|
|
连享会 2022 - Stata 暑期班大纲发布了！
主页： 链接
PDF 大纲： 链接
++ 本次课程相对于往期课程的变化 ++ o 初级班- 新增了实证分析可视化专题，涉及边际效应、分仓散点图、系数差异可视化，以及 Stata 绘图的基本架构等内容。- 模型设定专题更新了 70% 以上的内容，包括：条件均值模型的解释、边际效应分析、反事实框架- 增加了两篇论文的讲解，展示初级班各个主题的内容如何综合应用。o 高级班- 新增了假设检验专题：涉及系数联合检验、内生性检验、稳健性检验、安慰剂检验等主题- 新增了IV 和 GMM专题，重点介绍 信息 Judge IV 和 Bartik IV。- 新增了面板 ARDL 模型专题：用于分析政策冲击的长期和短期效应，考虑空间相关性和共同相关结构。- 新增了模型均化 (Model Averaging) 专题：主要用于对应对模型不确定性，变量筛选等，是近年来机器学习和稳健性分析的一个新热点o 论文班由华中科技大学的孔东民教授主讲，将通过十多篇论文的拆解来论分享学术研究和发表经验，并展示研究设计和方法合理应用的重要性。
主页： 链接
PDF 大纲： 链接
++ 本次课程相对于往期课程的变化 ++ o 初级班- 新增了实证分析可视化专题，涉及边际效应、分仓散点图、系数差异可视化，以及 Stata 绘图的基本架构等内容。- 模型设定专题更新了 70% 以上的内容，包括：条件均值模型的解释、边际效应分析、反事实框架- 增加了两篇论文的讲解，展示初级班各个主题的内容如何综合应用。o 高级班- 新增了假设检验专题：涉及系数联合检验、内生性检验、稳健性检验、安慰剂检验等主题- 新增了IV 和 GMM专题，重点介绍 信息 Judge IV 和 Bartik IV。- 新增了面板 ARDL 模型专题：用于分析政策冲击的长期和短期效应，考虑空间相关性和共同相关结构。- 新增了模型均化 (Model Averaging) 专题：主要用于对应对模型不确定性，变量筛选等，是近年来机器学习和稳健性分析的一个新热点o 论文班由华中科技大学的孔东民教授主讲，将通过十多篇论文的拆解来论分享学术研究和发表经验，并展示研究设计和方法合理应用的重要性。
发布