代码拉取完成，页面将自动刷新
同步操作将从 连享会/FAQs 强制同步，此操作会覆盖自 Fork 仓库以来所做的任何修改，且无法恢复！！！
确定后同步将在后台操作，完成时将刷新页面，请耐心等待。
👉 常见问题解答和每日 ${\color{red}{FAQs}}$ 在这里 【Wiki】
🍏 点击右上角【Fork】按钮，把本仓库复制到你的码云页面下。
Update:
2021.5.29，👉 点击查看 PDF 课程大纲
时间： 2021 年 7 月 20 日-7 月 30 日
方式： 网络直播
授课教师： 连玉君 (初级+高级) || 江艇 (论文班)
报名链接： http://junquan18903405450.mikecrm.com/kILLnGa
课程主页： https://gitee.com/arlionn/PX
Note: 预习资料、常见问题解答等都将通过该主页发布。
初级班：7 月 20-22 日 (三天), 网络直播 + 5 天回放
高级班：7 月 24-26 日 (三天), 网络直播 + 5 天回放
论文班：7 月 28-30 日 (三天), 网络直播 + 5 天回放
全程班：7 月 20 日-7 月 30 日, 网络直播 + 15 天回放
特别提示：
为保护讲师的知识产权和您的账户安全，系统会自动在您观看的视频中嵌入您的「用户名」信息，每个账号只能锁定一台设备进行观看，以切实保护您的权益。
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》、《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 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-主页，连享会-直播间，连享会-知乎 等专栏，已在微信公众号 (Stata连享会) 分享推文 400 余篇，阅读量逾 500 万人次。
江艇，香港科技大学商学院经济学博士，中国人民大学经济学院副教授，人大国家发展与战略研究院研究员，人大微观数据与实证方法研究中心副主任，美国哥伦比亚大学商学院访问学者。主要研究领域为经济增长与发展、城市经济学、新政治经济学，在 Economics Letters、Review of Development Economics、《经济研究》、《管理世界》、《世界经济》等国内外著名学术刊物上发表多篇论文，曾应邀在多所高校讲授「应用微观计量经济学」短期前沿课程，被誉为「醍醐大师」。
自 2011 年首次开设「Stata 研讨班」以来，已有 3000+ 来自各个高校的老师和学生参与其中。大家以各种方式为推动规范化实证研究贡献自己的力量。有些学员以推文的方式分享自己的研究方法；有些学员则公开了自己的数据和代码；还有更多的学员则默默地在课程群里为他人答疑解惑。或许，分享的过程也是「逼迫」自己「学得更深、学得更精」的过程，这应该是连享会课程微信群始终生机勃勃的原始动力所在。
学习曲线：「断崖式」还是「缓坡式」？
学一个新东西，若是一开始就频繁受挫，会严重打击自己的自信心，甚至产生畏惧心理，下笔写论文时常常闪烁其词，心里发虚。大家常常将此归因为「自己太笨」，其实并非如此！
30 年前，小孩子学骑单车，8-9 岁初学，常常摔得鼻青脸肿。纤弱的小身板想要驾驭那种又笨又重的「二八 (28 吋)」老式自行车并非易事。现在的小孩子，两三岁骑带有辅助轮的 12 吋小单车，随后去掉一个辅助轮，再去掉一个，逐渐换成 14 吋，16 吋，……，学习的过程充满快乐，自信满满。
差异在于学习方式：前者是「断崖式」，后者是「缓坡式」。
本次寒假班的课程设置便是「缓坡式」，步步为营，形成完整的知识架构：一步一步的小欢喜成就最终的大欢喜。
「塞翁失马焉知非福」
现场授课的好处不言而喻，然而，「舟车劳顿+差旅费用」也让很多渴望系统学习计量方法的同学望洋兴叹。疫情以来，大家转向线上学习，有不少小惊喜。过去的一年半中，连享会陆续开设了几十场 小直播课，画面清晰，听课地点和时间都可以随意选择。甚至是人气爆棚的「效率分析专题 (三天直播)」以及 2020年Stata 暑期班 (九天直播)和 2021年Stata 寒假班 也都是在网上进行的。听课中的任何疑问都可以随时在线提交，答疑文档 ( FAQs ) 也可以迅速汇总和分享。最重要的是，直播课可以回放，便于反刍吸收。
