课程概览

A. 课程概要

• 报名链接 ：https://www.wjx.top/vm/mBsWTxB.aspx#
• 时间 ：2024 年 7 月 14-25 日
• 方式 ：网络直播 + 长时回放
• 授课教师 ：候丹丹（预备班）|| 连玉君 (初级+高级) || 张宏亮 (论文班)
• PDF课纲 ：https://file.lianxh.cn/KC/lianxh_PX.pdf
• 课程主页 ：https://www.lianxh.cn/PX.html
• 往期答疑和板书 ：https://gitee.com/arlionn/PX/wikis
• 授课安排
• 授课方式 ：幻灯片+Stata17 实操演示，全程电子板书+Stata 演示截图，课后以 PDF 形式分享给学员
• 授课时间 ：上午 9:00-12:00，下午 14:30-17:30 (17:30-18:00 答疑)。
• 全程答疑 ：由 10 位经验丰富的同学组成的助教团队会在课程群中全程答疑，并对答疑接龙文档进行详细的记录和分类，公布于 课程主页。

B. 授课教师简介

• 预备班 ： 候丹丹 ，2024 年 7 月 14 日
• 初级班 ： 连玉君 ，2024 年 7 月 15-17 日
• 高级班 ： 连玉君 ，2024 年 7 月 19-21 日
• 论文班 ： 张宏亮 ，2024 年 7 月 23-25 日

连玉君 ，西安交通大学经济学博士，中山大学岭南学院副教授，博士生导师。已在《China Economic Review》、《Stata Journal》、《经济研究》、《管理世界》、《经济学(季刊)》、《金融研究》、《统计研究》等期刊发表论文 60 余篇。目前已完成 Panel VAR、Panel Threshold、Two-tier Stochastic Frontier 等计量模型的 Stata 实现程序，并编写过几十个小程序，如 lianxh , ihelp , sftt , winsor2 , xtbalance , bdiff , ua 等。连玉君老师团队一直积极分享 Stata 应用中的经验，开设了 连享会-博客，连享会-知乎 等专栏，已在微信公众号 ( 连享会（ID: lianxh_cn） ) 分享推文 1000 余篇，各平台阅读量逾 3000 万人次。

张宏亮 ，美国麻省理工学院（MIT）博士，浙江大学经济学院新百人计划研究员，博士生导师。主要从事经济学微观实证研究，尤其偏爱因果推断方法在劳动经济学、公共经济学、发展经济学、城市经济学等领域的应用。研究成果见诸 International Economic Review ( IER ), Journal of European Economic Association ( JEEA ), Journal of Public Economics ( JPubE ), Journal of Development Economics ( JDE , 2 篇), Journal of Urban Economics ( JUE ) 等专业领域顶级期刊。

候丹丹 ，山西财经大学博士，研究方向为产业经济学。多次担任连享会课程助教，熟悉学员的需求和常见问题；曾连续三年主讲连享会公开课「Stata 软件及计量基础」，受众超过 2000 人次。候老师讲课思路清晰、内容详实，得到了学员们的一致好评。

C. 课程特色

本次暑期班有如下几个特色：

1. 增设了「预备班」，讲解 Stata 基础知识和数据处理。该课程向参加本次暑期班课程的所有学员免费开放，并提供长时回放，以帮助大家打下牢固的基础。
2. 高级班的授课内容是通过 网络投票方式，从 15 个备选主题中选出的，最终确定了票数最高的 5 个主题。每个主题中都更新了 2-3 篇最具代表性的 Top 期刊文献，以便在具体的研究背景下讲解各种计量模型和检验方法。
3. 论文班由浙江大学张宏亮老师讲授。张老师博士毕业于 MIT，得益于 MIT 严格训练和活跃的学术讨论，他对选题、研究设计等问题有深刻的见解。本次论文班讲解的多数论文都是张老师自己的论文。他将从作者视角解读学术论文写作的一些重要环节。

✨ 0. 预备班

• 时间 ：2024 年 7 月 14 日 (一天)
• 方式 ：网络直播 + 60 天回放
• 授课嘉宾 ：候丹丹 (山西财经大学)

