掃碼加入金融交流群

Python 已經(jīng)成為越來越多美國大學(xué)的計算機編程入門語言了。美國計算機排名的麻省理工學(xué)院和加州大學(xué)伯克利分校已經(jīng)將他們的計算機編程入門教學(xué)語言改為了 Python。

作為一門“趕時髦”&“實用”的計量工具課程，本次Python統(tǒng)計與計量分析會跟大家講授使用Python如何完美構(gòu)造各種計量模型，并針對結(jié)果給出合理的解釋。

這門課不需要太多計量基礎(chǔ)，我們會用大白話告訴大家，什么樣的分析數(shù)據(jù)適用于什么樣的計量模型，什么樣的模型匹配什么樣的檢驗方法；也不需要太多編程基礎(chǔ)，有沒有學(xué)過C語言，有沒有其他語言基礎(chǔ)，都不要緊。

Python社會統(tǒng)計與計量分析

Python培訓(xùn)時間：2017年7月14-17日 (四天)北京/8月11-14日(四天)上海
Python培訓(xùn)地點：北京市海淀區(qū)廠洼街3號丹龍大廈B座二層/上海市南京東路培訓(xùn)教室
Python培訓(xùn)費用：3200元 / 2600元 (僅限全日制本科生和碩士研究生)
Python授課安排：上午9:00至12:00; 下午1:30至4:30; 答疑4:30至5:00

Python特別贈送：Python統(tǒng)計計量視頻（價值1500元）

我要報名
Python講師簡介：
閻老師，長期從事數(shù)據(jù)分析的理論研究、教學(xué)和實踐工作。
長期關(guān)注Python的發(fā)展和國內(nèi)外各行業(yè)的應(yīng)用情況，一直保持著與統(tǒng)計應(yīng)用前沿的密切接觸，在數(shù)據(jù)挖掘應(yīng)用、市場研究應(yīng)用等領(lǐng)域經(jīng)驗豐富。
擅長企業(yè)數(shù)據(jù)分析和企業(yè)診斷，參與多項、省級課題的科研工作，曾任多家電商企業(yè)的運營顧問和培訓(xùn)師，積累了大量實戰(zhàn)經(jīng)驗。

Python課程大綱：

Part-1 Python初探
01. Python語法結(jié)構(gòu)概覽
教學(xué)內(nèi)容：兼顧應(yīng)用廣泛的Python 2.x與日益興盛的Python 3.x，從基本的原理和語法格式入手， 教授Python基礎(chǔ)內(nèi)容。
教學(xué)目的： 深入Python流程控制語句，夯實基礎(chǔ)，這部分內(nèi)容將貫穿課程始終，熟練到就算沒有開放的擴展庫，自己也能根據(jù)公式做模型。
1.1 一個概覽式的例子
1.2 基本語法與數(shù)據(jù)
1.3 條件與條件語句
1.4 循環(huán)與嵌套
1.5 循環(huán)控制語句

02. Python函數(shù)與數(shù)據(jù)結(jié)構(gòu)
教學(xué)內(nèi)容： Python基礎(chǔ)的核心內(nèi)容。
教學(xué)目的： 了解各類函數(shù)、參數(shù)和變量的區(qū)別和聯(lián)系，能夠提升編程質(zhì)量，使內(nèi)容更加完善與流暢。
2.1 認識與定義函數(shù)
2.2 參數(shù)形式與返回值
2.3 內(nèi)置函數(shù)形式
2.4 變量類型及應(yīng)用
2.5 數(shù)據(jù)結(jié)構(gòu)及應(yīng)用

03. 數(shù)據(jù)處理與計算
教學(xué)內(nèi)容： 介紹的豐富且成熟的第三方擴展庫，解讀數(shù)據(jù)分析的邏輯和分析結(jié)果。
教學(xué)目的：學(xué)會使用Python進行更加便捷的數(shù)理統(tǒng)計與計量分析，結(jié)果更加全面，解釋性更強。
3.1 常用模塊概覽
3.2 數(shù)據(jù)的導(dǎo)入與導(dǎo)出
3.3 描述性數(shù)據(jù)統(tǒng)計
3.4 兩總體對比推斷
3.5 方差分析
3.6 卡方檢驗
3.7 非參數(shù)統(tǒng)計分析