虽然国内疫情状况已明显改善，但无论是旅途中还是教室里，多人聚集仍面临巨大的外来输入风险。不聚集，是为了自己，也是为了家人，为了我们都好！
「强大的助教团队」
这次暑期课程，我们会组织一个 30 名精英助教团队。其中，15 人为连享会往期课程中的涌现出来的优秀助教，他们有些人已经发表过《经济研究》、《管理世界》等 Top 期刊，有丰富的经验；另外 15 人则将从国内各个高校遴选，由于也是「新手」，会更清楚学员们的痛点所在。这些「助教新人」们会在开课前与「助教老手」以及授课老师们共同工作 1 个月，以便做好准备工作。我们的助教们会分成三个小组，全程为大家提供最全面、细致的答疑服务。在近几期专题课程中，我们都采用了这种「精英助教团队」模式，大大增强了大家的学习效率和自信心，诸多学员也在互动过程中结识了一批优秀的同行，相伴而行。
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，很多同学和老师都是在听完了高级班的课程以后，又返回头来听初级班的内容。他们有一个共同的感触就是，没有一个扎实的基础，以及对计量经济学和 Stata 整体架构的认识，后续的学习成本会越来越高。
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，希望大家经过三天的学习（尚需另外花费 1-2 个月的时间演练吸收），能对基本的统计和计量分析方法有所掌握，能读懂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？以期为后续学习打下宽厚扎实的基础。
翻阅 Top 期刊上的论文，你会发现多数论文并没有使用非常复杂的方法，关键在于论文的想法或视角比较独特，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。
第 1-3 讲依序介绍 Stata 的基本用法、数据处理和程序编写，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。
第 4-5 讲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。
第 6 讲介绍固定效应模型 (FE)，是第 4 讲和第 5 讲内容的延伸和应用，也是目前解决遗漏变量和内生性问题比较常用的方法。
具体说明如下：
在第 1-2 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。
第 3 讲介绍 Stata 编程的基础知识。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。
第 4 讲和第 5 讲介绍实证分析中的模型设定和结果解释问题。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，还有在经济学和金融学中相对较新的 R2 贡献度分析。这部分内容构成了进阶学习的重要基础。首经贸的一个博士生前两天发信息给我：「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。」
第 6 讲介绍了目前广泛应用的 面板数据模型。由于面板资料的获取越来越方便，目前多数研究中使用的都是面板数据。在讲解这些模型的基本思想和估计方法的过程中，笔者会将重点放在模型含义和应用范围上来。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。
第 1 讲 Stata 简介 (3 小时)
第 2 讲 数据处理 (3 小时)
第 3 讲 Stata 程序 (3 小时)
第 4 讲 普通最小二乘法 (OLS) (3 小时)
第 5 讲 模型的设定和解释 (3 小时)
第 6 讲 静态面板数据模型 (3 小时)
温馨提示：
我和江艇老师进行了多次沟通，以便让 Stata 高级班和论文班 的内容相辅相成，涵盖目前主流分析方法和研究设计框架。高级班采用「庖丁解牛」的方式讲解目前 Top 期刊中使用的计量方法和模型，而 论文班 则展示多种方法的巧妙组合，突出「研究设计」的重要性。
Stata 高级班包括 6 个专题，重点讲述各类面板模型以及一些新近发展的内生性处理方法。主要涉及如下几个方面的内容：
