1. 課程概況

• 時間： 2018年11.23-25（週五-週日）（每天 6 小時+半小時答疑）；

• 地點： 山西財經大學（太原）

• 授課內容： 實證研究方法與 Stata 應用

  • 要點：研究設計和內生性問題的處理。
  • 主要方法：IV估計、空間計量、匹配(Matching)、倍分法(DID)、Matching+DID、斷點回歸(RDD)、合成控制法(SCM)

• 授課嘉賓：

  • 林建浩副教授（中山大學）
  • 江艇副教授 （中國人民大學）
  • 連玉君副教授 （中山大學）

2. 嘉賓簡介

林建浩

林建浩，中山大學嶺南學院經濟學系副教授，主要研究領域為計量經濟學理論與應用、實證巨集觀、文化與經濟行為。在《經濟研究》、《管理世界》、《統計研究》、《金融研究》、《經濟學（季刊）》等學術刊物上發表多篇論文，主持國際自然科學基金、廣東省自然科學基金等多項課題。

江艇

江艇，香港科技大學商學院經濟學博士，中國人民大學經濟學院副教授，人大國家發展與戰略研究院研究員，人大微觀資料與實證方法研究中心副主任，美國哥倫比亞大學商學院訪問學者。主要研究領域為經濟增長與發展、城市經濟學、新政治經濟學，在Economics Letters、Review of Development Economics、《經濟研究》、《管理世界》、《世界經濟》等國內外著名學術刊物上發表多篇論文，曾應邀在多所高校講授“應用微觀計量經濟學”短期前沿課程並廣受好評。

連玉君

連玉君，經濟學博士，副教授，博士生導師。2007年7月畢業於西安交通大學金禾經濟研究中心，現任教於中山大學嶺南學院金融系。主講課程為“金融計量”、“計量分析與Stata應用”、“實證金融”等。已在《China Economic Review》、《經濟研究》、《管理世界》、《經濟學(季刊)》、《金融研究》、《統計研究》等期刊發表論文60餘篇。連玉君副教授主持國家自然科學基金專案（2項）、教育部人文社科基金專案、廣東自然科學基金專案等課題專案10餘項。目前已完成 Panel VAR、Panel Threshold、Two-tier Stochastic Frontier 等計量模型的 Stata 實現程式，並編寫過幾十個小程式，如 xtbalance

3. 授課內容

3.1 課程大綱

第一天 (林建浩)

• 近似外生和弱工具變數下的穩健推斷方法
• 面板資料空間計量模型

第二天 (江艇)

• 匹配 (Matching)
• 倍分法 (DID)
• Matching + DID

第三天 (連玉君)

• 斷點回歸分析 (RDD)
• 合成控制法 (SCM)

3.2 課程詳情

第1講 近似外生和弱工具變數下的穩健推斷方法

• 應用場景： 弱工具變數和工具變數非嚴格外生時還能用 IV 估計嗎？
• 應對方法： 採用再抽樣（resampling，Berkowitz et al., 2012）或貝葉斯的方法校正近似外生性的影響（Conley et al., 2012；Kraay, 2012）。
• 專題詳情：
  • 工具變數（IV）估計是處理內生性問題的基本方法，在經濟學實證研究中有著極為廣泛的應用。
  • IV 估計量的大樣本性質是在建立一系列假定之上，尤其是工具變數與內生解釋變數的“相關性”以及工具變數的“外生性”，而且工具變數的“質量”也影響了IV估計量在有限樣本下的表現。然而，在實際研究中，尋找同時滿足相關性和外生性的工具變數非常困難，需要在經濟機理上進行具有說服力的論證，同時進行嚴格的模型設定檢驗。越來越多的計量經濟學家開始放鬆傳統 IV 估計的模型設定，討論“弱工具變數（weak instruments）”以及“近似外生工具變數（plausibly /approximately/ exogenous）”下的穩健推斷方法。
  • 針對工具變數外生性條件無法嚴格滿足的情形，目前較有影響的做法是採用再抽樣（resampling，Berkowitz et al., 2012）或貝葉斯的方法校正近似外生性的影響（Conley et al., 2012；Kraay, 2012）。
  • 這些新的理論研究成果直面實踐難題，大大拓展了 IV 估計的應用場景，但尚未在實證研究中得到廣泛應用。我們將結合實際例子，對這些方法的原理、適用條件以及軟體實現進行介紹。

