在计量与Stata的世界里乘风破浪：记陈强老师的2021高级计量及Stata五一现场班 / 四六文摘

无论你是20+, 30+, 40+, 还是50+, 保持年轻的一种重要方法就是不断地挑战自我，学习新知识，包括学习新的计量知识。
-- 陈强老师于2021年五四青年节

2021年5月1日，碧空如洗，春风如浴，近150名学子齐聚北京，慕名参加山东大学陈强教授的高级计量经济学及Stata现场班。这些学员来自全国不同高校与科研机构，专业分布则遍及经管、社科、医药卫生等各学科。整整五天，学员们如饥似渴地聆听陈强教授分享高级计量经济学的精髓与前沿，然后满载而归。

图1. 近150位参班学员认真听课

5月1日上午，陈强教授开场即感慨，“每次开始讲计量课之前，我都很激动。感觉各位非常幸运，虽然失去了五一节的假期，不能游山玩水，但获得的却是计量与Stata的知识盛宴。希望大家都能心无旁骛，闭关学习，获得质的飞跃”。陈老师随后将计量经济学的精髓知识，由浅入深，如数家珍，娓娓道来，丝丝入扣，环环相连，再结合Stata实战与经典案例，不时让学员们豁然开朗，感受顿悟的喜悦。

图2. 授课ing

不妨先来看看，此次“高级计量经济学及Stata”现场班的内容简介与课程大纲：

在原有现场班班精彩内容基础上(含合成控制法、断点回归、拐点回归等等)，本次五天高级现场班又增加了不少全新的前沿内容，包括交互固定效应、回归控制法、分位数回归、控制函数法、局部平均处理效应、异质性双向固定效应、粗糙化精确匹配等。5月1日-5日，直指人心，登堂入室，运用之妙，存乎一心。士别五日，或当刮目相待，Now or Never！

课纲概览

第一讲，OLS及其标准误

着重介绍小样本与大样本OLS，以及相应的普通标准误、异方差稳健标准误、异方差自相关稳健标准误、聚类稳健标准误、自助标准误（bootstrap standard errors）。深切理解OLS的原理与适用条件，是一切计量原理的基础。OLS拓展主题：虚拟变量、交互项、核心变量与控制变量的区别（控制变量的内生性）。

案例：改革开放的结构变动；红薯与旱灾的交互项；校外学习机会的代理变量。

第二讲，Stata快速入门

及时地介绍Stata知识，以OLS在Stata的实现作为入门，体会Stata的简单与强大。
案例：美国电力企业的规模效应；冰淇淋的需求。

第三讲，工具变量法

由于双向因果、遗漏变量、度量误差的普遍存在，内生性是实证研究的常见难题，而工具变量法是解决内生性的利器，包括2SLS、GMM、近乎外生的IV、控制函数法（Control Function）。

案例：殖民者死亡率与制度；出生季度与教育年限；经济增长与非洲内战；国企改革的作用；警察与犯罪率；看电视与小儿自闭症；美国年轻男子的教育回报。

第四讲，二值选择模型

被解释变量为虚拟变量的二值选择模型有着广泛的应用。包括Probit，Logit，MLE，QMLE，ivprobit，二元Probit，以及二值选择模型中的交互效应等。
案例：美国妇女的就业。

第五讲，静态面板

面板数据由于能控制个体异质性（heterogeneity），缓解遗漏变量偏差，在实践中越来越重要。静态面板是最常见的面板，包括固定效应、随机效应、时间效应、双向固定效应、个体时间趋势、交互固定效应（interactive fixed effects）等。
案例：美国交通死亡率，nlswork数据。

第六讲，动态面板

经济现象常具有某种惯性或部分调整，即被解释变量的滞后值出现在方程右边。动态面板也因为可自带工具变量而应用广泛。包括面板工具变量法（Panel IV）、差分GMM、水平GMM与系统GMM等。
案例：美国工人的工资决定。

第七讲，非参数与半参数估计

非参与半参方法（Nonparametric and Semiparametric Estimations）由于其稳健性而日益进入标准的计量工具箱，包括核密度估计、非参数回归与半参数回归等。
案例：交互效应的设定误差；摩托车撞击实验；美国电力企业的规模效应。

第八讲，随机实验与自然实验

实验方法因其可信度而日益兴起，包括随机实验、第一类与第二类自然实验。
案例：劳动力市场的三个经典田野实验；最低工资立法与劳动力需求；越战老兵的长期收入。

第九讲，双重差分法（Difference in Differences）

双重差分法（Difference-in-Differences）利用面板数据的优势，可克服部分内生性，是研究政策或项目处理效应（treatment effects）的主要工具。包括双重差分法、平行趋势假设、多期异时DID、广义DID、三重差分法等。
案例：伦敦霍乱的自然实验；大萧条货币政策与银行数量；最低工资立法与劳动力需求；银行管制放松与收入分配（Big Bad Banks）；茶叶价格与性别比例；废除科举与革命起义；人工智能与国际贸易。

第十讲，匹配估计量（Matching Estimators）

基于反事实的框架，根据个体进入处理组的概率（即倾向得分）寻找最佳替身进行匹配估计，这是研究处理效应的一种深邃思想与方法。包括倾向得分匹配（Propensity Score Matching）、偏差校正的马氏匹配（Bias-corrected Mahalanobis Matching）、粗糙化精确匹配（Coarsen Exact Matching）、双重差分倾向得分匹配（PSM-DID）等。

案例：就业培训的处理效应；最低工资立法与劳动力需求。

第十一讲，断点回归（Regression Discontinuity Design）与拐点回归（Regression Kink Design）

由于在断点附近存在局部随机分组，故断点回归的效力接近于随机实验，日益为研究者所青睐。内容包括精确断点回归、模糊断点回归、密度（操纵）检验、稳健性检验、拐点回归等。
案例：淮河以北冬季燃煤取暖与人均寿命；扶贫政策的效应；买房落户与户口价值；美国参议院选举的在位者优势；奖学金与大学入学；失业保险与失业期限。

第十二讲，合成控制法（Synthetic Control Method）

在评价某处理地区的政策效应时，将控制地区进行最优的线性组合，以构造合成控制地区进行对比，这是估计处理效应的新兴强大方法。包括合成控制法的原理、算法、安慰剂检验、稳健性检验等。
案例：西班牙巴斯克地区恐怖活动的经济后果；加州控烟法的成效。

第十三讲，回归控制法（Regression Control Method）

与合成控制法类似，但使用回归法来构造合成控制地区（Hsiao et al., 2012），比合成控制法更为简单易行。
案例：中国香港回归以及与中国内陆经济整合的效应；四万亿经济刺激的效应；上海与重庆房产税试点的效应。

第十四讲，异质性处理效应（Heterogeneous Treatment Effects）

本讲包括异质性工具变量法的局部平均处理效应（LocalAverage Treatment Effect，简记LATE），以及双向固定效应模型的异质性处理效应（de Chaisemartin and D'Haultfoeuille, 2020）、模糊双重差分法（fuzzy DID）等。
案例：就业培训项目的不完全遵守（imperfect compliance）；越战老兵的长期收入；报纸数量与大选投票率。

第十五讲，分位数回归

线性回归只是研究在给定X的情况下，Y的条件期望E(Y|X)；而分位数回归（Quantile Regression）则可研究在给定X的情况下，Y的整个条件分布Y|X，从而揭示更多重要信息。内容包括分位数回归、分位数处理效应、工具变量法、面板数据的分位数回归、分位数控制法（quantile control method）等。

案例：恩格尔的食品开支数据；美国年轻男子的教育回报；距大学远近与教育回报；美国交通死亡率。