时至今日，多数领域使用的都是面板数据，也对相关的模型提出了越来越高的要求。在 第 1 讲 中，我将介绍专门用来分析变量自身以及多个变量之间动态关系的动态面板数据模型和面板 VAR 模型。这两类模型在经济增长、公司金融、国际贸易、劳动经济学等领域都得到了广泛应用。此外，在实证分析中，经常要处理结构变化问题，目前主要使用交乘项和分组回归等方式，但这两种设定方法都需要预先知道或假设结构变化点，使其合理性颇受质疑。而 第 2 讲 中介绍的面板门槛模型则基于「让数据说话」的原则，自动搜索结构变化点，从而克服了上述方法的局限。
显然，内生性问题是我们必须直面的一个普遍而棘手的问题。为此，高级班将通过三个专题全面深入地介绍了内生性问题 (论文班中将介绍 工具变量法、多期 DID，以及 PSM+DID 等方法)。
第 3 讲 介绍用以解决自我选择偏误导致的内生性问题的模型。一是处理效应模型，主要应对解释变量中所包含的 0/1 内生变量；二是 Heckman 选择模型，主要应对被解释变量观察值非随机缺失问题。翻阅最近 2 年发表于《经济研究》、《管理世界》、《经济学(季刊)》等期刊的文章，这两类模型在处理内生性问题方面得到了日益广泛的应用。
第 4 讲 和 第 5 讲介绍的断点回归设计方法 (RDD) 以及合成控制法 (SCM) 则是近年来被公认为「最为干净」的准实验方法，在政策评价领域得到了特别的青睐。
RDD 的基本思想很朴素：如果某项政策有效，那么相对于那些与政策失之交臂的人而言 (控制组)，由于运气稍好而受惠于政策的人 (实验组)，在收入、幸福感等方面会有明显的提升 (Jump)，而提升的幅度就可以用来评估政策作用效果。RDD 在经济学、政治学和社会学研究中都得到了很好的应用。
在政策评价领域，长期存在着一个空白地带：有些政策只针对某一个省或某一个州实施，此时 DID，PSM 等方法都不再适用，因为我们只有一个孤零零的实验对象！
在 第 5 讲 中，Abadie, Diamond, and Hainmueller (2010, JASA) 提出的合成控制法，可以很好的解决了这类问题。他们研究了「加州」于 1989 年实施的禁烟法案的政策效果。其基本思想是，使用其他 38 个未实施禁烟法案的州的加权平均来虚构一个「合成加州」，进而对比分析「加州」和「合成加州」在 1989 年之后香烟消费量的差异，这就是政策效果！作者还进一步的使用的组合检验，以及「安慰剂检验」来确定这一结果的统计显著性。
在 第 6 讲 中，我将根据个人的研究经历，分享做一篇规范的实证研究和课题申请的经验。主要内容包括：选题、研究贡献的挖掘和陈述，以及研究设计等。
作为多个期刊的审稿人，我发现很多论文虽然有很好的想法和选题，但往往因为如下原因而折戟。其一，研究贡献不明确。一方面是缺乏严谨规范的文献综述和对比分析，另一方面是作者的表述不到位。其二，实证分析部分虽然使用了比较前沿的方法，但基础工作不够扎实，如对模型和方法的适用性认识不足、样本的筛选过程不严谨、离群值未妥善处理、指标的选取过于随意、稳健性和内生性处理不到位等；其三，实证结果的呈现方式不妥，分析不够深入，论文的排版不够精致，导致读者的第一印象比较差。
对于申请课题，我感触良多。
我于 2007 年开始自己的教师生涯，此前没有申请过任何课题，致使我在 2008 年的申请的四项课题全军覆没。痛定思痛，我收集了多位前辈的标书，反复研究，发现写论文与写标书存在很大的差异。
论文力求清晰地呈现和解释你的研究假设和研究结果，而课题申请书则需要强调你所研究的问题的重要性和特色，这是一个更高层次的问题。由于是研究计划，不要求细节上的准确性，但问题要明确、思路要清晰，结构要合理，论证要有说服力。因此，很多时候是研究工作已经完成了十之八九，已经对问题有非常深刻的认识了，才能反向思维把标书写好。任何故弄玄虚、试图蒙混过关的想法都不可行。
2009 年，我顺利获得教育部人文社科基金和广东省自然科学基金资助，2010 年进一步获得国家自然科学基金青年项目资助，此后又获得了多项课题的资助，并于 2016 年获得国家自然科学基金面上项目资助，期间也拿到了一些重要的横向课题和委托项目。事实上，了解了不同类型课题基金的特点，再辅以扎实的前期研究基础，获得资助并不是遥不可及的事情。
