當(dāng)Stata遇見AI丨Stata初高級(jí)2025寒假特訓(xùn)

相似文件 換一批

是 否 +2 論壇幣

k人 參與回答

經(jīng)管之家送您一份

應(yīng)屆畢業(yè)生專屬福利!

求職就業(yè)群

趙安豆老師微信：zhaoandou666

經(jīng)管之家聯(lián)合CDA

送您一個(gè)全額獎(jiǎng)學(xué)金名額~ !

立即領(lǐng)取

感謝您參與論壇問題回答

經(jīng)管之家送您兩個(gè)論壇幣！

+2 論壇幣

AI技術(shù)的發(fā)展標(biāo)志著我們已邁入了智能科技的新階段，它的到來象征著我們進(jìn)入了AI4.0的新時(shí)代。在掌握語(yǔ)境、維持連貫對(duì)話、融合多領(lǐng)域知識(shí)以及創(chuàng)作創(chuàng)新文本等核心領(lǐng)域，AI技術(shù)實(shí)現(xiàn)了劃時(shí)代的突破。這場(chǎng)技術(shù)革新不僅改變了教育模式，也極大地影響了科研人員的研究方法和探索路徑，為專業(yè)成長(zhǎng)和學(xué)術(shù)探索開辟了新的視野和挑戰(zhàn)。

25年寒假Stata特訓(xùn)依托于2011至2024年14年間的經(jīng)濟(jì)學(xué)Stata寒暑假精華課程，涵蓋原理、操作、論文解讀和最新動(dòng)態(tài)，旨在為大家呈現(xiàn)AI輔助的Stata與因果分析的前沿課程。

讓我們一同輕松掌握Stata與因果分析，打破傳統(tǒng)學(xué)習(xí)模式，釋放AI的無限潛力！

Stata課程開設(shè)已10余年

2011-2025年

Stata經(jīng)典課程新課綱、新升級(jí)

全面引入AI輔助技術(shù)

AI賦能科研

AI輔助Stata學(xué)習(xí)+數(shù)據(jù)清洗+變量選擇+模型優(yōu)化

含AI+Lasso在預(yù)測(cè)+因果推斷等前沿內(nèi)容

原理+操作+論文+前沿

為了幫助大家快速上手掌握數(shù)據(jù)預(yù)處理、可視化、線性回歸、工具變量、面板數(shù)據(jù)模型（靜態(tài)和動(dòng)態(tài)）、雙重差分、斷點(diǎn)回歸、合成控制、機(jī)器學(xué)習(xí)與因果推斷等多種常用的計(jì)量分析方法和多元化的模型選擇和分析策略，同時(shí)通過AI 輔助技術(shù)高效完成數(shù)據(jù)清洗、變量選擇、模型優(yōu)化等繁瑣任務(wù)，JG學(xué)術(shù)培訓(xùn)特別推出2025年1月AI輔助的Stata初高級(jí)特訓(xùn)。

初級(jí)課程：

系統(tǒng)學(xué)習(xí) Stata 的基礎(chǔ)操作，掌握數(shù)據(jù)導(dǎo)入、數(shù)據(jù)清理、繪圖等常用技能，為后續(xù)的數(shù)據(jù)分析奠定堅(jiān)實(shí)基礎(chǔ)。同時(shí)，課程詳細(xì)講解了 Stata 在經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)模型（如線性回歸、工具變量法和面板數(shù)據(jù)模型）中的應(yīng)用，包括基于 AI 的模型實(shí)現(xiàn)和結(jié)果解讀，幫助學(xué)員高效掌握從變量邊際效應(yīng)到弱工具變量檢驗(yàn)等關(guān)鍵技能。

高級(jí)課程：

專注于前沿計(jì)量模型和因果推斷方法，重點(diǎn)講授面板模型的最新發(fā)展（如非平穩(wěn)、動(dòng)態(tài)和非線性面板數(shù)據(jù)模型）、因果推斷效應(yīng)（異質(zhì)性雙重差分、斷點(diǎn)回歸和合成控制法）以及復(fù)雜異質(zhì)性處理效應(yīng)等前沿方法。AI 在高級(jí)課程中的應(yīng)用更為突出，包括自動(dòng)化高維面板數(shù)據(jù)模型估計(jì)、模型選擇和動(dòng)態(tài)效果分解等，幫助學(xué)員快速適應(yīng)計(jì)量經(jīng)濟(jì)學(xué)和數(shù)據(jù)科學(xué)的最新趨勢(shì)。通過深入學(xué)習(xí)，學(xué)員不僅能理解模型背后的理論，還將具備直接應(yīng)用于學(xué)術(shù)論文撰寫和復(fù)雜數(shù)據(jù)項(xiàng)目分析的能力。

