北京高級計量經濟學及Stata培訓班

【上課時間】

周一到周日9-18點

【招生對象】

零基礎學員

【學習目標】

掌握高級計量經濟學的核心方法及Stata操作，不再茫然，知其然而知其所以然，成為處理數據及定量分析的高手。

【課程內容】

01章OLS及其標準誤。

著重介紹小樣本與大樣本OLS，以及相應的普通標準誤、異方差穩(wěn)健標準誤、異方差自相關穩(wěn)健標準誤、聚類穩(wěn)健標準誤、自助標準誤（bootstrap standard errors）。深切理解OLS的原理與適用條件，是一切計量原理的基礎。

02章Stata快速入門。

及時地介紹Stata知識，以OLS在Stata的實現作為入門，體會Stata的簡單與強大。

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，內生性是實證研究的常見難題，而工具變量法是解決內生性的利器，包括2SLS、GMM、控制函數法（Control Function）、包含內生變量的ivprobit、異質性工具變量法（Local Average Treatment Effect）等。

05章靜態(tài)面板。

面板數據由于能控制個體異質性（heterogeneity），緩解遺漏變量偏差，在實踐中越來越重要。靜態(tài)面板是最常見的面板，包括固定效應、隨機效應、時間效應、雙向固定效應等。

06章動態(tài)面板。

經濟現象常具有某種慣性或部分調整，即被解釋變量的滯后值出現在方程右邊。動態(tài)面板也因為可自帶工具變量而應用廣泛。包括面板工具變量法（Panel IV）、差分GMM、水平GMM與系統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章非參數與半參數估計（Nonparametric and Semiparametric Estimations）。

非參與半參方法由于其穩(wěn)健性而日益進入標準的計量工具箱，包括核密度估計、非參數回歸與半參數回歸等。

09章隨機實驗、自然實驗與雙重差分法（Difference-in-Differences）。

實驗方法因其可信度而日益興起，包括隨機實驗、第 一類與第二類自然實驗。雙重差分法利用面板數據的優(yōu)勢，可克服部分內生性，是研究政策或項目處理效應（treatment effects）的主要工具。包括雙重差分法、平行趨勢假設、三重差分法等。

10章傾向得分匹配（PropensityScore Matching）。

基于反事實的框架，根據個體進入處理組的概率（即傾向得分）尋找較佳替身進行匹配估計，這是研究處理效應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量分析的重要步驟，而因果圖方法（Causal Directed Acyclic Graph）提供了一個清晰的思考框架。

12章合成控制法（SyntheticControl Method）。

在評價某處理地區(qū)的政策效應時，將控制地區(qū)進行最 優(yōu)的線性組合，以構造合成控制地區(qū)進行對比，這是估計處理效應的新興強大方法。包括合成控制法的統計推斷與穩(wěn)健性檢驗等。

13章回歸控制法（RegressionControl Method）。

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

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

由于在斷點附近存在局部隨機分組，故斷點回歸的效力接近于隨機實驗，日益為研究者所青睞。包括精確斷點回歸、模糊斷點回歸、空間斷點回歸等。

15章分位數回歸。

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)；而分位數回歸則可研究在給定X的情況下，Y的整個條件分布Y|X，從而揭示更多信息。

16章分機器學習與大數據。

大數據與高維回歸等機器學習(Machine Learning)方法正迅速成為經濟學家的常用工具。本講介紹Lasso, Ridge Regression, Elastic Net, Post Lasso, Double Lasso，主成分分析，因子分析等機器學習方法。

17章面板數據前沿：

交互固定效應（interactive fixed effects）將傳統的雙向固定效應進一步推廣，因為現實經濟中常存在多種沖擊（shocks或factors），而不同個體對此沖擊的反應不同（factor loading）。

18章空間計量經濟學（Spatial Econometrics）。

傳統計量經濟學通常忽略橫截面單位的空間分布與相互影響，而空間計量經濟學則是考察空間效應、溢出效應等的重要工具。包括空間權重矩陣、空間自回歸、空間誤差模型與空間面板等。