第2講 空間面板模型

• 專題詳情：
  • 近十年，空間計量經濟學的發展主要集中在兩個領域：一個是離散選擇和受限資料的空間計量模型，另一個是面板資料的空間計量模型。
  • 我們此次主要介紹後者，Anselin、Baltagi、Kapoor 以及李龍飛教授的團隊在這個領域有著諸多理論貢獻，這些模型方法也已廣泛應用於國際貿易、區域經濟、公共經濟、勞動經濟等諸多經濟學科。
  • Stata 15 有了相對完整的空間計量經濟學模組，加上 Paul Elhorst 等學者編寫的非官方命令，使得基於 Stata 進行面板空間計量的應用研究更為方便。
  • 我們將結合例項，介紹基本的面板資料空間計量模型的估計和檢驗方法，做到原理介紹和軟體實現並重。

第3講 匹配 (Matching)

• 澄清一些關於匹配方法常見的理解誤區。
  • 匹配能否比OLS更好地解決內生性問題？
  • 如果匹配和OLS的識別力 (identification power) 相當，OLS的偏誤究竟從何而來？
  • 為什麼說匹配的思想比匹配的具體實現手段更為重要？
• 通過兩個簡化例子，抽絲剝繭地分析匹配方法的工作原理，消除初學者對非引數方法的恐懼。
• 詳細講解匹配方法的整套實操流程。
  • 匹配的準備工作：如何選擇協變數；如何評估overlap；如何估計傾向得分；如何刪截樣本。
  • 從匹配物件、匹配精度、加權方式、是否放回各個方面介紹主要匹配方法的異同。
  • 結合四個Stata命令teffects nnmatch, nnmatch, teffects psmatch, psmatch2，重點介紹基於協變數的最近鄰匹配 (NNM) 和傾向得分匹配 (PSM) 。

第4講 倍分法 (DID)

• 隨著越來越多面板資料為研究者所利用，DID也成為中文世界使用頻率最高的準實驗方法，由於對這一方法的識別假設和適用範圍理解不準確，不同程度的濫用也隨之出現。本講旨在幫助學員回答三個問題。
• 如何正確理解DID的工作原理？
  • 基本的DID如何實現？討論重複橫截面、兩期面板、多期面板等不同情況。
  • 如何解釋和展示結果？
  • 對DID的威脅有哪些？
• DID的拓展形式有哪些？
  • 非線性模型中的DID
  • 模糊 (fuzzy) DID
  • 半引數DID (若時間允許)
  • 非線性DID (若時間允許)
  • 特別重點介紹DID和匹配的結合
    • 先通過匹配方法構造控制組，然後進行DID估計
    • 先差分，然後對差分結果進行匹配估計
• 如何讓一項DID研究變得更豐滿？
  • 如何進行敏感性分析？
  • 如何進行異質性分析？
  • 通過多個案例，辨別何為好的DID研究，何為壞的DID研究。

第5講 斷點回歸分析 (RDD)

• 何時使用斷點回歸分析？
  • RDD 是目前公認的 最為乾淨 的政策評價方法之一。以 「上北大是否有助於提高收入？」 這一問題為例。
  • 傳統處理方法：在收入方程中控制其他影響收入的因素後，重點考察 D=1 (北大學生)；D=0 (其他學生) 這一虛擬變數的係數。然而，這一做法難逃自我選擇偏誤的影響。因為，是否上北大並非隨機選擇的結果，很可能是能力強的孩子更容易上北大，而能力強的孩子也更容易找到高收入的工作 (即使不上北大也是如此)。因此，即使發現北大學生畢業時的年薪比其他學生高 5 萬，也不能將其全部歸因為北大教育帶來的效果。比如，5=3+2，意味著北大教育的收入效應是 3 萬，而個人能力的收入效應是 2 萬。當然，也有可能是 5 = 1+4，甚至是 5 = -2+7。難點在於，個人能力是不可觀測的。
  • RDD： 假如上北大的分數線是 670 分，為了克服上述自選擇偏誤對估結果的影響，我們可以重點分析 [668-669] 分數段的學生 (未上北大-對照組) 與 [670-671] 分數段的學生 (上北大-實驗組) 在畢業時的收入差異。由於單個學生無法左右北大的錄取分數線，所以這裡的實驗組和對照組可以視為隨機分組。同時，由於兩者的分數差異被限定在一個很小的範圍，我們可以認為他們各方面的特徵也比較相近。此時，二者的收入差異可以歸因為北大教育帶來的效果。
  • 本例中，高考分數稱為分配變數，分數線 672 分稱為分配點或斷點 (cut-point)，而畢業後的收入則成為結果變數。我們把斷點看成一種 treatment，斷點右側的是處理組，斷點左側的是控制組。如果結果變數在斷點兩側發生了顯著的跳躍 (jump)，則認為政策有效。想一想：RDD 的合理性依賴於哪些假設條件？
• 授課內容
  • 斷點回歸分析 (RDD) 簡介
  • 明確斷點 RDD 分析 (Sharp RDD)
  • 模糊斷點 RDD 分析 (Fuzzy RDD)
  • 範例：2 篇文章

