Stata夏令營是由北京友萬信息科技有限公司主辦，專為數(shù)據(jù)分析愛好者及專業(yè)人士打造的學(xué)術(shù)性實踐活動，夏令營以Stata中國用戶大會為依托，自2018年至今，已成功開展了七屆。在每一屆的夏令營活動中，參與者不僅可以深入學(xué)習(xí)和掌握Stata這一強大的統(tǒng)計分析軟件，還能通過一系列精心設(shè)計的課程和實踐活動，提升數(shù)據(jù)處理、統(tǒng)計分析及數(shù)據(jù)可視化的能力。Stata夏令營不僅是一個學(xué)習(xí)平臺，更是一個充滿活力和創(chuàng)意的交流空間。在這里，你可以結(jié)識來自不同領(lǐng)域的志同道合的朋友，共同探索數(shù)據(jù)分析的無限可能。無論你是初學(xué)者還是有一定經(jīng)驗的數(shù)據(jù)分析師，都能在Stata夏令營中找到屬于自己的成長之路。我們誠摯邀請對數(shù)據(jù)分析感興趣的你加入我們的行列，一起度過一個充實而難忘的Stata夏令營之旅！
Stata夏季訓(xùn)練營暨《計量經(jīng)濟實證方法與論文寫作研討會》二期將于2024年8月21日-23日在南開大學(xué)舉辦。即日起開始正式報名，歡迎廣大Stata用戶積極參與!
《計量經(jīng)濟實證方法與論文寫作研討會》二期,深入探討了多種計量方法的綜合應(yīng)用，包括網(wǎng)絡(luò)效應(yīng)因果推斷、廣義傾向得分與劑量響應(yīng)函數(shù)等，旨在提升學(xué)員在經(jīng)濟學(xué)研究中的分析能力。同時，課程還涵蓋了農(nóng)業(yè)政策與貧困、氣候變化與經(jīng)濟增長等前沿話題，使學(xué)員能夠把握當(dāng)前經(jīng)濟學(xué)領(lǐng)域的熱點問題。此外，課程還強調(diào)了研究設(shè)計的重要性，如如何設(shè)計研究框架、選擇模型以及識別潛在威脅等，為學(xué)員提供了全面的研究指導(dǎo)。
王群勇，經(jīng)濟學(xué)教授、博士生導(dǎo)師，南開大學(xué)數(shù)量經(jīng)濟研究所所長，中國數(shù)量經(jīng)濟學(xué)會常務(wù)理事，中國統(tǒng)計學(xué)會常務(wù)理事。主持guo家自然科學(xué)基金、guo家社科基金、天津市科技支撐計劃項目、教育部人文社科項目、中國人民銀行、guo家統(tǒng)計局等多項guo家級和省部級課題。曾獲得首屆guo家統(tǒng)計科技進步三等獎、天津市科技進步二等獎等多項榮譽。在《China Economic Review》、《Stata Journal》、《Journal of Family and Economics Issues》、《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》、《統(tǒng)計研究》、《金融研究》等SSCI和CSSCI期刊發(fā)表多篇論文，并擔(dān)任期刊匿名審稿人。王群勇教授編寫的xthreg（固定效應(yīng)面板門限模型）、cointreg（協(xié)整回歸）、sax12（X12-ARIMA季節(jié)調(diào)整）、sax13（X-13ARIMA-SEATS季節(jié)調(diào)整）、stregress（平滑轉(zhuǎn)換模型）、xtstregress（面板平滑轉(zhuǎn)換模型）、midasreg（混頻回歸）等Stata程序被大量下載和使用。
課程概要
介紹多種計量方法的綜合應(yīng)用，包括：
?網(wǎng)絡(luò)效應(yīng)的因果推斷
?廣義傾向得分與劑量響應(yīng)函數(shù)
?截面相關(guān)檢驗
?截面相關(guān)情形下的面板ARDL與面板誤差修正模型
?雙向引力模型與內(nèi)生引力模型
?貝葉斯估計
?反事實分析
涵蓋了經(jīng)濟學(xué)領(lǐng)域的前沿話題，包括：
?農(nóng)業(yè)政策與貧困
?氣候變化與長期經(jīng)濟增長
?雙向引力模型與內(nèi)生引力模型
研究設(shè)計方面的主題包括：
?如何設(shè)計研究框架？
?如何寫創(chuàng)新點或貢獻？
?如何選擇適當(dāng)?shù)哪Ｐ停?/span>
?影響研究結(jié)論的威脅來自哪里?
第1講
網(wǎng)絡(luò)效應(yīng)的因果推斷方法
簡介： 如果處理組與控制組存在政策效應(yīng)溢出，那么控制組也會間接受到政策的影響，導(dǎo)致傳統(tǒng)的因果推斷是無效的。本節(jié)我們介紹如何利用廣義傾向得分法和鄰居傾向得分估計劑量響應(yīng)函數(shù)（DRF）、以及政策的直接效應(yīng)和網(wǎng)絡(luò)效應(yīng)。
內(nèi)容：
?鄰接矩陣
?連續(xù)處置變量的廣義傾向得分與鄰居廣義傾向得分
?非線性與非參估計
?劑量響應(yīng)函數(shù)
?如何計算DRF的自舉標(biāo)準(zhǔn)差
第二講
范文解讀與復(fù)現(xiàn)：農(nóng)業(yè)政策對貧困率的網(wǎng)絡(luò)效應(yīng)
Forastiere L, Del Prete D, Sciabolazza V. Causal inference on networks under continuous treatment interference. Social Networks 2024, 76: 88-111. DOI: 10.1016/j.socnet.2023.07.005.