Stata初高級(jí)遇見AI 2025年寒假特訓(xùn)

時(shí)間：2025年1月13-15日初級(jí)，1月17-19日高級(jí)

形式：北京現(xiàn)場(chǎng)/同步遠(yuǎn)程直播；提供錄播回放+全套資料+授課老師答疑

資料：提供課程講義以及完整的do文檔，參考文獻(xiàn)，全程電子板書

贈(zèng)送Stata先導(dǎo)課：

1. Stata簡(jiǎn)介與快速應(yīng)用實(shí)操

2. Stata數(shù)據(jù)文件、命令文件與程序文件

3. Stata數(shù)據(jù)繪圖

4. Stata缺失值、重復(fù)值與異常值處理

5. Stata程序?qū)崙?zhàn)

6. 借助AI大模型提升Stata編程能力

授課嘉賓：

崔百勝，廈門大學(xué)經(jīng)濟(jì)學(xué)博士，上海師范大學(xué)教授。主要講授研究生《空間計(jì)量經(jīng)濟(jì)學(xué)》、《中級(jí)應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)》、《貨幣理論與政策》等課程。教學(xué)使用軟件為Stata和Matlab軟件，熟悉相關(guān)軟件的操作與使用。
主要研究領(lǐng)域?yàn)樨泿爬碚撆c政策、動(dòng)態(tài)一般均衡模型、空間計(jì)量經(jīng)濟(jì)學(xué)。
主持國(guó)家社會(huì)科學(xué)基金項(xiàng)目，教育部人文社會(huì)科學(xué)基金項(xiàng)目，以及上海市教委科研創(chuàng)新項(xiàng)目等在內(nèi)的多項(xiàng)課題。在CSSCI、SSCI期刊發(fā)表學(xué)術(shù)論文50余篇。參與編寫《空間計(jì)量經(jīng)濟(jì)學(xué)——現(xiàn)代模型與方法》、《空間計(jì)量經(jīng)濟(jì)學(xué)——實(shí)證研究與軟件實(shí)現(xiàn)》、《計(jì)量經(jīng)濟(jì)分析與Stata應(yīng)用》、《經(jīng)濟(jì)計(jì)量研究指導(dǎo)——實(shí)證分析與軟件實(shí)現(xiàn)》等專業(yè)教材。

課程簡(jiǎn)介：

2025年寒假 Stata 課程專為希望在數(shù)據(jù)分析和計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域精進(jìn)技能的學(xué)員設(shè)計(jì)，課程聚焦Stata 軟件在學(xué)術(shù)研究和實(shí)務(wù)操作中的強(qiáng)大應(yīng)用，致力于提升學(xué)員的數(shù)據(jù)管理和模型構(gòu)建能力。本課程提供完整的代碼、配套數(shù)據(jù)和案例解析，分為初級(jí)和高級(jí)兩個(gè)層次，逐步帶領(lǐng)學(xué)員從 Stata 的基礎(chǔ)操作到高階分析，掌握廣泛應(yīng)用于經(jīng)濟(jì)、金融、管理等多個(gè)領(lǐng)域的前沿分析技術(shù)。

課程特色：

1. 更加注重課程細(xì)節(jié)內(nèi)容的設(shè)置和深入。

針對(duì)寒假班可能存在部分學(xué)員首次接觸Stata軟件的情況，本次課程在Stata軟件操作的細(xì)節(jié)上進(jìn)行了調(diào)整，增加了Stata菜單操作簡(jiǎn)介，使得學(xué)員能夠更快熟悉Stata軟件，另一方面，增加了從將從Wind數(shù)據(jù)庫(kù)下載的數(shù)據(jù)直接轉(zhuǎn)換為面板數(shù)據(jù)的實(shí)操部分，提升了數(shù)據(jù)處理實(shí)際技能。

2. 緊跟學(xué)科前沿與研究需要，優(yōu)化了課程的章節(jié)內(nèi)容。

針對(duì)較多學(xué)員對(duì)中介效應(yīng)與調(diào)節(jié)效應(yīng)模型較為關(guān)注的情況，將中介效應(yīng)與調(diào)節(jié)效應(yīng)單獨(dú)作為一講進(jìn)行講解，并對(duì)兩類模型的構(gòu)建、檢驗(yàn)流程與分解方法進(jìn)行詳細(xì)講授。針對(duì)較多學(xué)員對(duì)于向量自回歸模型及擴(kuò)展模型較為關(guān)注的情況，本次課程增加了結(jié)構(gòu)向量自回歸模型、符號(hào)約束向量自回歸模型，貝葉斯向量自回歸模型等宏觀領(lǐng)域的較新模型。針對(duì)單方程模型可能無法描述復(fù)制經(jīng)濟(jì)現(xiàn)象的現(xiàn)實(shí)，本次課程增加了聯(lián)立方程章節(jié)，詳細(xì)講授聯(lián)立方程的識(shí)別、估計(jì)約束設(shè)定等重要問題。