04. 數(shù)據(jù)清洗
教學(xué)內(nèi)容： 檢查數(shù)據(jù)一致性、處理無效值和各種填補缺失值的方式。
教學(xué)目的： 邁出數(shù)據(jù)處理的步，能夠識別并處理不清潔的數(shù)據(jù)，使數(shù)據(jù)更有利于后續(xù)的數(shù)據(jù)分析與挖掘。
4.1 數(shù)據(jù)的整理
4.2 數(shù)據(jù)的集成
4.3 原始數(shù)據(jù)變換
4.4 數(shù)據(jù)歸約
4.5 處理缺失值

Part-2 關(guān)于截面數(shù)據(jù)

05. 線性回歸模型
教學(xué)內(nèi)容： 學(xué)會使用單純也是實用且頻頻出現(xiàn)在Top期刊中的線性回歸模型。
教學(xué)目的：學(xué)會使用Python固定語句進行回歸，合理地構(gòu)建模型、選擇變量、解釋結(jié)果。
5.1 小樣本&大樣本OLS
5.2 使用虛擬變量
5.3 非線性回歸處理
5.4 異方差
5.5 自相關(guān)
5.6 主成分分析（PCA）與因子分析（FA）

06. 內(nèi)生性的解決辦法
教學(xué)內(nèi)容： 處理各類研究中如影隨形的內(nèi)生性問題。
教學(xué)目的：能夠完爆一個內(nèi)生性，并使用Python處理內(nèi)生性，使論文輕松達到“A-level”。
6.1 工具變量法（IV）
6.2 兩階段最小二乘拆解內(nèi)生性（2SLS）
6.3 廣義矩估計（GMM）
6.4 倍分法

07. 離散變量模型
教學(xué)內(nèi)容： 介紹較早的離散選擇模型——Logit/Probit模型，這是很多0/1選擇問題的主要方法，也是社會學(xué)、心理學(xué)、經(jīng)濟學(xué)、市場營銷等統(tǒng)計實證分析的常用方法。
教學(xué)目的：學(xué)會針對不同的問題選擇合適的離散選擇模型解決問題，并解釋結(jié)果。
7.1 二值型Logit/Probit模型
7.2 多值型Logit/Probit模型
7.3. 定序Logit/Probit模型
7.4 計數(shù)模型

Part-3 關(guān)于時間序列

08. 平穩(wěn)時間序列分析
教學(xué)內(nèi)容： 時間序列分析的基礎(chǔ)，一般的時間序列分析往往都是針對平穩(wěn)序列，對于一些非平穩(wěn)序列，也會通過某些變換轉(zhuǎn)成平穩(wěn)序列來處理。
教學(xué)目的： 學(xué)會識別平穩(wěn)時間序列，并使用Python進行一系列后續(xù)分析與預(yù)測，得出并解釋分析結(jié)果。
8.1 時間序列特征
8.2 ARMA基本邏輯及應(yīng)用
8.3 自回歸分布滯后模型
8.4 自相關(guān)與偏自相關(guān)
8.5 向量自回歸

09. 非平穩(wěn)時間序列
教學(xué)內(nèi)容： 與平穩(wěn)時間序列具有截然不同的非平穩(wěn)時間序列的原理與應(yīng)用。
教學(xué)目的：學(xué)會識別經(jīng)濟數(shù)據(jù)形成的時間序列的平穩(wěn)性，使用Python進行后續(xù)處理、分析與預(yù)測，并解釋結(jié)果。
9.1 ARIMA基本邏輯及應(yīng)用
9.2 單位根問題
9.3 單整&協(xié)整

Part-4 關(guān)于面板數(shù)據(jù)

10. 面板數(shù)據(jù)回歸
教學(xué)內(nèi)容： 使用日益廣泛的面板數(shù)據(jù)的原理、應(yīng)用與建模。
教學(xué)目的： 掌握模型的基本思想和使用方法，靈活使用固定效應(yīng)和隨機效應(yīng)，更準(zhǔn)確地解讀數(shù)據(jù)背后的經(jīng)濟含義。
10.1 靜態(tài)面板模型
10.2 動態(tài)面板模型
10.3 非線性面板模型

