限公司旗下專注于數(shù)字化人才培養(yǎng)及服務(wù)的教育品牌,致力于大數(shù)據(jù)在產(chǎn)、學(xué)、研的融合應(yīng)用。服務(wù)百萬數(shù)字化人才,是全球500強(qiáng)企業(yè)的忠實(shí)合作伙伴。

如荷學(xué)以"培養(yǎng)企業(yè)需要的專業(yè)數(shù)字化人才,搭建弓|領(lǐng)數(shù)字化時(shí)代的企業(yè)人才梯隊(duì)”為使命,為TD時(shí)代數(shù)字化人才的數(shù)據(jù)能力提升及企業(yè)數(shù)字化轉(zhuǎn)型提供標(biāo)準(zhǔn)化、效率、可落地的數(shù)據(jù)應(yīng)用側(cè)解決方案。

【發(fā)展歷程】

2006年 開展數(shù)據(jù)統(tǒng)計(jì)、計(jì)量實(shí)戰(zhàn)，學(xué)術(shù)研究等相關(guān)培訓(xùn)視頻和現(xiàn)場(chǎng)班

2007年 開展數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)分析相關(guān)培訓(xùn)班

2011年 隨著大數(shù)據(jù)熱潮的來臨，依托累計(jì)上萬類共享資料，多年沉淀師資團(tuán)隊(duì)，論壇召集多位專家，研發(fā)CDA數(shù)據(jù)分析師體系

2013年CDA數(shù)據(jù)分析師品牌成立，提供系統(tǒng)化的大數(shù)據(jù)、數(shù)據(jù)分析人才培養(yǎng)和認(rèn)證

2014年 CDA INSTITUTE 成立 ,并推出第 一屆全國CDA數(shù)據(jù)分析師認(rèn)證考試

2015年第 一屆中國數(shù)據(jù)分析師行業(yè)峰會(huì)（CDAS）在9月11日成功舉辦，參會(huì)人數(shù)逾3000人

2016年 CDA匯聚海內(nèi)外大數(shù)據(jù)、數(shù)據(jù)分析專家上千人，推出就業(yè)班、數(shù)據(jù)科學(xué)家訓(xùn)練營、企業(yè)內(nèi)訓(xùn)、CDA俱樂部等多個(gè)項(xiàng)目

2017年整合論壇與CDA數(shù)據(jù)分析師業(yè)內(nèi)資源，形成數(shù)據(jù)分析領(lǐng)域生態(tài)圈，并進(jìn)一步升級(jí)CDA企業(yè)內(nèi)訓(xùn)體系，正式推出大數(shù)據(jù)實(shí)驗(yàn)室

2018年北上廣深等多個(gè)城市均有校區(qū)；擁有200多位專業(yè)師資；培養(yǎng)學(xué)員超過3萬人，每年6月/12月全國28個(gè)城市舉辦CDA認(rèn)證考試

2019年已舉辦九屆數(shù)據(jù)分析師認(rèn)證考試，得到業(yè)界廣泛認(rèn)可，學(xué)員遍布各大知名企業(yè)。人工智能產(chǎn)品“好學(xué)AI”問世，引領(lǐng)DT時(shí)代新一波技術(shù)培訓(xùn)浪潮