北京高级计量经济学及Stata培训班

【上课时间】

周一到周日9-18点

【招生对象】

零基础学员

【学习目标】

掌握高级计量经济学的核心方法及Stata操作，不再茫然，知其然而知其所以然，成为处理数据及定量分析的高手。

【课程内容】

01章OLS及其标准误。

着重介绍小样本与大样本OLS，以及相应的普通标准误、异方差稳健标准误、异方差自相关稳健标准误、聚类稳健标准误、自助标准误（bootstrap standard errors）。深切理解OLS的原理与适用条件，是一切计量原理的基础。

02章Stata快速入门。

及时地介绍Stata知识，以OLS在Stata的实现作为入门，体会Stata的简单与强大。

03章二值选择模型。

被解释变量为虚拟变量的二值选择模型有着广泛的应用。包括Probit，Logit，MLE与QMLE等。

04章工具变量法。

由于双向因果、遗漏变量、度量误差的普遍存在，内生性是实证研究的常见难题，而工具变量法是解决内生性的利器，包括2SLS、GMM、控制函数法（Control Function）、包含内生变量的ivprobit、异质性工具变量法（Local Average Treatment Effect）等。

05章静态面板。

面板数据由于能控制个体异质性（heterogeneity），缓解遗漏变量偏差，在实践中越来越重要。静态面板是最常见的面板，包括固定效应、随机效应、时间效应、双向固定效应等。

06章动态面板。

经济现象常具有某种惯性或部分调整，即被解释变量的滞后值出现在方程右边。动态面板也因为可自带工具变量而应用广泛。包括面板工具变量法（Panel IV）、差分GMM、水平GMM与系统GMM等。

07章门限回归（ThresholdRegression）：

包括横截面与面板模型的门限回归。

08章非参数与半参数估计（Nonparametric and Semiparametric Estimations）。

非参与半参方法由于其稳健性而日益进入标准的计量工具箱，包括核密度估计、非参数回归与半参数回归等。

09章随机实验、自然实验与双重差分法（Difference-in-Differences）。

实验方法因其可信度而日益兴起，包括随机实验、第 一类与第二类自然实验。双重差分法利用面板数据的优势，可克服部分内生性，是研究政策或项目处理效应（treatment effects）的主要工具。包括双重差分法、平行趋势假设、三重差分法等。

10章倾向得分匹配（PropensityScore Matching）。

基于反事实的框架，根据个体进入处理组的概率（即倾向得分）寻找较佳替身进行匹配估计，这是研究处理效应的一种深邃思想与方法。包括倾向得分匹配、双重差分倾向得分匹配等。

11章控制变量的选择。

选择合适的控制变量是计量分析的重要步骤，而因果图方法（Causal Directed Acyclic Graph）提供了一个清晰的思考框架。

12章合成控制法（SyntheticControl Method）。

在评价某处理地区的政策效应时，将控制地区进行最 优的线性组合，以构造合成控制地区进行对比，这是估计处理效应的新兴强大方法。包括合成控制法的统计推断与稳健性检验等。

13章回归控制法（RegressionControl Method）。

与合成控制法类似，但使用回归法来构造合成控制地区（Hsiao et al., 2012）。

14章断点回归（RegressionDiscontinuity Design）与拐点回归（Regression Kink Design）。

由于在断点附近存在局部随机分组，故断点回归的效力接近于随机实验，日益为研究者所青睐。包括精确断点回归、模糊断点回归、空间断点回归等。

15章分位数回归。

线性回归只是研究在给定X的情况下，Y的条件期望E(Y|X)；而分位数回归则可研究在给定X的情况下，Y的整个条件分布Y|X，从而揭示更多信息。

16章分机器学习与大数据。

大数据与高维回归等机器学习(Machine Learning)方法正迅速成为经济学家的常用工具。本讲介绍Lasso, Ridge Regression, Elastic Net, Post Lasso, Double Lasso，主成分分析，因子分析等机器学习方法。

17章面板数据前沿：

交互固定效应（interactive fixed effects）将传统的双向固定效应进一步推广，因为现实经济中常存在多种冲击（shocks或factors），而不同个体对此冲击的反应不同（factor loading）。