报名此次暑期班所有班次的学员都可以在正式开课前免费参加「预备班 (1 天)」，以便掌握 Stata 的基本设定和常用命令，提高后续课程的学习效率。

主要内容如下：

• T1. Stata 基础： Stata 安装、语法格式、路径设定、profile 文档设定、命令的基本语法、获取帮助、安装外部命令等。
• T2. Stata 数据处理： 数据导入/导出；变量的创建和修改；数据合并和纵横变换；离群值和重复值的处理等。

✨ 1. 初级班

• 时间 ：2024 年 7 月 15-17 日 (三天)
• 方式 ：网络直播 + 30 天回放
• 授课嘉宾 ：连玉君 (中山大学)
• 课程详情 ：https://www.lianxh.cn/PX.html
• 板书和答疑 ：https://gitee.com/arlionn/PX/wikis
• PDF 课纲 ：https://file.lianxh.cn/KC/lianxh_PX.pdf
• 预读资料 ：https://www.jianguoyun.com/p/DW-FbjAQtKiFCBjpndIFIAA
• 报名链接 ：https://www.wjx.top/vm/mBsWTxB.aspx#
• 温馨提示： 文中链接在微信中无法生效。请点击底部 「阅读原文」 。
  

1.1 课程导引

实证分析中，最伤神和耗时的事情莫过于研究设计和数据处理。在以往的授课中，有不少学员在听完了高级班后，又返回头来参加初级班。大家的感触是：若没有扎实的基础，以及对计量和 Stata 整体架构的认识，后续的学习进度总感觉力不从心，进展缓慢。

在初级班中，我力求将三天的课程设置成一个比较完整的体系，目的有二：

其一，希望大家经过几天的学习（尚需另外花费 1-2 个月演练吸收），能掌握基本的统计和计量分析方法，能理解多数期刊论文中使用的分析方法；

其二，希望诸位能建立起 Stata 的基本架构，熟知 Stata 能做什么、如何做？以便为后续学习打下宽厚扎实的基础。

翻阅 Top 期刊上的论文，文中的方法我们似乎都会。细细想来，原因在于这些论文的想法或视角通常都比较独特，并使用了恰当的方法来论证。这里的关键在于研究设计，而这在目前的计量教科书中却鲜有涉及。为此，本次研讨班突出两个特点：一方面，我会努力把基础知识讲解透彻，进度上不求快；另一方面，我在每个专题中都会提供了 2-3 篇比较经典的论文，展示这些方法的合理应用。

在 内容安排 上，基本上遵循了由浅入深，循序渐进的原则。

A0-A1 讲 依序介绍 Stata 的基本用法、数据处理、程序编写和可视化分析，学习这些内容无需太多的计量经济学基础，但对于提高实证分析能力和分析效率，大有裨益。本讲中，我会以一篇文章为实例，说明 Stata 的基本语法结构，并对数据处理过程中的关键问题进行介绍，如离群值的处理、文字变量的处理等。就我个人的经验而言，数据处理能力的高低直接决定实证分析的效率，而对于离群值等问题的处理是否妥善会直接影响全文结果的稳健性，是多数人不够重视但却至关重要的问题。此前有不少学完了高级班的同学又回炉初级班，便是感悟到了这一点。

但凡提及写程序，很多人都会产生恐惧心理，其实，一旦掌握了最基本的原理和语法格式，Stata 中的程序设定并没有想象的那么困难。更为重要的是，对于多数人而言，由于并不需要写完整的 ado 文档，因此只需要学会最基本的条件语句和循环语句即可，难度又会进一步降低。一旦掌握了基本的编程知识和理念，你的实证分析便开始进入「快车道」了。

A2 讲介绍实证分析中的各种可视化呈现方法。学习本讲的目的有二：其一，在实证研究过程中，借助各种密度函数图、散点图、柱状图，可以让我们对变量的分布、关系有更为直观地理解，有助于加深对隐藏在数据背后的规律，长期积累下来会逐渐形成直觉；其二，目前主流期刊越来越强调结果呈现的可读性和直观性，各种可视化工具也应运而生，最为典型的是，多期 DID、RDD、Bunching、合成控制法等因果推断方法，以及稳健性检验、敏感性分析、安慰剂检验等都会借助图形来直观呈现高密度信息。