簡介： 這篇論文考慮了觀測數(shù)據(jù)中存在連續(xù)干預(yù)和網(wǎng)絡(luò)干預(yù)的情況，將網(wǎng)絡(luò)干預(yù)定義為通過物理、社會或經(jīng)濟互動連接的個體所接受的干預(yù)的加權(quán)平均值，忽視干擾可能會低估政策效力的程度。論文提出一種基于廣義傾向評分的估計，用于估計連續(xù)干預(yù)的直接和溢出效應(yīng)。估計方法允許由異質(zhì)強度決定的非對稱網(wǎng)絡(luò)連接。論文利用這一方法研究了溢出效應(yīng)如何影響農(nóng)業(yè)市場的政策干預(yù)的優(yōu)化水平。
學(xué)習(xí)要點：
?如何估計網(wǎng)絡(luò)效應(yīng)的因果推斷
?如何設(shè)置鄰居效應(yīng)
?如何設(shè)置政策的傳播網(wǎng)絡(luò)
?如何估計廣義傾向得分和劑量響應(yīng)函數(shù)
?如何實現(xiàn)結(jié)果的可視化
?如何進行反事實分析
?可擴展到研究方向
第三講
截面相關(guān)的面板數(shù)據(jù)分析
簡介： 異質(zhì)性、動態(tài)性與截面相關(guān)是宏觀面板數(shù)據(jù)的非常重要的特征，經(jīng)驗研究的一個常見問題是將宏觀數(shù)據(jù)做微觀式處理。本專題介紹宏觀面板數(shù)據(jù)的截面相關(guān)測度與檢驗，以及考慮截面相關(guān)時面板ARDL模型的估計策略。
內(nèi)容：
?異質(zhì)性面板的MG估計與PMG估計
?截面相關(guān)的檢驗與測度
?異質(zhì)面板的共相關(guān)效應(yīng)MG（CCE-PMG)估計
?動態(tài)異質(zhì)面板的共相關(guān)效應(yīng)MG（DCCE-PMG)估計
第四講
氣候變化與長期經(jīng)濟增長
Matthew E. Kahn. et al. Long-term macroeconomic effects of climate change: A cross-country analysis. Energy Economics 104 (2021) 105624: 1-13.
簡介： 氣候變化是經(jīng)濟學(xué)研究中日益受到關(guān)注的話題，這篇論文利用174個guo家的面板數(shù)據(jù)研究了氣候變化對經(jīng)濟增長的長期影響，并根據(jù)巴黎協(xié)定對不同情形進行了反事實模擬。實踐中常見的不當(dāng)做法是將宏觀數(shù)據(jù)按照微觀數(shù)據(jù)的方式進行建模，忽視了宏觀數(shù)據(jù)的更關(guān)鍵的特征。通過這篇論文大家可以理解對宏觀面板數(shù)據(jù)研究所需要關(guān)注的重點，如何合理測定氣候變化，如何修正模型中的弱外生問題和反饋問題等。
學(xué)習(xí)要點：
?如何估計宏觀變量（溫度、降雨量等）與長期趨勢的偏離
?如何考察時變效應(yīng)，計算長期效應(yīng)和半衰期等
?允許截面相關(guān)情形下如何估計面板ARDL模型（Hall-panel jackknife）
?如何進行反事實模擬
?可擴展到研究方向
第五講
網(wǎng)絡(luò)數(shù)據(jù)（雙邊數(shù)據(jù)，Dyadic data）的計量經(jīng)濟模型
簡介： 經(jīng)驗研究中雙邊關(guān)系數(shù)據(jù)的應(yīng)用越來越廣泛，比如貿(mào)易、投資、勞動力流動、人口遷移、雙邊政治關(guān)系等。雙邊數(shù)據(jù)zui明顯的特征是觀測值不是獨立的，而是存在相關(guān)，包括基本的一階相關(guān)和可能的高階相關(guān)。比如，i國向j國的投資不僅取決于i國的特征和j國的特征，還可能取決于k過的特征。如何在模型中體現(xiàn)這種內(nèi)在的相關(guān)性是雙邊數(shù)據(jù)建模的一個核心問題，本節(jié)介紹對雙邊關(guān)系數(shù)據(jù)建模的方法和應(yīng)用。
內(nèi)容：
?考慮相關(guān)的加乘隨機效應(yīng)模型
?雙向固定效應(yīng)模型
?內(nèi)生雙向固定效應(yīng)模型
?案例與軟件操作
第六講
范文解讀與復(fù)現(xiàn)：內(nèi)生自貿(mào)協(xié)定對雙邊貿(mào)易的影響
Keon Jochmans and Vincenzo Verardi, “Instrumental-Variable Estimation of Exponential Regression Models with Two-Way Fixed Effects with an Application to Gravity Equations”, Journal of Applied Econometrics, Vol. 37, No. 6, 2022, pp. 1121-1137.
簡介： 指數(shù)回歸是雙邊數(shù)據(jù)zui典型的應(yīng)用模型，雙向固雙向固定效應(yīng)指數(shù)回歸定效應(yīng)并不能完全解決模型中的內(nèi)生性問題。這篇論文提出了內(nèi)生變量情況下的廣義矩估計策略，利用網(wǎng)絡(luò)的結(jié)構(gòu)統(tǒng)計量作為工具變量得到一致估計。
學(xué)習(xí)要點：
?雙向固定效應(yīng)指數(shù)回歸
?雙向固定效應(yīng)指數(shù)回歸
?帶有內(nèi)生變量的雙向固定效應(yīng)回歸
?測算網(wǎng)絡(luò)的結(jié)構(gòu)統(tǒng)計量（互惠性、三角閉合、傳遞性等）
課程答疑