【師資力量】

吳昊天

擅長數據架構、數據分析

教學經驗8年

電子科技大學大數據中心

CDA數據分析研究院技術負責人兼高級講師

趙仁乾

擅長數據架構、數據分析

教學經驗7年

北京郵電大學管理科學與工程碩士

北京電信規(guī)劃設計院

【課程特色】

在原有四天班精彩內容基礎上(含合成控制法、空間計量、斷點回歸、拐點回歸等等)， 這次六天高級現場班又增加了不少全新的前沿內容， 包括交互固定效應、因果圖、回歸控制法、分位數回歸、門限回歸、控制函數法、局部平均處理效應、機器學習與大數據等。

【授課方式】

面授

【學員風采】

【學習周期】

48課時

【學員評價】

孔同學

統計學和數據挖掘理論是數據分析的基礎，常規(guī)的統計理論和數據挖掘算法必須要學會，想入行應重點研究，并要學會制作風險評分卡。其他算法了解即可。

董同學

三個月的學習時間。緊湊的課程安排讓我感覺每一天都特別充實，白天認真聽講，晚自習鞏固復習，每一天都在進步和成長。 我對未來充滿了希望。

王同學

CDA的學習經歷，給我的人生增添了一段難忘的回憶，也給我在現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

學習是一種態(tài)度，在CDA三個月集中學習的過程中，認識了很多同學，也增長了一些校園以外的知識，學習的過程很累很艱辛，卻覺得很值得！ 痛并快樂著??！

李同學

CDA對于我而言，是一個新生活的起點，經過3個月的奮戰(zhàn)，我學習到了許多知識，更結識了許多志同道合的朋友，這是我3個月的學習生活寶貴的財富。

趙同學

首先感謝的是課堂里茫茫多的教授級導師的個人魅力的熏陶，其次就是，三個月持續(xù)不斷的學習，讓我養(yǎng)成一個持續(xù)學習的心態(tài)和熱愛學習的態(tài)度。

【機構環(huán)境】

【機構簡介】

如荷學為北京國富如荷網絡科技有限公司旗下專注于數字化人才培養(yǎng)及服務的教育品牌,致力于大數據在產、學、研的融合應用。服務百萬數字化人才,是全球500強企業(yè)的忠實合作伙伴。

如荷學以"培養(yǎng)企業(yè)需要的專業(yè)數字化人才,搭建弓|領數字化時代的企業(yè)人才梯隊”為使命,為TD時代數字化人才的數據能力提升及企業(yè)數字化轉型提供標準化、效率、可落地的數據應用側解決方案。

【發(fā)展歷程】

2006年 開展數據統計、計量實戰(zhàn)，學術研究等相關培訓視頻和現場班

2007年 開展數據統計、數據分析相關培訓班

2011年 隨著大數據熱潮的來臨，依托累計上萬類共享資料，多年沉淀師資團隊，論壇召集多位專家，研發(fā)CDA數據分析師體系

2013年CDA數據分析師品牌成立，提供系統化的大數據、數據分析人才培養(yǎng)和認證

2014年 CDA INSTITUTE 成立 ,并推出第 一屆全國CDA數據分析師認證考試

2015年第 一屆中國數據分析師行業(yè)峰會（CDAS）在9月11日成功舉辦，參會人數逾3000人

2016年 CDA匯聚海內外大數據、數據分析專家上千人，推出就業(yè)班、數據科學家訓練營、企業(yè)內訓、CDA俱樂部等多個項目

2017年整合論壇與CDA數據分析師業(yè)內資源，形成數據分析領域生態(tài)圈，并進一步升級CDA企業(yè)內訓體系，正式推出大數據實驗室

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

2019年已舉辦九屆數據分析師認證考試，得到業(yè)界廣泛認可，學員遍布各大知名企業(yè)。人工智能產品“好學AI”問世，引領DT時代新一波技術培訓浪潮