          计量培训

1：课程介绍；概率论与统计学知识复习

本讲为引导课程，主要介绍接下来学习所必须掌握的概率论与统计学知识。

同时介绍接下来的课程安排。

2：一元线性回归模型及其统计推断
线性回归模型，线性回归模型的系数估计，一元回归中的t统计量，关于回归系数的假设检验，

回归系数的置信区间等内容。

3：多元线性回归模型及其统计推断
遗漏变量偏差，多元回归模型，多元回归中OLS估计量的分布，多重共线性，

回归中单个系数的假设检验，置信区间，联合假设的检验等内容。

4：非线性回归函数
非线性回归函数的一般建模方法，多项式模型，对数线性模型，线性对数模型，

双对数模型，交互项与交互作用，非线性函数的示例等内容。

5：基于多元线性模型进行研究评判
模型的内部和外部有效性，多元回归分析内部有效性的影响因素，利用回归进行预测的示例等内容。

6：面板数据方法
面板数据的特征，面板数据的分析方法，个体固定效应和时间固定效应，

固定效应回归的假设和固定效应回归的标准误，双重差分方法的基础理论等内容。

7：工具变量方法
工具变量概念的引入，单个回归变量和单个工具变量的工具变量估计量，一般工具变量回归模型，

工具变量有效性的检验，工具变量的来源，工具变量的实际应用等内容。

8：二值因变量模型
二值因变量的含义，线性概率模型，probit回归， logit回归，logit和 probit模型的在估计和推断中的应用等。

9：两种实证分析中重要的计量方法：双重差分方法（DID）与断点回归方法（RD）
双重差分方法的理论根据，双重差分方法的作用，双重差分方法的实际应用举例；断点回归方法的理论根据，

断点回归方法的作用，断点回归方法的实际应用举例等内容。

10：大数据及其预测；时间序列初步
大数据的简要介绍，时间序列数据和序列相关性，自回归，包含其他预测变量的自回归，自回归分布滞后模型，

滞后长度选取，非平稳性的类型等内容。

Stata操作课程

1. Stata软件的简介与基础操作

本讲主要介绍： Stata软件的主要作用与使用该软件所必需掌握的基础操作。

2. 一元线性回归及其统计推断的Stata实现

本讲主要介绍：在Stata中构建线性回归模型，估计相应的系数和区间，进行假设检验，根据模型进行预测，测算拟合优度。

3. 多元线性回归及其统计推断的Stata实现

本讲主要介绍：在Stata中构建多元线性回归模型，估计相应的系数和区间，进行单个变量和总体的假设检验，如何看待回归中遗漏数据和无关数据。

4. 指示（虚拟）变量的应用与有限因变量回归的Stata实现

本讲主要介绍：在Stata中生成并应用指示变量，线性概率模型的构建，处理效应的计算，二值因变量模型在Stata中的实现，logit模型，多项式logit与条件logit，有序选择模型。

5. 面板数据模型与双重差分（DID）方法的Stata实现

本讲主要介绍：混合模型，固定效应模型的估计方法与估计量，随机效应模型与Hausman检验，回归方程组与似不相关回归; 使用Stata软件估计双重差分模型，平行趋势检验。

6. 工具变量（IV）方法与断点回归（RD）方法的Stata实现

本讲主要介绍：两阶段最小二乘法，针对内生性的Hausman检验，工具变量外生性检验，弱工具变量检验；断点回归的基本图示，清晰断点与模糊断点，断点回归的命令，结果分析。

7. 时间序列初步

本讲主要内容：在Stata里定义时间序列，滞后和差分运算符，有限分布滞后，序列相关检验，自回归模型，AR模型。