连享会:助教入选通知-2022寒假班

发布时间:2022-01-08 阅读 785

Stata连享会   主页 || 视频 || 推文 || 知乎 || Bilibili 站

温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。

New! lianxh 命令发布了:
随时搜索推文、Stata 资源。安装:
. ssc install lianxh
详情参见帮助文件 (有惊喜):
. help lianxh
连享会新命令:cnssc, ihelp, rdbalance, gitee, installpkg

课程详情 https://gitee.com/lianxh/Course

课程主页 https://gitee.com/lianxh/Course

⛳ Stata 系列推文:

PDF下载 - 推文合集

承蒙各位的关爱和支持,自连享会专题课:「连享会:Stata 寒假班-2022」( 微信版 ) 发布以来,我们陆续收到了来自 37 所高校院系和研究机构共 43 位老师和同学的申请。申请者所在的学校分布非常广泛,这意味着,我们的大家庭越来越多元化,日后彼此的交融也将越来越广泛,越来越深入。

「他山之石可以攻玉」。希望大家能在多学科的碰撞和交流中互通有无,彼此增进。

最终,我们确定如下 15 位申请者担任本次课程的助教。他们之中有已经在连享会团队中工作了 2 年有余的资深助教,也有已经发表了数篇 B+ 期刊论文的硕士、博士研究生。我们将共同努力,为大家提供最佳的交流和学习环境。

参加本次课程的同学和老师们,可以随时在「课程微信群」中 @助教,以便实时答疑解惑,轻装前行。

随后的答疑记录将会实时更新于课程主页,敬请关注:

**课程主页**[1]https://gitee.com/arlionn/PX

入选名单

初级班

  • 党 宇 华中科技大学

  • 史 柯 中央财经大学

  • 周小强 中南财经政法大学

  • 张姣姣 上海海事大学

  • 曹昊煜 兰州大学

高级班

  • 金 钊  中山大学岭南学院

  • 巴 宁  北京理工大学

  • 孙 瑞  兰州大学

  • 姚旭生  天津大学

  • 仵荣鑫  厦门大学

论文班

  • 赵 莹  厦门大学

  • 王胜文  山东财经大学

  • 陈卓然  中山大学岭南学院

  • 丁相元  北京大学

  • 曹琳君  南开大学

附:课程详情

A. 课程概要

时间: 2022 年 1 月 16-26 日
方式: 网络直播
授课教师: 连玉君 (初级+高级) || 孔东民+刘莎莎 (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:1 月 16-18 日
高级班:1 月 20-22 日
论文班:1 月 24-26 日
全程班:1 月 16-26 日

回放安排:

  • 初级班:1月23日23:59之前可看
  • 高级班:1月27日23:59之前可看
  • 论文班:1月27-29日,2月6-7日
  • 初高组合:1月23-29日,2月6-8日,共10天
  • 高论组合:1月27-29日,2月6-12日,共10天
  • 初论组合:初级班1月19-23日,共5天;论文班1月27-29日,2月6-7日,共5天
  • 全程:1月27-29日,2月6-17日,共15天

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。

B. 授课嘉宾

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 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-主页连享会-直播间连享会-知乎 等专栏,已在微信公众号 (连享会(ID: lianxh_cn)) 分享推文 700 余篇,各平台阅读量逾 1700 万人次。


孔东民,华中科技大学经济学院教授,博士生导师,中南财经政法大学金融学院文澜特聘教授。主要研究中国资本市场、公司金融、企业行为与发展等。入选中组部万人计划(青年拔尖人才)。目前担任 Emerging Markets Finance and Trade (SSCI)与 China Finance Review International 副编辑以及 Economic Modelling (SSCI)客座编辑。在国内外期刊发表论文近 300 篇,其中文成果见诸于《经济研究》、《管理世界》、《经济学季刊》、《金融研究》、《管理科学学报》、《中国工业经济》、《世界经济》等国内权威期刊;英文成果见诸于 Journal of Law and Economics, Management Science, Review of Finance, Contemporary Accounting Research, Journal of Environmental Economics and Management, Journal of Corporate Finance, Journal of Economic Behavior and Organization, Journal of Banking & Finance, Journal of Business Finance & Accounting, Journal of Accounting and Public Policy, China Economic Review, European Accounting Review, Economic Development and Culture Change, Journal of Business Ethics 等期刊。目前为中国管理现代化研究会金融管理专业委员;湖北省金融学会理事,国家自然科学基金通讯评审专家;《证券市场导报》、《中南财经政法大学学报》、《会计与经济研究》、《珞珈管理评论》、《金融科学》、《当代会计评论》、《江汉学术》编委。担任国家社科基金重大项目首席专家;主持了 4 项国家自然科学基金;另外还承担财政部与世界银行针对制造业重大问题的联合研究课题、国开行、建设银行与上交所关于普惠金融和中小投资者保护的联合研究课题。