第6講 合成控制法 (Synthetic control methods)

• 何時使用合成控制法？

  在政策評價領域，長期存在著一個空白地帶：有些政策只針對某一個省或某一個州實施，此時 DID，PSM 等方法都不再適用，因為我們只有一個孤零零的實驗物件！Abadie, Diamond, and Hainmueller (2010, JASA) 提出的合成控制法，很好的解決了這類問題。他們研究了「加州」於1989年實施的禁菸法案的政策效果。其基本思想是，使用其他38個未實施禁菸法案的州的加權平均來虛構一個 「合成加州」，進而對比分析 「加州」 和 「合成加州」 在1989年之後香菸消費量的差異，這就是政策效果！作者還進一步的使用的組合檢驗，以及 「安慰劑檢驗」 來確定這一結果的統計顯著性。

• 授課內容

  • 合成控制法簡介
  • 精講一篇經典論文(Stata實現過程)：[1] Abadie, A., A. Diamond, J. Hainmueller, 2010, Synthetic control methods for comparative case studies: Estimating the effect of california’s tobacco control program, Journal of the American Statistical Association, 105 (490): 493-505. [PDF]
  • 以一篇中文文獻為例，介紹該模型的具體應用：[2] 蘇治, 胡迪, 2015, 通貨膨脹目標制是否有效?——來自合成控制法的新證據, 經濟研究, (6): 74-88. [PDF]
  • 亮點：樣本中有多個國家實施了通脹目標制，作者多次使用 SMC，分別對每個國家進行分析；同時，作者對 SMC 相對於 DID 和 PSM 的優劣進行了詳細的論述。

4. 報名資訊

• 費用 （含報名費、材料費），差旅及食宿費自理：
  • 全價：3000元/人（預報名價 2900元/人，預報名10月31日截止）
  • 三人以及上：2800元/人
  • 團報價：2600元/人（五人及以上）
  • 學生價：2600元/人
  • Note: 以上所有優惠不疊加。
• 聯絡方式：
  • 郵箱：[email protected]
  • 電話 (微信同號)：王老師 18903405450 ；李老師 ‭1863610246
  • 對公賬戶： 35117530000023891（山西省太原市晉商銀行南中環支行)
  • 公眾號： 可搜尋公眾號名稱（君泉Stata）或掃描二維碼關注公眾號瞭解詳情
• 溫馨提示： 按預報名順序排座位

長按/掃描二維碼報名：

5. 免費聽課了！誠邀Stata暑期培訓課程助教

為保證本次課程的全方位答疑解惑，現招聘培訓課程助手數名，主要輔助老師的教學工作，以及這次培訓事項的安排。所招聘助手將會獲得免費聽取課程的機會。

• 名額： 3-5 名
• 任務：
  • 輔助老師的教學工作，以及這次培訓事項的安排；
  • 負責課間答疑和課後線上答疑 (下午5:00-5:30的答疑由主講教師負責)。
• 要求： 熟悉Stata常用命令，能對常見問題進行解答和記錄。
• 優惠： Stata助教可以免聽課費。（注：食宿和差旅費需自理）
• 申請資料： 個人簡歷（姓名、聯絡方式、教育背景、以往發表論文和實證研究經驗等，200-500字即可）

聯絡方式：

• 李老師：18636102467（微信同號）
• 王老師：18903405450（微信同號）