3. 結(jié)合每講主題，精心優(yōu)化了課程的例文。

本次課程在對(duì)課程內(nèi)容進(jìn)行擴(kuò)展的基礎(chǔ)上，又對(duì)課程例文進(jìn)行了精心挑選和優(yōu)化，從研究主題上，盡可能考慮到大多數(shù)學(xué)員專業(yè)背景多樣性的特點(diǎn)，多一些主題，從研究方法上，盡可能與該講的主要模型類型相一致，增進(jìn)對(duì)模型的理解和掌握，在軟件實(shí)現(xiàn)上，盡可能與較新的命令應(yīng)用相結(jié)合。

4. 課程全面引入 AI 輔助技術(shù)，提升學(xué)習(xí)效率。

每講均包含AI輔助講授，幫助學(xué)員高效完成數(shù)據(jù)清洗、變量選擇、模型優(yōu)化等繁瑣任務(wù)。AI 的引入不僅提升了學(xué)習(xí)效率，更幫助學(xué)員掌握數(shù)據(jù)分析的自動(dòng)化與智能化技能。

課程內(nèi)容：

Stata初級(jí)遇見AI特訓(xùn)（3天，含7篇范例論文）

第1講 Stata基礎(chǔ)操作（3h）

1.1 Stata軟件快速入門

1.2 AI賦能Stata學(xué)習(xí)實(shí)例 2025 new

1.3 Stata菜單操作

1.4 Stata路徑設(shè)定：sysdir和adopath

1.5 Stata外部命令科學(xué)管理與更新

1.6 各類文件的合理組織：do文件、ado文件和數(shù)據(jù)文件

1.7 Stata命令與幫助文件

1.8 do文件創(chuàng)建與優(yōu)化

1.9 標(biāo)量與矩陣

第2講 數(shù)據(jù)處理與作圖（3h）

2.1 數(shù)據(jù)處理準(zhǔn)備

  2.1.1 各類數(shù)據(jù)導(dǎo)入與導(dǎo)出

  2.1.2 整理、提取和變量轉(zhuǎn)換

  2.1.3 AI輔助數(shù)據(jù)預(yù)處理 2025 new

2.2 合并、轉(zhuǎn)換與堆疊

  2.2.1 縱向與橫向數(shù)據(jù)合并

  2.2.2 數(shù)據(jù)轉(zhuǎn)換

  2.2.3 數(shù)據(jù)堆疊與面板數(shù)據(jù)構(gòu)建

  2.2.4 AI輔助合并與匹配 2025 new

2.3 數(shù)據(jù)清理

  2.3.1 單變量清理

  2.3.2 多變量清理

  2.3.3 AI自動(dòng)化數(shù)據(jù)清洗 2025 new

2.4 缺失值與補(bǔ)漏方法集成

2.5 數(shù)據(jù)清理實(shí)操

  2.5.1 主流數(shù)據(jù)庫(kù)：Wind數(shù)據(jù)轉(zhuǎn)換為Stata面板數(shù)據(jù)

  2.5.2 微觀調(diào)查類數(shù)據(jù)處理：以CFPS數(shù)據(jù)為例

2.6 Stata數(shù)據(jù)的科學(xué)圖形展示

  2.6.1 基礎(chǔ)圖形命令應(yīng)用

  2.6.2 面板數(shù)據(jù)的動(dòng)態(tài)顯示

  2.6.3 交錯(cuò)事件面板數(shù)據(jù)圖形

  2.6.4 回歸系數(shù)可視化

  2.6.5 分箱散點(diǎn)圖

  2.7 例文軟件實(shí)現(xiàn)與解讀：

① Cattaneo M D, Crump R K, Farrell M H, et al. On binscatter[J].American Economic Review, 2024,114(5): 1488-1514.

