零基础入门，先上一张图：

那么问题来了，读者中有多少百分比是看完了这本书？又有多少百分比完全掌握了书中内容？陈强老师在18年山东大学经院的毕业典礼分享中提及：“很多人都知道，如果你想快速掌握一门知识，一个捷径就是去开一门新课，为了教这门新课，你就会玩命地学。

其实，还有一种更快的方法，就是你干脆就去研究这门知识，试图为这门知识做出新贡献，这样你就会有更大的动力大家都知道 Elon Musk（马斯克）, 就是SpaceX 与 Tesla 的创始人与CEO他可能是咱们这个星球上学习速度最快的人。

马斯克人到中年，突然想造火箭，但当时他其实对火箭一无所知，他后来怎么就能造出那么棒的火箭呢？一个重要原因是，他是带着问题导向在学习的因为他要解决某个问题，所以需要相应的工具，然后就去学习掌握这些工具而在传统教育中，这个过程一般是反过来的。

学校会为不同的工具开设不同的课程，但可能不告诉你这些工具该怎么用，可以解决什么问题马斯克快速学习的另一诀窍就是经常向权威专家请教与交流，这样可以少走弯路，因为专家毕竟是过来人，可以马上告诉你一门学问的精华所在。

”所以没看完《高级计量经济学及Stata应用》也没关系，2023年五一北京，陈强老师亲临授课：高级计量Stata之因果推断培训时间：2023年4月29-5月2日（四天）培训安排：上午9:00-12:00；下午2:00-5:00；答疑5:00-6:00

培训地点：北京市海淀区（提供交通住宿指南）授课方式：陈强老师面授四天+课后无时限亲自答疑高级计量Stata之因果推断讲师介绍陈强，分别于1992年与1995年获得北京大学经济学学士与硕士学位，2007年获美国Northern Illinois University数学硕士与经济学博士学位，现任山东大学经济学院教授，博士生导师。

主要研究领域为计量经济学、机器学习、经济史已发表论文于Oxford Economic Papers (lead article)，Economica，Journal of Comparative Economics，Stata Journal，《经济学(季刊)》、《世界经济》等国内外期刊。

著有畅销教材《高级计量经济学及Stata应用》（第2版，2014），《计量经济学及Stata应用》（2015），《机器学习及R应用》（2020）与《机器学习及Python应用》（2021）2010年入选教育部新世纪人才支持计划。

高级计量Stata之因果推断培训目的掌握高级计量经济学因果推断的核心方法及Stata操作，不再茫然，知其然而知其所以然，迅速成为处理数据及定量分析的高手正如许多学员所说，士别四日，或刮目相看！Now or Never！。

高级计量Stata之因果推断课程资料课程PPT、数据集、do文档及相关论文高级计量Stata之因果推断课程特色特色 #1 通过四天心无旁骛的学习，全面而深入地了解高级计量学在因果推断方面的最新方法及Stata案例实操。

特色 #2  在夯实计量理论基础的同时，迅速将学员们拉到当代计量实证研究的最前沿，使学员们可以先知先觉、决胜未来特色 #3现场班全程由经典教材《高级计量经济学及Stata应用》的作者陈强教授主讲你或许知道该书因条理清晰、通俗易懂、深入浅出而好评如潮，但只有上过陈强老师课的学生才能体会到，陈老师的现场授课所具有的直指人心之独特魅力，帮助学员立刻进入高级计量的境界，融会贯通，恍然大悟。

高级计量Stata之因果推断课程大纲第1讲，随机实验与自然实验随机实验是实证研究的黄金标准内容：随机实验，自然实验，内部有效性，外部有效性，最小二乘法（OLS），二值选择模型（Probit，Logit）。

案例：班级规模与学习成绩（Hanushek,1999），种族与就业歧视（Bertrand and Mullainathan, 2004），就业经历与未来就业（Pallais, 2014），最低工资与劳动力需求（Card and Krueger, 1994），参军与长期收入（Angrist, 1990）。