18章空间计量经济学（Spatial Econometrics）。

传统计量经济学通常忽略横截面单位的空间分布与相互影响，而空间计量经济学则是考察空间效应、溢出效应等的重要工具。包括空间权重矩阵、空间自回归、空间误差模型与空间面板等。

【师资力量】

吴昊天

擅长数据架构、数据分析

教学经验8年

电子科技大学大数据中心

CDA数据分析研究院技术负责人兼高级讲师

赵仁乾

擅长数据架构、数据分析

教学经验7年

北京邮电大学管理科学与工程硕士

北京电信规划设计院

【课程特色】

在原有四天班精彩内容基础上(含合成控制法、空间计量、断点回归、拐点回归等等)， 这次六天高级现场班又增加了不少全新的前沿内容， 包括交互固定效应、因果图、回归控制法、分位数回归、门限回归、控制函数法、局部平均处理效应、机器学习与大数据等。

【授课方式】

面授

【学员风采】

【学习周期】

48课时

【学员评价】

孔同学

统计学和数据挖掘理论是数据分析的基础，常规的统计理论和数据挖掘算法必须要学会，想入行应重点研究，并要学会制作风险评分卡。其他算法了解即可。

董同学

三个月的学习时间。紧凑的课程安排让我感觉每一天都特别充实，白天认真听讲，晚自习巩固复习，每一天都在进步和成长。 我对未来充满了希望。

王同学

CDA的学习经历，给我的人生增添了一段难忘的回忆，也给我在现在的工作中带来了很大的帮助，在今后的工作中要更加努力，不断完善自己。

苏同学

学习是一种态度，在CDA三个月集中学习的过程中，认识了很多同学，也增长了一些校园以外的知识，学习的过程很累很艰辛，却觉得很值得！ 痛并快乐着！！

李同学

CDA对于我而言，是一个新生活的起点，经过3个月的奋战，我学习到了许多知识，更结识了许多志同道合的朋友，这是我3个月的学习生活宝贵的财富。

赵同学

首先感谢的是课堂里茫茫多的教授级导师的个人魅力的熏陶，其次就是，三个月持续不断的学习，让我养成一个持续学习的心态和热爱学习的态度。

【机构环境】

【机构简介】

如荷学为北京国富如荷网络科技有限公司旗下专注于数字化人才培养及服务的教育品牌,致力于大数据在产、学、研的融合应用。服务百万数字化人才,是全球500强企业的忠实合作伙伴。

如荷学以"培养企业需要的专业数字化人才,搭建弓|领数字化时代的企业人才梯队”为使命,为TD时代数字化人才的数据能力提升及企业数字化转型提供标准化、效率、可落地的数据应用侧解决方案。

【发展历程】

2006年 开展数据统计、计量实战，学术研究等相关培训视频和现场班

2007年 开展数据统计、数据分析相关培训班

2011年 随着大数据热潮的来临，依托累计上万类共享资料，多年沉淀师资团队，论坛召集多位专家，研发CDA数据分析师体系

2013年CDA数据分析师品牌成立，提供系统化的大数据、数据分析人才培养和认证

2014年 CDA INSTITUTE 成立 ,并推出第 一届全国CDA数据分析师认证考试

2015年第 一届中国数据分析师行业峰会（CDAS）在9月11日成功举办，参会人数逾3000人

2016年 CDA汇聚海内外大数据、数据分析专家上千人，推出就业班、数据科学家训练营、企业内训、CDA俱乐部等多个项目

2017年整合论坛与CDA数据分析师业内资源，形成数据分析领域生态圈，并进一步升级CDA企业内训体系，正式推出大数据实验室

2018年北上广深等多个城市均有校区；拥有200多位专业师资；培养学员超过3万人，每年6月/12月全国28个城市举办CDA认证考试

2019年已举办九届数据分析师认证考试，得到业界广泛认可，学员遍布各大知名企业。人工智能产品“好学AI”问世，引领DT时代新一波技术培训浪潮