第3講 Stata程序與編程（3h）

3.1 局域暫元與全局暫元

  3.1.1 global的使用技巧

  3.1.2 local的幾種常用方法

  3.1.3 AI提升暫元應(yīng)用技能 2025 new

3.2 條件與循環(huán)語(yǔ)句

  3.2.1 巧用if嵌套語(yǔ)句

  3.2.2 循環(huán)語(yǔ)句

  3.2.3 AI輔助語(yǔ)句解讀 2025 new

3.3 程序編寫規(guī)范與語(yǔ)法解析

  3.3.1 Stata程序結(jié)構(gòu)

  3.3.2 程序參數(shù)解析

  3.3.3 程序返回值

  3.3.4 標(biāo)準(zhǔn)語(yǔ)法解析

  3.3.5 參數(shù)類型驗(yàn)證

  3.3.6 AI智能編寫Stata程序 2025 new

3.4 ado文件與hlp文件

  3.4.1 ado文件編寫規(guī)范

  3.4.2 標(biāo)準(zhǔn)文件的編寫

3.5 Stata編程示例: LM和GMM估計(jì)的代碼編程

第4講 線性回歸模型、內(nèi)生性與工具變量法（3h）

4.1 regress估計(jì)、結(jié)果解釋與邊際效應(yīng)

4.2 如何正確使用穩(wěn)健與聚類-穩(wěn)健標(biāo)準(zhǔn)誤

4.3 Wild cluster bootstrap

4.4 自變量相對(duì)重要性的Shapley分解

4.5 AI輔助識(shí)別內(nèi)生性與修正 2025 new

4.6 IV估計(jì)量：IV、2SLS和GMM

4.7 恰好與過度識(shí)別模型的IV估計(jì)

4.8 弱工具變量檢驗(yàn)

4.9 弱工具變量的穩(wěn)健推斷

4.10 IV和OLS估計(jì)系數(shù)差異分解

4.11 例文軟件實(shí)現(xiàn)與解讀：

② 尹志超等. 農(nóng)村勞動(dòng)力流動(dòng)對(duì)家庭儲(chǔ)蓄率的影響[J]. 中國(guó)工業(yè)經(jīng)濟(jì),2020.

③ Ishimaru S. Empirical decomposition of the iv-ols gap withheterogeneous and nonlinear effects[J].Review of Economics and Statistics,2024: 1-16.

第5講 因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)（IV）（3h）

5.1 中介效應(yīng)模型的現(xiàn)行做法與檢驗(yàn)

5.2 中介效應(yīng)檢驗(yàn)的反思

5.3 中介效應(yīng)分析的操作建議

5.4 中介效應(yīng)估計(jì)新命令：sgmediation2

5.5 具有工具變量的中介效應(yīng)分析

5.6 基于結(jié)構(gòu)方程模型的中介效應(yīng)分析

5.7 AI賦能中介效應(yīng)分析 2025 new

5.8 調(diào)節(jié)效應(yīng)與異質(zhì)性分析

5.9 調(diào)節(jié)效應(yīng)分析的操作建議

5.10 例文軟件實(shí)現(xiàn)與解讀：

④ 孫偉增,毛寧,蘭峰等.政策賦能、數(shù)字生態(tài)與企業(yè)數(shù)字化轉(zhuǎn)型——基于國(guó)家大數(shù)據(jù)綜合試驗(yàn)區(qū)的準(zhǔn)自然實(shí)驗(yàn)[J]. 中國(guó)工業(yè)經(jīng)濟(jì),2023.

⑤ 曹偉,綦好東,趙璨.企業(yè)金融資產(chǎn)的配置動(dòng)機(jī)：基于產(chǎn)權(quán)性質(zhì)與異質(zhì)性股東參股的分析[J].中國(guó)工業(yè)經(jīng)濟(jì),2023.

⑥ Braghieri L, Levy R, Makarin A. Social media and mental health[J].American Economic Review, 2022.

第6講 靜態(tài)面板數(shù)據(jù)模型與雙重差分法（3h）

6.1 估計(jì)量比較：混合OLS、組內(nèi)、組間與一階差分

6.2 模型選擇檢驗(yàn)：固定效應(yīng)or隨機(jī)效應(yīng)模型

6.3 面板數(shù)據(jù)內(nèi)生性與IV估計(jì)

6.4 高維固定效應(yīng)模型：reghdfe

6.5 AI輔助靜態(tài)面板數(shù)據(jù)模型估計(jì)、模型選擇與結(jié)果解釋 2025 new

6.6 政策評(píng)估兩種偏誤如何影響評(píng)估效果

6.7 雙重差分的7種估計(jì)方法

6.8 雙重差分法的平行趨勢(shì)檢驗(yàn)與安慰劑檢驗(yàn)

6.9 Stata時(shí)間-空間維度安慰劑檢驗(yàn)新命令

6.10 多期雙重差分的估計(jì)與規(guī)范作圖

6.11 三重差分估計(jì)如何檢驗(yàn)平行趨勢(shì)

6.12 例文軟件實(shí)現(xiàn)與解讀：

⑦曹清峰.國(guó)家級(jí)新區(qū)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的帶動(dòng)效應(yīng)——基于70大中城市的經(jīng)驗(yàn)證據(jù).中國(guó)工業(yè)經(jīng)濟(jì),2020.

