培訓(xùn)目的:
?????使學(xué)員熟練使用Stata進(jìn)行實證分析工作,主要包括:
(1)掌握多種常用的估計方法(如普通最小二乘法、廣義最小二乘法、非線性最小二乘法、最大似然估計、iv估計和gmm);
(2)學(xué)會估計和分析時間序列和面板數(shù)據(jù)常用模型(如單位根檢驗、協(xié)整分析、var、固定效應(yīng)模型、隨機(jī)效應(yīng)模型、動態(tài)面板模型、面板單位根檢驗和面板協(xié)整分析等等);
(3)學(xué)會編寫一個完整的Stata程序;
(4)學(xué)會應(yīng)用Stata進(jìn)行抽樣和模擬分析,包括bootstrap和monte carlo模擬分析
?
培訓(xùn)內(nèi)容:
?
計量分析與Stata應(yīng)用
1. ????????普通最小二乘法(OLS)
1.2?????解讀OLS回歸結(jié)果
1.3?????殘差分析與穩(wěn)健型估計
1.4?????管理多個回歸結(jié)果
2.?????????廣義最小二乘法(GLS)
2.1???? GLS的基本思想
2.2?????異方差
2.3?????序列相關(guān)
2.4?????似無相關(guān)模型(SUR)
3.?????????非線性最小二乘法(NLS)
3.1???? NLS的基本思想
3.2???? NLS程序的編寫
3.3?????范例:估計動態(tài)部分調(diào)整模型
4.?????????最大似然估計(MLE)
4.1???? MLE的基本原理
4.2?????似然函數(shù)的設(shè)定
4.3?????程序的調(diào)試、起始值的設(shè)定和相關(guān)問題
4.4?????范例:線性回歸模型、Logit模型、Probit模型
5.?????????工具變量法與GMM
5.1?????內(nèi)生性問題與工具變量法
5.2?????兩階段最小二乘法(2SLS)
5.3?????廣義矩估計法(GMM)
5.4?????過度識別檢驗(Sargan檢驗與Hausman檢驗)
5.5?????弱工具變量問題
6.?????????時間序列分析
6.1?????時間序列資料的處理
6.2???? ARIMA模型
6.3?????向量自回歸(VAR)模型:估計和檢驗
6.4?????向量自回歸(VAR)模型:因果檢定和沖擊反應(yīng)
6.5?????單位根檢驗
6.6?????協(xié)整分析和誤差修正模型
6.7???? GARCH模型(GARCH,E-GARCH,T-GARCH)
7.?????????面板數(shù)據(jù)模型
7.1?????靜態(tài)面板模型:固定效應(yīng)?v.s.?隨機(jī)效應(yīng)
7.2?????時間效應(yīng)、模型的篩選和常見問題
7.3?????異方差、序列相關(guān)和截面相關(guān)
7.4?????內(nèi)生性問題(面板IV-GMM估計)
7.5?????動態(tài)面板模型(Difference GMM和System GMM)
7.6?????面板隨機(jī)系數(shù)模型
7.7?????面板隨機(jī)前沿模型
7.8?????面板單位根檢驗
7.9?????面板協(xié)整分析
8.?????????STATA高級程序
8.1?????暫元的高級功能
8.2?????暫時性物件
8.3?????輸入項
8.4?????輸出項
8.5?????可分組執(zhí)行的程序
8.6?????可重新顯示結(jié)果的程序
8.7?????子程序
8.8?????程序勘誤與調(diào)試
8.9?????幫助文件的編寫
9.?????????模擬分析(Simulation)與自體抽樣(Bootstrap)
9.1?????隨機(jī)數(shù)的產(chǎn)生和常用分布
9.2???? Bootstrap
9.2.1???? Bootstrap的基本原理
9.2.2???? Bootstrap獲得標(biāo)準(zhǔn)
?