================學(xué)術(shù)研究只用過Stata？！沒關(guān)系，往下看========================

Stata特訓(xùn)_2017年7月
暑假現(xiàn)場班
核心內(nèi)容：斷點回歸分析(RDD)；合成控制法(Synthesis Control Methods)；面板門檻模型；
面板VAR模型；自科標(biāo)書的撰寫；一篇經(jīng)典論文的Stata重現(xiàn)(Journal of Finance) 等.
時間：初級：2017年7月12-15日 (四天)
高級：2017年7月17-20日 (四天)
地點：北京市海淀區(qū)首都體育學(xué)院
安排：上午9:00-12:00；下午2:00-5:00；答疑5:00-5:30
費用：基礎(chǔ)：3600元 /3200元 (僅限全日制本科生和碩士研究生優(yōu)惠價)
高級：4000元 /3600元 (僅限全日制本科生和碩士研究生優(yōu)惠價)
全程：7000元 /6200元 (僅限全日制本科生和碩士研究生優(yōu)惠價)
(食宿自理)
我要報名

講師介紹：

連玉君，經(jīng)濟學(xué)博士，副教授。2007年7月畢業(yè)于西安交通大學(xué)金禾經(jīng)濟研究中心，現(xiàn)任教于中山大學(xué)嶺南學(xué)院金融系。主講課程為“金融計量”、“計量分析與Stata應(yīng)用”、“實證金融”等。

已在《China Economic Review》、《經(jīng)濟研究》、《管理世界》、《經(jīng)濟學(xué)(季刊)》、《金融研究》、《統(tǒng)計研究》等期刊發(fā)表論文60余篇。連玉君副教授主持國家自然科學(xué)基金項目（2項）、教育部人文社科基金項目、廣東自然科學(xué)基金項目等課題項目10余項。

目前已完成Panel VAR、Panel Threshold、Two-tier Stochastic Frontier等計量模型的Stata實現(xiàn)程序，并編寫過幾十個小程序，如xtbalance、winsor2、bdiff、hausmanxt、ttable3、hhi5等。

課程大綱：

初級班課程大綱

專題名稱	授課內(nèi)容
第1講（3小時） Stata簡介	數(shù)據(jù)的導(dǎo)入和導(dǎo)出 執(zhí)行指令和基本統(tǒng)計分析 do文件和log文件的使用 幫助文件的使用和外部命令的獲取 一篇范例文檔
第2講（3小時） 數(shù)據(jù)處理	數(shù)據(jù)的橫向合并和縱向追加 重復(fù)樣本值、缺漏值和離群值的處理 基本統(tǒng)計量的呈現(xiàn) 基本統(tǒng)計分析(組間均值差異和中位數(shù)差異檢驗) 文字變量的處理 大型數(shù)據(jù)的處理范例(GTA數(shù)據(jù)庫和工業(yè)企業(yè)數(shù)據(jù)庫)
第3講（3小時） Stata程序	局域暫元和全局暫元（local, global） 控制語句（條件語句、循環(huán)語句） Stata中的各類函數(shù) 分組回歸分析 范例：盈余管理程度的估算、現(xiàn)金持有調(diào)整系數(shù)的估算
第4講（3小時） 普通最小二乘法 (OLS)	線性回歸模型估計方法（OLS） 假設(shè)檢驗和統(tǒng)計推斷 Bootstrap、Jackknife及穩(wěn)健性標(biāo)準(zhǔn)誤的獲取 虛擬變量
第5講（3小時） 模型的設(shè)定和解釋	交乘項和平方項的使用及解釋 R2分解和貢獻度分析 分組回歸和組間系數(shù)差異檢驗 估計結(jié)果的呈現(xiàn)和分析 范文2篇
第6講（3小時） 內(nèi)生性問題及估計方法： IV-GMM 倍分法(DID, D-in-D)	工具變量法（IV） 廣義矩估計法（GMM）簡介 內(nèi)生性檢驗：是否存在內(nèi)生性 過度識別檢驗：工具變量的合理性 倍分法(Difference in Difference)簡介 PSM-DID 應(yīng)用實例（介紹2篇論文）
第7講（3小時） 靜態(tài)面板數(shù)據(jù)模型	靜態(tài)面板模型：固定效應(yīng)和隨機效應(yīng) 基于Bootstrap的Hausman檢驗 異方差和序列相關(guān)（Bootstrap、Cluster調(diào)整標(biāo)準(zhǔn)誤） 包含內(nèi)生變量的固定效應(yīng)模型 實證分析中的常見問題 應(yīng)用實例（介紹3篇論文）
第8講（3小時） 論文寫作與發(fā)表專題	Endnote和Google Scholar的使用 論文的選題 如何梳理和評述文獻 研究貢獻的陳述 研究設(shè)計與論文的修改 修改報告的撰寫 (與審稿人有效溝通)