A3-A4 介绍文献中使用频率最高的线性回归模型，包括 OLS 的原理、结果的解释，以及虚拟变量和交乘项的使用等。对于这些内容的深刻理解和熟练掌握，构成了后续，多种主流实证模型的基础，例如，目前文献中广泛使用的固定效应模型 (FE)，倍分法 (DID)，断点回归设计 (RDD) 等方法，本质上就是在传统的线性模型基础上，增加一些虚拟变量或交乘项，配合巧妙的研究设计，来实现对不可观测的个体效应的控制，以及对政策效应的估计。

很多人会觉得 OLS 很简单，但 Top 期刊中使用最多的仍然是 OLS，如何合理的构建模型、解释结果便成为实证分析中必须掌握的。我精选了大家经常面临的几个专题并结合论文进行讲解，包括：虚拟变量的使用、交乘项的使用和解释、分组回归的合理设定和假设检验。我会重点强调对条件期望函数和 FWL 定理的解读，这构成了理解因果模型、面板模型以及机器学习中多种方法的基础。首经贸的一个博士生发信息给我：「连老师，我发现只要把你初级里面的虚拟变量相关的知识完全掌握，很多复杂的方法就都好理解了，甚至可以自己解决问题。」，我的回复是：「那看来你是把相关的东西基本搞明白了，我每次上初级班的时候会花很多时间讲虚拟变量和交乘项，这构成了双重差分、断点回归、时间中断分析、面板数据模型等一系列模型的重要基础。」

A5 介绍固定效应模型 (FE)，涉及基本的 FE，TWFE 模型和进阶的高维固定效应模型、交互固定效应，以及长差分模型。在讲解这些模型的基本思想和估计方法的过程中，我会将重点放在模型含义、使用场景和条件上来。例如，对于同一笔数据而言，何时采用 OLS 进行估计，何时采用 FE 估计？不同的方法之间有何差异和关联？结果背后的经济含义如何解读？掌握这些方法有助于大家合理控制内生性问题，以便得到更为可信的结论。更为重要的是，本讲介绍的 高维固定效应 、 交互固定效应 是理解各类面板因果推断模型 (如 DID，回归控制法等) 的基础，也是进一步学习动态面板、面板 VAR 等模型的基础。

A6 会拆解一篇发表于 QJE 的论文。该文基本上涵盖了前几讲中的主要内容。我们可以尝试用新的方法来研究文中涉及的问题。在此过程中，既能巩固对现有模型和方法的理解，也能够对比后续文献来确定新的研究主题。

1.2 专题介绍（初级班）

A0. Stata 简介和数据处理

• 实证分析的基本流程和编程习惯
• 数据的导入/导出、转换及合并
• 离群值、文字变量的处理
• 基本统计分析
• do文档、帮助文件和外部命令
• 一篇范例文档
• Note: 本讲内容与「预备班」有所重叠，我会做一些补充和扩展讲解，但会完整课件以备大家课后研读。大家也可以预先观看「连玉君-Stata 33 讲」公开课。

A1. Stata 程序

• Stata 程序的基本架构和调用
• 局域暂元和全局暂元（local, global）
• 控制语句（条件语句、循环语句）
• 返回值
• Stata 中的各类函数
• Matrix 和 Mata

A2. 实证分析可视化

• 为什么要可视化？
• Stata 绘图命令的架构
• 直方图与密度函数图： histogram , kdensity , biplot
• 分仓散点图： binscatter ， binscatter2
• 系数及系数差异的可视化呈现： coefplot
• 调节效应、倒 U 型关系及边际效应的可视化
• 面板数据、多个控制变量、高维固定效应模型的可视化
• 长期与短期关系的可视化
• 范文：2 篇

