Stata高級培訓(xùn)課程
培訓(xùn)目的：
?????使學員熟練使用Stata進行實證分析工作，主要包括：
(1)掌握多種常用的估計方法（如普通最小二乘法、廣義最小二乘法、非線性最小二乘法、最大似然估計、iv估計和gmm）；
(2)學會估計和分析時間序列和面板數(shù)據(jù)常用模型（如單位根檢驗、協(xié)整分析、var、固定效應(yīng)模型、隨機效應(yīng)模型、動態(tài)面板模型、面板單位根檢驗和面板協(xié)整分析等等）；
(3)學會編寫一個完整的Stata程序；
(4)學會應(yīng)用Stata進行抽樣和模擬分析，包括bootstrap和monte carlo模擬分析
?
培訓(xùn)內(nèi)容：
?
計量分析與Stata應(yīng)用
1. ??????? 普通最小二乘法（OLS）
1.2???? 解讀OLS回歸結(jié)果
1.3???? 殘差分析與穩(wěn)健型估計
1.4???? 管理多個回歸結(jié)果
2.???????? 廣義最小二乘法（GLS）
2.1???? GLS的基本思想
2.2???? 異方差
2.3???? 序列相關(guān)
2.4???? 似無相關(guān)模型（SUR）
3.???????? 非線性最小二乘法（NLS）
3.1???? NLS的基本思想
3.2???? NLS程序的編寫
3.3???? 范例：估計動態(tài)部分調(diào)整模型
4.???????? 最大似然估計（MLE）
4.1???? MLE的基本原理
4.2???? 似然函數(shù)的設(shè)定
4.3???? 程序的調(diào)試、起始值的設(shè)定和相關(guān)問題
4.4???? 范例：線性回歸模型、Logit模型、Probit模型
5.???????? 工具變量法與GMM
5.1???? 內(nèi)生性問題與工具變量法
5.2???? 兩階段最小二乘法（2SLS）
5.3???? 廣義矩估計法（GMM）
5.4???? 過度識別檢驗（Sargan檢驗與Hausman檢驗）
5.5???? 弱工具變量問題
6.???????? 時間序列分析
6.1???? 時間序列資料的處理
6.2???? ARIMA模型
6.3???? 向量自回歸（VAR）模型：估計和檢驗
6.4???? 向量自回歸（VAR）模型：因果檢定和沖擊反應(yīng)
6.5???? 單位根檢驗
6.6???? 協(xié)整分析和誤差修正模型
6.7???? GARCH模型（GARCH，E-GARCH，T-GARCH）
7.???????? 面板數(shù)據(jù)模型
7.1???? 靜態(tài)面板模型：固定效應(yīng) v.s. 隨機效應(yīng)
7.2???? 時間效應(yīng)、模型的篩選和常見問題
7.3???? 異方差、序列相關(guān)和截面相關(guān)
7.4???? 內(nèi)生性問題（面板IV-GMM估計）
7.5???? 動態(tài)面板模型（Difference GMM和System GMM）
7.6???? 面板隨機系數(shù)模型
7.7???? 面板隨機前沿模型
7.8???? 面板單位根檢驗
7.9???? 面板協(xié)整分析
8.???????? STATA高級程序
8.1???? 暫元的高級功能
8.2???? 暫時性物件
8.3???? 輸入項
8.4???? 輸出項
8.5???? 可分組執(zhí)行的程序
8.6???? 可重新顯示結(jié)果的程序
8.7???? 子程序
8.8???? 程序勘誤與調(diào)試
8.9???? 幫助文件的編寫
9.???????? 模擬分析（Simulation）與自體抽樣（Bootstrap）
9.1???? 隨機數(shù)的產(chǎn)生和常用分布
9.2???? Bootstrap
9.2.1???? Bootstrap的基本原理
9.2.2???? Bootstrap獲得標準