第2讲，工具变量法工具变量法是解决内生性的通用方法内容：2SLS，LIML，GMM，弱工具变量，过度识别检验，排他性约束，内生性检验，异质性工具变量法（局部处理效应，LATE）案例：出生季度与教育年限（Angrist and Krueger,1991）；殖民者死亡率与制度（Acemoglu et al., 2001）；经济增长与非洲内战（Miguel et al., 2004）；国企改革的作用（Groves et al., 1994）；警察与犯罪率（Levitt, 1997）；科举制对人力资本积累的长期影响（Chen et al., 2020）；美国年轻男子的教育回报（Griliches, 1976）。

第3讲，匹配估计量本讲介绍基于非混杂性（unconfoundedness）的一系列估计方法非混杂性意味着，若控制处理前的特征（pretreatment characteristics），则处理变量不再有内生性。

内容：匹配估计，倾向得分匹配（PSM; Rosenbaum and Rubin, 1983; Abadie and Imbens, 2016），回归调整法（regression adjustment；也称结果回归，outcome regression），逆概加权法（inverse probability weighting），双重稳健估计（doubly robust estimation）。

案例：就业培训的处理效应（LaLonde, 1986; Dehejia and Wahba, 1999）第4讲，断点回归与拐点回归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（Thistlethwaite and Campbell, 1960; Imbens and Kalyanaraman, 2009; Calonico et al., 2014）。

内容：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（Nielsen et al., 2010; Card et al., 2015a, 2015b）案例：冬季燃煤取暖与人均寿命（Chen et al., 2013）；扶贫政策的效应（Meng, 2013）；买房落户与户口价值（Chen et al., 2019）；美国参议院选举的在位者优势（Cattaneo et al., 2015）。

第5讲，合成控制法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流行方法（Abadie and Gardeazabal, 2003; Abadie et al., 2010）。

内容：比较案例分析，合成控制法，空间安慰剂检验，时间安慰剂检验，混合安慰剂检验（Chen and Yan, 2023），留一稳健性检验案例：马里矣尔船运（Mariel boatlift；Card, 1990）；西班牙巴斯克地区恐怖活动的经济后果（Abadie and Gardeazabal, 2003）；加州控烟法的成效（Abadie et al., 2010）；德国统一的政策效应（Abadie et al., 2015）。

第6讲，回归控制法与合成控制法类似，但回归控制法使用回归法来构成反事实的控制地区（Hsiao et al., 2012; Hsiao and Zhou, 2019），比合成控制法更为简便易行内容：回归控制法，安慰剂检验，含协变量的回归控制法，分位数控制法（Quantile Control Method; Chen et al., 2023）。

案例：香港回归及与中国内地经济整合的效应（Hsiao et al., 2012）；德国统一的政策效应（Abadie et al., 2015）；四万亿经济刺激的效应（Ouyang and Peng, 2015）；上海与重庆房产税试点的效应（Du and Zhang, 2015）；高铁开通的政策效应（Ke et al., 2017）；房票政策的房价效应（方诚、陈强，2021）。

第7讲，两期DID这是最基本的双重差分法模型，也是理解DID的基石内容：差分估计量，双重差分估计量，平行趋势假定（Parallel Trend Assumption, PTA），条件平行趋势假定（Conditional PTA），双向固定效应模型，PSM-DID（Heckman et al., 1997, 1998），逆概加权估计（Abadie, 2005），双重稳健估计（Sant’Anna and Zhao, 2020）。

案例：伦敦霍乱的自然实验；就业培训的政策效应（Ashenfelter, 1978）；最低工资立法与劳动力需求（Card and Krueger, 1994）第8讲，经典多期DID经典多期DID模型包括两组（即处理组与控制组）与两时段（即处理前与处理后），而个体受政策冲击时间均相同；故也称为经典2x2DID。

多期DID使得平行趋势假定的检验成为可能，且可使用事件分析法（event study）考察动态处理效应内容：平行趋势图，平行趋势检验，安慰剂检验，分组异质性，多期PSM-DID案例：漕粮海运与大运河沿线叛乱（Cao and Chen, 2022）；人工智能翻译与国际贸易（Brynjolfsson et al., 2019）。