相对于初级班，高级班的在难度上有所增加，但思路和架构更为清楚。在学习方法上，高级班与初级班有所不同。初级班的主要目的在于打下扎实的基础，建立一个完整的学习架构，而在高级班中，我则建议大家重点学习与自己研究方向密切相关的方法，通过广泛阅读文献来掌握这些方法在不同场景下的应用条件和变通方法，以便在自己的论文中合理地对多种方法进行组合使用，以便从容地论证自己的观点。
第 1 讲 动态面板模型\面板 VAR 模型
第 2 讲 截面和面板门槛模型
第 3 讲 内生性专题 I：处理效应模型
第 4 讲 内生性专题 II：断点回归分析 (RDD)
第 5 讲 内生性专题 III：合成控制法 (SCM)
第 6 讲 论文写作和课题申请
习武之人常常提及「招式和套路」。二者相辅相成，套路由连贯的招式组成。只有一招一式都练扎实才能形成有用的套路。但同样的招式，采用不同的套路会有完全不同的效果。到了顶尖高手那里，已没有「套路」可寻，一招一式都是套路。
我们的论文班学的是「套路」。
论文班已经开设了六期，我们常常收到某位刚拿到稿件录用通知或博士学位证的学员发来的感谢信。大体上是说，此前自己虽然也掌握了不少「招式」，但却不知如何串联起来，而论文班的学习则让自己似乎瞬间开悟了，学会了「套路」。在今年的暑假班中，很多同学课后强烈建议增加江老师的授课时长，大家对此专题的受用程度可见一斑。
事实上，对于已经开始尝试独立开展研究工作的学员而言，大家明显地感觉到，研究设计是最棘手的问题。在之前有导师指导或带领的情况下，研究主题和研究内容都是预先给定的。此时，完成一篇论文相当于在做一个命题作文。然而，一旦开始独立门户，最大的挑战是找到合适的研究主题，做一个可靠的研究设计。这其实也是实证分析工作中最难的部分。
在本次的学术论文班中，我们将挑选一些发表于顶尖期刊（包括 AER、QJE、AEJ 等）上的代表性论文，详细讲解这些论文的实证分析过程，剖析作者的研究思路、研究设计、内生性问题的处理、稳健性检验，以及对结果的深刻洞见。我们会提供重现每篇论文所需的所有数据和程序文件，以便保证各位可以在听课后反刍，并将这些论文中的分析方法迁移到你的研究中去。
精讲并重现经典论文，有如下两方面的好处：
一方面，这些论文的研究设计都非常出色，我们可以借鉴并在博采众长的基础上，不断改进自己的研究设计思路和方法。只有去拆解和重现这些论文，才能够感受到作者的思考过程和写作意图，从而从实质上提高我们自身的分析和研究能力。
另一方面，这些论文涵盖了目前实证分析中的主流方法，更为重要的是，每一篇论文通常会综合使用多种分析方法，这对于我们理解和灵活应用初级班和高级班所学的计量方法大有裨益。本专题中涉及的核心方法包括：IV 估计、多期 DID、PSM+Matching，同时还涉及多种检验方法：系数稳定性检验、工具变量的证伪检验、平行趋势检验等等。
本次论文班共六个半天，分为三讲。根据往次学员的反馈，本次论文班不再拘泥于每半天一篇论文的时间束缚，通过更灵活的设计和时间安排，以论文为线索，精讲与泛讲相结合，把江老师对因果推断方法通透而精妙的理解分享给大家。
第 1 讲 截面数据线性模型方法（时长约1.5天）
精讲论文： Nunn, Nathan, and Leonard Wantchekon, 2011, The Slave Trade and the Origins of Mistrust in Africa. American Economic Review 101(7): 3221-52.
Nunn and Qian (2011) 是展示 普通最小二乘法和工具变量方法各种技巧 的洋洋大观之作。该文讨论历史上的非洲奴隶贸易如何型塑了今天人际间的不信任，并用种族到海岸线的距离作为奴隶贸易强度的工具变量。文章先使用了最小二乘法，然后评估最小二乘估计结果在多大程度上受到选择性偏误的影响；接着使用了工具变量方法，并通过各种证伪检验来论证工具变量的合理性；最后展示了如何通过巧妙的控制来讨论因果关系的作用渠道。因此，这篇文章特别适合作为串讲截面数据线性模型方法的素材，下面是这篇文章串联起的江老师的讲课逻辑：
此外，我们还将从这篇文章中学习到：
第 2 讲 匹配方法剖析（时长约 0.5 天）
精讲论文： Imbens, Guido W, 2015, Matching Methods in Practice: Three Examples. Journal of Human Resources 50(2): 373-419.