Stata高級(jí)遇見AI特訓(xùn)（3天，含11篇范例論文）

第7講 長(zhǎng)面板與動(dòng)態(tài)面板數(shù)據(jù)模型（3h）

7.1 長(zhǎng)面板估計(jì)策略

7.2 長(zhǎng)面板估計(jì)方法選擇：穩(wěn)健 vs. 效率

7.3 組內(nèi)自相關(guān)與組間同期相關(guān)檢驗(yàn)

7.4 偏差校正LSDV估計(jì)

7.5 面板工具變量估計(jì)法

7.6 工具變量高維固定效應(yīng)面板

7.7 移動(dòng)份額工具變量法Bartik方法

7.8 動(dòng)態(tài)面板數(shù)據(jù)的差分與系統(tǒng)GMM估計(jì)

7.9 不規(guī)則時(shí)間間隔的動(dòng)態(tài)面板數(shù)據(jù)

7.10 AI賦能長(zhǎng)面板與動(dòng)態(tài)面板數(shù)據(jù)模型學(xué)習(xí)案例 2025 new

7.11 例文軟件實(shí)現(xiàn)與解讀：

① Acemoglu D, Naidu S, Restrepo P, et al. Democracy does causegrowth. Journal of political economy, 2019.

② Borusyak K, Hull P, Jaravel X. Quasi-experimental shift-shareresearch designs[J]. The Review of Economic Studies, 2022. Economic Studies,2022.

第8講 非平穩(wěn)與非線性面板數(shù)據(jù)模型（3h）

8.1 跨截面相依檢驗(yàn)

8.2 面板單位根檢驗(yàn)

8.3 面板協(xié)整檢驗(yàn)

8.4 異質(zhì)性數(shù)據(jù)的面板Granger檢驗(yàn)-xtgrangert

8.5 靜態(tài)面板門檻數(shù)據(jù)模型

8.6 具有內(nèi)生性與門限效應(yīng)的動(dòng)態(tài)面板數(shù)據(jù)模型

8.7 共同因子數(shù)量測(cè)度

8.8 具有共同相關(guān)因子的動(dòng)態(tài)面板數(shù)據(jù)模型

8.9 面板向量自回歸模型（PVAR）

8.10 AI賦能非平穩(wěn)與非線性面板數(shù)據(jù)模型學(xué)習(xí)案例 2025 new

8.11 例文軟件實(shí)現(xiàn)與解讀：

③ Ditzen J., Estimating long run effects and the exponent ofcross-sectional dependence: an update to xtdcce2, The Stata Journal,2021.xtdcce2, The Stata Journal,2021.

④ 王維國(guó),王鑫鵬.創(chuàng)新轉(zhuǎn)化效率、要素稟賦與中國(guó)經(jīng)濟(jì)增長(zhǎng)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2022.

第9講 因變量受限的面板數(shù)據(jù)模型（3h）

9.1 面板二值選擇模型

9.2 面板logit的邊際效應(yīng)與處理效應(yīng)

9.3 面板多值選擇模型

9.4 面板Tobit模型

9.5 面板計(jì)數(shù)模型：泊松與負(fù)二項(xiàng)模型

9.6 多項(xiàng)選擇面板回歸模型

9.7 高維固定效應(yīng)泊松面板模型

9.8 動(dòng)態(tài)面板Probit模型

9.9 非平衡面板的動(dòng)態(tài)面板Probit模型

9.10 AI賦能因變量受限的面板數(shù)據(jù)模型學(xué)習(xí)案例 2025 new

9.11 例文軟件實(shí)現(xiàn)與解讀：

⑤ 吳小康,于津平.科技中介與全國(guó)統(tǒng)一技術(shù)大市場(chǎng)建設(shè)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2023.

第10講 異質(zhì)性DID模型（3h）

10.1 如何在多期與處理時(shí)間變化時(shí)，選擇合適的DID估計(jì)量？

10.2 負(fù)權(quán)重的診斷：de Chaisemartin and D’Haultfoeuille 分解

10.3 禁止比較組的診斷：Bacon分解

10.4 組別-時(shí)期平均處理效應(yīng)估計(jì)：csdid和did_multiplegt

10.5 插補(bǔ)估計(jì)量：did_imputation

10.6 堆疊回歸估計(jì)量：stackedev

10.7 通過TWFE的事件研究：event study interact與jwdid

10.8 Stata官方異質(zhì)性雙重差分命令：xthdidregress

10.9 放松或允許平行趨勢(shì)假設(shè)被違反

10.10 穩(wěn)健性推論和敏感性分析

10.11 異質(zhì)性處理效應(yīng)應(yīng)用建議

10.12 AI賦能異質(zhì)性DID模型學(xué)習(xí)案例 2025 new

10.13 例文軟件實(shí)現(xiàn)與解讀：

⑥ De Chaisemartin C, d’Haultfoeuille X.Two-way fixed effects and differences-in-differences with heterogeneoustreatment effects: A survey[J]. The Econometrics Journal, 2023.

