|
主題 |
培訓內容 |
第一部分
? |
Stata概述 |
1.Stata軟件的一些技術參數； 2.STATA概述； 3.log文件；4.執行指令的幾種方式；5.打開和保存Stata文件；6.瀏覽資料； 7. ? Stata語法（變量；時間變量；樣本區間；權重；選項；前綴）；
8.?因子變量：虛擬變量、雙重差分法；9. 注意事項。 |
Stata對模型的處理 |
1.?模型估計（線性回歸模型和非線性回歸模型）；2. 參數檢驗（線性約束、非線性約束、似然比檢驗、Hausman檢驗）；3. 模型的線性預測、非線性預測；4. 邊際效應分析；5. 穩健推斷與自舉標準差；6. 結果輸出到Word、Excel、LaTeX。
*?案例詳解及應用 |
第二部分 |
線性回歸
模型 |
1.?變量分布特征的考察：（1）直方圖、核密度圖、條形圖、盒形圖；（2）正態性檢驗、正態性變換。
2.?線性模型：（1）為何需要大樣本理論；（2）統計量的大樣本性質與假設。
3.?內生性問題：（1）工具變量估計、兩階段小二乘法、廣義矩估計、控制函數法；（2）內生性檢驗、過度識別約束檢驗）、弱工具變量檢驗。
*?案例詳解及應用 |
面板模型 |
1.Stata對面板數據的處理與定義。
2.靜態面板模型：（1）固定效應模型、隨機效應模型；（2）時間效應、模型的篩選和常見問題；（3）異方差、序列相關和截面相關；（4）內生性問題與IV-GMM估計；（5）面板隨機系數模型；（6）面板隨機邊界分析；
3.動態面板模型；
4.面板數據的平穩性問題：（1）面板單位根檢驗；（2）面板協整分析。
*?案例詳解及應用 |
第三部分 |
Stata編程 |
1.Stata程序簡介；2.局部宏與全局宏；3標量簡介；4.循環結構；5.常用的編程技巧；6.Stata程序包的完整編寫過程；7.矩陣簡介；8.使用Stata命令的結果
*?應用案例與詳解：分位數回歸等 |
極大似然估計 |
1.大似然估計法的定義2.線性回歸模型的大似然估計3.Logit模型4.Probit模型5.大似然估計的數值解
6.大似然估計函數7.信息矩陣與無偏估計的小方差8.大似然法的大樣本性質
9.大似然估計量漸近協方差矩陣10.三類漸近等價的統計檢驗11.對正態分布假設的檢驗
*?應用案例與詳解：異方差問題的極大似然估計等 |
受限因變量模型 |
1.?二項響應模型：（1）Probit、Logit模型；（2）內生性情況下的二項響應模型。
2.?角點解響應模型：（1）Tobit模型、Two-part ? Hurdle模型；（2）內生情況的處理。
3.?計數數據模型：（1）泊松回歸、負二項回歸模型；（2）內生情況的處理。
*?應用案例與詳解 |
樣本選擇 |
1.?缺失值對估計結果的影響；2.截斷模型；
3. Heckman兩步法、控制函數法。
*?應用案例與詳解 |
第四部分 |
反事實分析與政策評估 |
1.處理效應：（1）反事實分析與選擇偏差；（2）回歸調整法（3）傾向得分法；（4）匹配法 。
2.斷點回歸、模糊斷點回歸、雙重差分法。
*?應用案例與詳解 |
空間計量分析 |
1.?常見的空間計量模型；2. 如何繪制空間分布圖（地圖文件的轉換；空間分布圖）；
3.?空間回歸模型；（1）空間權數矩陣；（2）空間滯后模型；（3）空間誤差模型；（4）SARAR模型；
*?應用案例與詳解：經濟增長的收斂分析 |
第五部分 |
分數數據與久期數據 |
1.生存函數、風險函數；比例風險模型；Cox回歸模型。
2.分數Probit、分數Logit回歸模型。
*?應用案例與詳解 |
半參數分析與貝葉斯分析 |
1.?半參數分析：部分線性模型；單指數模型。
2.?貝葉斯分析：MCMC方法；線性模型的貝葉斯估計；非線性模型的貝葉斯估計。
*?應用案例與詳解 |
合作伙伴與授權機構
shuhaipeixun
1299983702
總部李老師