Imbens (2015) 是由匹配方法的扛鼎人物 Imbens 所分享的关于如何正确使用匹配方法的权威指南。我们知道，匹配方法为数众多，而且可以灵活操纵的空间也很大，匹配变量的选择更是有很多讲究，这使得匹配估计的结果往往不太稳健。我们从匹配方法的工作原理讲起，深入剖析其与线性模型方法的异同，向学员传达匹配方法的思想实质。然后根据 Imbens 的建议，从样本平衡性检验、倾向得分估计、样本删截、估计方法选择等各个环节逐一讲解匹配方法的操作细节。这一讲最重要的道理可能是，不能把匹配方法理解为一种处理内生性的手段！ 那么，匹配方法究竟是什么？它的用处究竟在哪里？江老师将为你抽丝剥茧，直击它的本质，并为下一讲做好铺垫。通过这一讲，我们将学习到：
第 3 讲 双重差分方法及其与匹配方法的结合（时长约 1 天）
精讲论文：
[1] Nunn, Nathan, and Nancy Qian, 2011, The Potato's Contribution to Population and Urbanization: Evidence from a Historical Experiment. Quarterly Journal of Economics 126(2): 593–650.
[2] Schmitt, Matt, 2018, Multimarket Contact in the Hospital Industry. American Economic Journal: Economic Policy 10(3): 361-387.
Nunn and Qian (2011) 是一篇典型的运用连续型处理与多期双重差分方法的经典文献。该文讨论土豆这一起源于新大陆的农作物在旧大陆的推广如何促进了人口增长和城市化。文章用一国种植土豆的适宜程度作为该国接受 「政策干预」 的强度，用土豆在旧大陆的大规模推广来确定「政策干预」的时点。这篇文章所运用的方法比离散型处理或两期问题更具一般性，而且 基准估计、灵活估计、滚动估计、变动处理时点、变动处理组 等实证手段也极具借鉴意义。
Schmitt (2018) 是双重差分方法与匹配方法相结合的代表作。产业组织理论认为，当两家企业在多个市场上同时竞争时，这两家企业更容易达成默契，降低竞争强度，以免在每个市场上都斗得两败俱伤。该文通过考察2000-2010年美国医院集团的跨地区兼并，发现多市场竞争确实推高了医疗价格。作者先采用协变量匹配的方法构造匹配样本，然后对匹配样本进行线性双重差分估计。由于在这个数据中，“处理”（跨地区兼并）是逐年发生的，因此学习作者如何进行匹配，特别具有参考价值。
通过这一讲的学习，我们将增进对以下问题的理解：
需要特别强调的是，论文班的学习很辛苦，要求大家要足够努力。最基本的要求是，在开课之前，要认真的研读每一篇论文，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，学会使用微软学术、谷歌学术和 Endnote 等工具，以便追踪每篇论文的后续进展，发掘新的研究主题。
赠送课程:
A. 我的特斯拉-实证研究设计
B. 动态面板数据模型
C. 我的甲壳虫-论文精讲与重现
赠送方式： 单班报名可在上述课程中选其一，任意两班组合报名可选其二，全程报名全赠。
特别提示：
为保护讲师的知识产权和您的账户安全，系统会自动在您观看的视频中嵌入您的「用户名」信息，每个账号只能锁定一台设备进行观看，以切实保护您的权益。
⏩ 长按/扫描二维码报名：
方式 1：对公转账
方式 2：扫码支付
温馨提示： 扫码支付后，请将「付款记录」截屏发给王老师-18903405450（微信同号）
说明和要求
扫码填写助教申请资料：
Stata连享会 ( www.lianxh.cn ) 由中山大学连玉君老师团队创办，定期分享实证分析经验。
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