⑦ Roth J, Sant’Anna P H C, Bilinski A, et al.What’s trending in difference-in-differences? Asynthesis of the recent econometrics literature, Journal of Econometrics, 2023.

⑧ 余長(zhǎng)林,馬青山.特高壓輸電與區(qū)域經(jīng)濟(jì)發(fā)展——來自特高壓工程的經(jīng)驗(yàn)證據(jù)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2023.

第11講 斷點(diǎn)回歸與合成控制（3h）

11.1 精確斷點(diǎn)回歸

11.2 斷點(diǎn)回歸的檢驗(yàn)（連續(xù)性檢驗(yàn)、安慰劑檢驗(yàn)）

11.3 模糊斷點(diǎn)估計(jì)

11.4 多斷點(diǎn)回歸

11.5 斷點(diǎn)回歸（RDD）與扭點(diǎn)回歸（RKD）的最優(yōu)模型選擇

11.6 合成控制法

11.7 非參數(shù)合成控制法

11.8 合成控制與合成雙重差分的比較

11.9 AI賦能斷點(diǎn)回歸與合成控制學(xué)習(xí)案例 2025 new

11.10 例文軟件實(shí)現(xiàn)與解讀：

⑨ Cattaneo M D, Idrobo N, Titiunik R. A Practical Introduction toRegression Discontinuity Designs: Extensions[M]. Cambridge University Press,2024. Extensions[M]. Cambridge University Press, 2024.

⑩ Clarke, D Pailañir, S. Athey and G. Imbens. SyntheticDifference-in-Differences Estimation. IZA Discussion Paper, 2023. DiscussionPaper, 2023.

第12講 Lasso在預(yù)測(cè)與推斷中的應(yīng)用（3h）

12.1 變量選擇與交叉驗(yàn)證

12.2 收縮法：ridge, Lasso, elasticnet

12.3 Lasso用于預(yù)測(cè)

12.4 Lasso用于推斷

12.4.1 變量選擇與系數(shù)估計(jì)

12.4.2 獲得標(biāo)準(zhǔn)誤

12.5 不同結(jié)果變量的Lssso推斷命令

12.5.1 連續(xù)結(jié)果變量

12.5.2 兩元選擇結(jié)果變量

12.5.3 計(jì)數(shù)結(jié)果變量

12.6 系數(shù)解釋：邊際效應(yīng)、對(duì)比、獲勝率、發(fā)生率

12.7 實(shí)例：探討母親教育和吸煙習(xí)慣對(duì)出生體重的影響

12.8 AI輔助Lasso在預(yù)測(cè)與因果推斷中的應(yīng)用 2025 new

12.9 擴(kuò)展Lasso模型

12.9.1 adaptive Lasso

12.9.2 ivlasso

12.9.3 pdslass

12.9.4 dslasso

12.10 例文軟件實(shí)現(xiàn)與解讀：

⑪ Ahrens A, Hansen C B, Schaffer M E. lasso pack: Model selection andprediction with regularized regression in Stata[J]. The Stata Journal, 2020,20(1): 176-235. regression in Stata[J]. The Stata Journal, 2020, 20(1):176-235.

名師精品課程，為您的學(xué)習(xí)鋪平道路并實(shí)現(xiàn)超車：

1. 強(qiáng)調(diào)實(shí)操和軟件應(yīng)用一直是我們課程的核心優(yōu)勢(shì)和受到廣泛贊譽(yù)的特點(diǎn)。

2. 我們的課程注重理論與實(shí)踐的結(jié)合，課程體系經(jīng)過反復(fù)打磨和市場(chǎng)驗(yàn)證迭代，即使是零基礎(chǔ)的學(xué)員也能輕松掌握Stata軟件的使用！

3. 我們的課程不僅重視理論，也重視軟件操作，提供完整的do文件、數(shù)據(jù)集、講義和資料等，確保學(xué)習(xí)效果！

4. 即使是初學(xué)者也能輕松學(xué)會(huì)的計(jì)量經(jīng)濟(jì)學(xué)課程，我們提供原理講解、操作指導(dǎo)、論文分析以及前沿應(yīng)用的綜合教學(xué)。