A3. 线性回归分析

• 条件期望函数：OLS, MLE 与 MM 的关系
• 线性概率模型
• OLS 估计和系数含义
• FWL 定理 (Frisch-Waugh-Lovell)
• 假设检验和统计推断
• 稳健性标准误：Bootstrap、Jackknife、聚类调整
• 结果输出与呈现

A4. 模型设定和解释

• 控制变量：选取、含义、可视化
• 变量缩放
• 取对数：弹性与半弹性
• 虚拟变量与固定效应
• 交乘项、平方项、高阶项与调节效应
• 因子变量与边际效应分析
• DID, RDD 与 RKD

A5. 静态面板数据模型

• 何谓个体效应？FE v.s. RE
• 高维固定效应模型
• 长差分 (long difference)
• 异方差和序列相关（Bootstrap、Cluster 调整标准误）
• 面板模型中的非时变变量和宏观变量如何分析?
• 实证分析中的常见问题
• 参考文献
• Cameron, C. A., D. L. Miller, 2015 , A practitioner’s guide to cluster-robust inference, Journal of Human Resources , 50 (2): 317-372. -Link-, -PDF-
• Correia, S. 2016 . reghdfe , Linear Models with High-Dimensional Fixed Effects: An Efficient and Feasible Estimator. Working Paper. -PDF-, Examples

A6. 一篇 Top 期刊论文重现

• Akcigit, U., J. Grigsby, T. Nicholas, S. Stantcheva, 2022 , Taxation and innovation in the twentieth century, The Quarterly Journal of Economics , 137 (1): 329-385. -Link-, -PDF-, -Appendix-, -cited-, -Replication-
• 简介 ：文章研究了美国公司税和个人税对创新的影响。作者将发明人数据库、公司税率数据库，以及州级个人所得税和其他经济数据关联起来，从宏观和微观两个层面估计了税收对创新 (数量、质量、发生地等) 的影响。文中采用了多种识别策略，得到了非常一致的结论：(1) 高税率对创新的数量和发生地具有负面影响，但不会影响平均创新质量；(2) 州级层面的「税收-创新产出」弹性很大；(3) 公司税主要影响受雇发明者 (相对于自由职业者) 的创新产出和跨州流动性；而个人所得税则会对整体创新数量和发明人的流动性产生影响。
• 方法：
• 高维固定效应、长差分、交互固定效应
• 实证结果可视化：分仓散点图、长期效应
• 交乘项
• Note: 我只挑选一些与 A1-A5 相关的内容来讲解。

A7. 自行研读-提供复现数据和代码

• Sherman M G, Tookes H E. Female representation in the academic finance profession. Journal of Finance , 2022, 77(1): 317-365. -Link-, -cited-, -PDF-, -Replication-
• 该文研究了金融学术圈中的性别失衡现象。2009-2017 年，美国排名前 100 的商学院中的金融教师中，女性仅占 16.0%。性别失衡表现在几个方面：其一，在控制了研究能力后，更多的女性在排名较低的机构中任职，晋升为正教授的可行性相对较低，伴以薪酬较低。其二，女性发表的论文数量较少，但质量上不存在差异。其三，女性多与同性合作，表明她们的社会关系网较小。时间序列数据表明，上述性别差距正在缩小。
• 该文没有使用任何复杂的回归方法，仅使用了固定效应模型。但在统计分析和结果可视化方面做了很多工作，是 Stata 入门学习的绝佳范本。
• 方法：
• 各种统计分析，列表和图形呈现： egen , foreach
• OLS, 高维固定效应模型, 交乘项, 因子变量： reghdfe
• 结果可视化： coefplot
• 结果输出： estadd , estout , esttab ,

最后的话

需要特别强调的是，自我提升从来都不是件轻松的事情。因此，在开课之前，大家务必认真研读每一篇论文，了解其研究背景、研究思路、计量方法和主要结论，带着问题听课。同时，也建议大家在开课前务必掌握文献的检索方法，学会使用文献管理和笔记工具，以便追踪每篇论文的后续进展，发掘新的研究主题。

2. 报名和缴费信息

• 主办方 ：太原君泉教育咨询有限公司