高級班課程大綱

第1講（3小時） 動態(tài)面板模型 面板VAR模型	一階差分GMM估計量（FD-GMM） 序列相關(guān)檢驗和過度識別檢驗（Sargan檢驗） 面板VAR模型簡介 沖擊反應(yīng)函數(shù) (IRF)、方差分解 (FEVD) 應(yīng)用實例（介紹3篇論文）
第2講（3小時） 面板門檻模型	Bootstrap簡介 截面門檻模型（Cross-sectional Threshold Model） 面板門檻模型（Panel Threshold Model） 應(yīng)用實例（介紹2篇論文）
第3講（3小時） Logit模型	Logit模型簡介 模型設(shè)定、估計方法和結(jié)果的解釋 多元Logit模型 (Multinomial Logit) 有序Logit模型 (Ordered Logit) 應(yīng)用實例（介紹2篇論文）
第4講（3小時） 內(nèi)生性問題專題I： Heckman選擇模型 處理效應(yīng)模型 傾向得分匹配分析(PSM)	Heckman選擇模型（Heckman Selection Model） 處理效應(yīng)模型（Treatment Effect Model） 傾向得分匹配分析（Propensity Score Matching, PSM） 配對方法：配對、半徑匹配、最近鄰匹配等 共同支撐假設(shè)和平行假設(shè) 應(yīng)用實例（介紹2篇論文）
第5講（3小時） 內(nèi)生性問題專題II： 合成控制法 (Synthetic control methods)	合成控制法簡介 精講一篇經(jīng)典論文(Stata實現(xiàn)過程)：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.
第6講（3小時） 內(nèi)生性問題專題III： 斷點回歸分析(RDD)	Regression Discontinuity Design (RDD) 簡介 明確斷點RDD分析 (Sharp RDD) 模糊斷點RDD分析 (Fuzzy RDD) 范例：2篇文章
第7講（3小時） 學(xué)術(shù)論文精講 Faulkender and Wang (2006, JF)	Faulkender, M., R. Wang, 2006, Corporate Financial Policy and the Value of Cash, Journal of Finance, 61 (4): 1957-1990. 計量方法：OLS、穩(wěn)健性分析、衡量偏誤、交叉項的應(yīng)用和解釋 亮點：選題視角和研究設(shè)計值得借鑒，衡量偏誤和模型設(shè)定等也處理的很妥當(dāng) 主題：現(xiàn)金持有、融資約束。 這篇文章在谷歌學(xué)術(shù)的引用率超過1100次，引申出了一系列新的話題，很多論文則采用該文的方法研究其他領(lǐng)域的問題。
第8講（3小時） 課題標(biāo)書的撰寫	評審專家的習(xí)慣和偏好 關(guān)于選題和子課題的設(shè)定 研究基礎(chǔ)、研究目標(biāo)、研究內(nèi)容、研究難點 特色和創(chuàng)新點的提煉 標(biāo)書的結(jié)構(gòu)和標(biāo)書的修改 經(jīng)驗分享：一份中標(biāo)的自科標(biāo)書

優(yōu)惠：

現(xiàn)場班老學(xué)員9折優(yōu)惠；
同一單位三人以上同時報名9折優(yōu)惠；

以上優(yōu)惠不疊加。

報名流程：
1：點擊“我要報名”，網(wǎng)上填寫信息提交；
2：網(wǎng)上訂單繳費；
3：給予反饋，確認報名信息；
4：繳費后發(fā)送課程電子版講義，軟件準(zhǔn)備及交通住宿指南。

聯(lián)系方式：

魏老師

QQ：2881989714

Tel：010-68478566

Mail：vip@pinggu.org

「經(jīng)管之家」APP：經(jīng)管人學(xué)習(xí)、答疑、交友，就上經(jīng)管之家！
免流量費下載資料----在經(jīng)管之家app可以下載論壇上的所有資源，并且不額外收取下載高峰期的論壇幣。
涵蓋所有經(jīng)管領(lǐng)域的優(yōu)秀內(nèi)容----覆蓋經(jīng)濟、管理、金融投資、計量統(tǒng)計、數(shù)據(jù)分析、國貿(mào)、財會等專業(yè)的學(xué)習(xí)寶庫，各類資料應(yīng)有盡有。
來自五湖四海的經(jīng)管達人----已經(jīng)有上千萬的經(jīng)管人來到這里，你可以找到任何學(xué)科方向、有共同話題的朋友。
經(jīng)管之家（原人大經(jīng)濟論壇），跨越高校的圍墻，帶你走進經(jīng)管知識的新世界。
掃描下方二維碼下載并注冊APP