5. 本次新增6小時(shí)Stata先導(dǎo)課，為寒假的Stata學(xué)習(xí)打好基礎(chǔ)。

全方位的服務(wù)支持，確保每位學(xué)員都能學(xué)有所獲！

1. 構(gòu)建了完善的知識(shí)架構(gòu)。課程內(nèi)容詳盡，學(xué)習(xí)路徑清晰，讓您的學(xué)習(xí)成長(zhǎng)更加安心；

2. 采用綜合教學(xué)方法，課程內(nèi)容涵蓋理論講解、軟件操作、論文應(yīng)用、結(jié)果解讀和答疑解惑，全方位指導(dǎo)每一位參加的學(xué)員掌握Stata軟件操作與案例分析；

3. 提供全程答疑服務(wù)。您在學(xué)習(xí)過程中遇到任何疑問，都可以隨時(shí)與老師溝通，獲得解答；

4. 從零開始，注重理論與實(shí)踐的結(jié)合，通過手把手教學(xué)，即使是初學(xué)者也能輕松學(xué)會(huì)計(jì)量經(jīng)濟(jì)學(xué)；

5. 可以免費(fèi)獲取課程講義、數(shù)據(jù)文件、do文檔以及參考文獻(xiàn)的PDF格式；

6. 課程還提供免費(fèi)的視頻教程和全套學(xué)習(xí)資料（包括do文檔、數(shù)據(jù)、講義和參考文獻(xiàn)等）。

學(xué)習(xí)目標(biāo)：

1. 精通計(jì)量經(jīng)濟(jì)學(xué)和Stata軟件操作，能夠獨(dú)立使用Stata處理復(fù)雜的數(shù)據(jù)任務(wù)，并靈活運(yùn)用Stata軟件進(jìn)行學(xué)術(shù)寫作；

2. 掌握各類計(jì)量模型的理論基礎(chǔ)、構(gòu)建思路和實(shí)施方法，從原始數(shù)據(jù)的獲取、整理、管理到Stata的具體操作，全面提升實(shí)證研究能力；

3. 完成本課程后，將能夠更加輕松地理解學(xué)術(shù)期刊上的論文，并能夠依據(jù)所學(xué)的計(jì)量模型和方法，獨(dú)立構(gòu)建計(jì)量經(jīng)濟(jì)學(xué)模型及進(jìn)行實(shí)證分析；

4. 掌握面板數(shù)據(jù)分析和因果推斷的高級(jí)方法及其在Stata中的實(shí)現(xiàn)，以提高在核心學(xué)術(shù)期刊上發(fā)表論文的能力；

5. 通過一次系統(tǒng)的學(xué)習(xí)，不止可以了解目前的學(xué)術(shù)前沿先人一步，還可以掌握AI如何在實(shí)證研究中實(shí)現(xiàn)高效輔助。

課程咨詢及報(bào)名：

尹老師

電話：13321178792

QQ：42884447

WeChat：JGxueshu

掃碼加我 拉你入群

請(qǐng)注明：姓名-公司-職位

以便審核進(jìn)群資格，未注明則拒絕

分享0 收藏0 回帖

關(guān)鍵詞：Stata tata econometrics fixed effect Experimental

2025年寒假Stata 課程專為希望在數(shù)據(jù)  分析和計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域精進(jìn)技能的學(xué)員設(shè)計(jì)，課程聚焦Stata 軟件在學(xué)術(shù)研究和實(shí)務(wù)操作中的強(qiáng)大應(yīng)用，致力于提升學(xué)員的數(shù)據(jù)管理和模型構(gòu)建能力。

本課程提供完整的代碼、配套數(shù)據(jù)和案例解析，分為初級(jí)和高級(jí)兩個(gè)層次，逐步帶領(lǐng)學(xué)員從 Stata 的基礎(chǔ)操作到高階分析，掌握廣泛應(yīng)用于經(jīng)濟(jì)、金融、管理等多個(gè)領(lǐng)域的前沿分析技術(shù)。

在課程內(nèi)容上，我們結(jié)合當(dāng)前的研究熱點(diǎn)，涵蓋了從數(shù)據(jù)預(yù)處理、可視化到線性回歸、工具變量、面板數(shù)據(jù)模型（靜態(tài)和動(dòng)態(tài)）、雙重差分、斷點(diǎn)回歸、合成控制、機(jī)器學(xué)習(xí)與因果推斷等多種常用的計(jì)量分析方法，力求讓學(xué)員掌握多元化的模型選擇和分析策略。特別值得關(guān)注的是，課程全面引入 AI 輔助技術(shù)，幫助學(xué)員高效完成數(shù)據(jù)清洗、變量選擇、模型優(yōu)化等繁瑣任務(wù)。AI 的引入不僅提升了學(xué)習(xí)效率，更幫助學(xué)員掌握數(shù)據(jù)分析的自動(dòng)化與智能化技能。