第9讲，交叠DID在交叠DID（Staggered DID）模型中，个体受政策处理时间不尽相同，但处理状态不可逆（irreversible treatment），即处理变量只能由0变为1，而不能从1变为0（即不允许政策退出），也称为“吸入式处理”（absorbing treatment）。

在此框架下，若存在异质性处理效应（处理效应随个体或时间而异），则双向固定效应模型一般会有偏差，需使用异质性稳健的估计量，即在异质性效应情况下依然成立的估计方法内容：静态回归系数的Bacon分解（Goodman-Bacon, 2021），动态回归系数的Sun-Abraham分解（Sun and Abraham, 2021），交互加权估计（Interaction Weighted Estimation; Sun and Abraham, 2021），CSDID估计（Callaway and Sant’Anna, 2021，含结果回归、逆概加权估计，默认为双重稳健估计），二阶段DID（DID2S; Gardner, 2022），堆叠回归（Stacked Regression; Cengiz et al., 2019）。

案例：银行管制放松与收入分配（Beck et al., 2010）；住院治疗的经济后果（Sun and Abraham, 2021）；最低工资对青少年就业的影响（Callaway and Sant’Anna, 2021）；最低工资对低薪岗位的影响（Cengiz et al., 2019）。

第10讲，一般DID与连续DID在一般DID（General DID）模型中，个体受政策处理时间不尽相同，且处理状态可逆（reversible treatment），即允许政策退出（处理变量可由1变为0）。

在连续DID模型中，有时所有个体都受到处理，但政策冲击力度不同，可将处理变量视为连续变量（continuous treatment）内容：一般DID的估计方法，包括即时处理效应估计（DIDm; de Chaisemartin and dHaultfœuille, 2020），面板匹配估计（PenalMatch; Imai et al., 2019），插补估计量（Imputation Estimator; Borusyak et al., 2022），反事实估计量（Liu et al., 2022），连续DID的估计方法（Callaway et al., 2021）。

案例：新闻报纸与总统选举投票率（Gentzkow et al., 2011）；央地执政党异同与央地拨款（Liu et al., 2022）；茶叶价格与性别比例（Qian, 2008）；废除科举与革命起义（Bai and Jia, 2016）。

第11讲，DDD与合成DID如果平行趋势假定不成立，一种解决方法是同时使用两个控制组，即三重差分法（DDD; Gruber, 1994; Olden and Moen, 2022）另一解决方法是，对控制组个体进行加权，使得加权后的数据满足平行趋势假定，即合成双重差分法（synthetic DID; Arkhangelsky et al., 2022）。

内容：DDD模型与识别条件，合成DID的模型与估计案例：将生育纳入雇主提供医保的政策效应（Gruber, 1994）；加州控烟法的成效（Abadie et al., 2010）；女性议员与孕产妇死亡率（Bhalotra et al., 2022）。

第12讲，队列DID（Cohort DID）对于横截面的微观数据，如果依时间（比如出生年份）定义的队列或组群（cohorts）受到政策冲击时间有先后之别，则可考虑使用队列DID内容：队列DID的模型设定，平行趋势检验。

案例：印尼校园建设与教育投资回报（Duflo, 2001），知青下乡与农村教育回报（Chen et al., 2020）高级计量Stata之因果推断课程费用及优惠5200元 /4800元(学生价,仅限全日制在读本科和硕士)；。

食宿费用自理，提供交通住宿指南文档，提供电子版发票及电子版通知，纸质版结业证书；根据缴费顺序安排座位！！！现场班老学员9折优惠；同一单位三人以上同时报名9折优惠；同一单位六人以上同时报名8折优惠；以上优惠与学生优惠价均不叠加。

高级计量Stata之因果推断报名流程1.点击文末“阅读原文”，在线提交报名信息；2.经管之家论坛账号登录，订单支付（支持支付宝，微信，银联）；3.确认发票信息 ，2个工作日发送至指定邮箱；4.发送交通住宿指南；

5.开课前5天发送资料及上课事宜。高级计量Stata之因果推断联系方式尹老师电话：13321178792QQ：42884447WeChat：JGxueshu