在初級(jí)課程中，學(xué)員將系統(tǒng)學(xué)習(xí) Stata 的基礎(chǔ)操作，掌握數(shù)據(jù)導(dǎo)入、數(shù)據(jù)清理、繪圖等常用技能，為后續(xù)的數(shù)據(jù)分析奠定堅(jiān)實(shí)基礎(chǔ)。同時(shí)，課程詳細(xì)講解了 Stata 在經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)模型（如線性回歸、工具變量法和面板數(shù)據(jù)模型）中的應(yīng)用，包括基于 AI 的模型實(shí)現(xiàn)和結(jié)果解讀，幫助學(xué)員高效掌握從變量邊際效應(yīng)到弱工具變量檢驗(yàn)等關(guān)鍵技能。

高級(jí)課程則專注于前沿計(jì)量模型和因果推斷方法，重點(diǎn)講授面板模型的最新發(fā)展（如非平穩(wěn)、動(dòng)態(tài)和非線性面板數(shù)據(jù)模型）、因果推斷效應(yīng)（異質(zhì)性雙重差分、斷點(diǎn)回歸和合成控制法）以及復(fù)雜異質(zhì)性處理效應(yīng)等前沿方法。AI 在高級(jí)課程中的應(yīng)用更為突出，包括自動(dòng)化高維面板數(shù)據(jù)模型估計(jì)、模型選擇和動(dòng)態(tài)效果分解等，幫助學(xué)員快速適應(yīng)計(jì)量經(jīng)濟(jì)學(xué)和數(shù)據(jù)科學(xué)的最新趨勢(shì)。通過深入學(xué)習(xí)，學(xué)員不僅能理解模型背后的理論，還將具備直接應(yīng)用于學(xué)術(shù)論文撰寫和復(fù)雜數(shù)據(jù)項(xiàng)目分析的能力。

課程面向Stata初學(xué)者、具有一定計(jì)量分析基礎(chǔ)的學(xué)員以及希望掌握最新 Stata 工具和技術(shù)的學(xué)者。無論是學(xué)術(shù)研究、政策分析還是行業(yè)數(shù)據(jù)研究，課程都將為學(xué)員提供強(qiáng)大支持，并通過 AI 輔助工具提升分析效率，讓學(xué)員從繁雜的數(shù)據(jù)處理中解放出來，專注于模型構(gòu)建和結(jié)果分析。

社會(huì)科學(xué)、經(jīng)濟(jì)管理、公共政策、教育學(xué)、醫(yī)學(xué)統(tǒng)計(jì)等領(lǐng)域的學(xué)術(shù)研究人員和行業(yè)從業(yè)者，適合高校教師、科研院所研究員、在校博碩士研究生、優(yōu)秀本科生、數(shù)據(jù)分析師、ZF部門統(tǒng)計(jì)人員及需要使用 Stata 進(jìn)行數(shù)據(jù)分析和計(jì)量研究的各類專業(yè)人士均適用~

2025年寒假stata初高級(jí)特訓(xùn)班，全面引入AI輔助技術(shù)，更專注模型構(gòu)建與結(jié)果分析。
幫助大家快速提升學(xué)習(xí)效率和降低學(xué)習(xí)難度。

全方位的服務(wù)支持為您的學(xué)習(xí)保駕護(hù)航：

1. 構(gòu)建了完善的知識(shí)架構(gòu)。課程內(nèi)容詳盡，學(xué)習(xí)路徑清晰，讓您的學(xué)習(xí)成長(zhǎng)更加安心；

2. 采用綜合教學(xué)方法，課程內(nèi)容涵蓋理論講解、軟件操作、論文應(yīng)用、結(jié)果解讀和答疑解惑，全方位指導(dǎo)每一位參加的學(xué)員掌握Stata軟件操作與案例分析；

3. 提供全程答疑服務(wù)。您在學(xué)習(xí)過程中遇到任何疑問，都可以隨時(shí)與老師溝通，獲得解答；

4. 從零開始，注重理論與實(shí)踐的結(jié)合，通過手把手教學(xué)，即使是初學(xué)者也能輕松學(xué)會(huì)計(jì)量經(jīng)濟(jì)學(xué)；

5. 可以免費(fèi)獲取課程講義、數(shù)據(jù)文件、do文檔以及參考文獻(xiàn)的PDF格式；

6. 課程還提供免費(fèi)的視頻教程和全套學(xué)習(xí)資料（包括do文檔、數(shù)據(jù)、講義和參考文獻(xiàn)等）。

謝謝分享！

學(xué)習(xí)學(xué)習(xí)