刘莎莎, 暨南大学管理学院副教授、博士生导师,2015 年博士毕业于北京大学光华管理学院,获金融学博士学位。研究方向为公司财务、行为金融与企业行为等。近五年来,其成果发表于《经济研究》、《管理世界》、《经济学季刊》、《金融研究》、《中国工业经济》, Review of Finance, Contemporary Accounting Research, Journal of Corporate Finance, Journal of Business Finance & Accounting, European Accounting Review, Journal of Empirical Finance, China Economic Review, Environmental and Resource Economics 等国内外期刊;并主持 2 项国家自然科学基金,担任国内外多家期刊的匿名审稿人。

C. 本次课程相对于往期课程的变化

  • 初级班的授课主题基本维持不变,课件做个更新,新增了第 4-5 讲理论部分的讲义;
  • 高级班的内容是全新的,包括:广义线性模型、非参数估计、Lasso、回归控制法。
  • 论文班由孔东民教授和刘莎莎副教授联袂主讲,两位嘉宾是多年的合作者,将通过十多篇论文的拆解来论分享他们的经验,并展示研究设计和方法合理应用的重要性。

⭕ 1. Stata 初级班

  • 时间: 2022 年 1 月 16-18 日 (三天)
  • 方式: 网络直播 + 5 天回放
  • 授课嘉宾: 连玉君 (中山大学)
  • 授课安排
    (1) 授课方式: 幻灯片+Stata16 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
    (2) 授课时间: 上午 9:00-12:00,下午 14:30-17:30 (17:30-18:00 答疑)。
    (3) 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
  • 课程主页: https://gitee.com/arlionn/PX
  • 报名链接: http://junquan18903405450.mikecrm.com/kILLnGa

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,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 2-3 篇比较经典的论文,展示这些方法的合理应用。

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:

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。

1.2 专题介绍(Stata 初级班)

A1. Stata 简介

  • 实证分析的基本流程和编程习惯
  • 数据的导入和导出
  • 执行指令和基本统计分析
  • do 文件和 log 文件的使用
  • 帮助文件的使用和外部命令的安装
  • 一篇范例文档

A2. 数据处理

  • 数据的横向合并和纵向追加
  • 重复样本值、缺漏值和离群值的处理
  • 基本统计量的呈现
  • 基本统计分析(组间均值差异和中位数差异检验)
  • 文字变量的处理
  • 大型数据的处理范例 (GTA 数据库和工业企业数据库)

A3. Stata 程序

  • 局域暂元和全局暂元(local, global)
  • 控制语句(条件语句、循环语句)
  • Stata 中的各类函数
  • Matrix 和 Mata
  • 分组回归分析
  • 范例:盈余管理程度的估算、现金持有调整系数的估算

A4. 普通最小二乘法 (OLS)

  • 线性回归模型估计方法(OLS)
  • 系数的估计和解读
  • 假设检验和统计推断
  • 稳健性标准误:Bootstrap、Jackknife、聚类调整
  • 虚拟变量:个体效应、行业效应和 DID

A5. 模型的设定和解释

  • 交乘项和平方项的使用及解释
  • 边际效应:估计和图示
  • R2 分解和贡献度分析
  • 分组回归和组间系数差异检验
  • 估计结果的呈现和分析
  • 范文 2 篇

A6. 静态面板数据模型

  • 何谓个体效应?
  • 静态面板模型:固定效应和随机效应
  • 基于 Bootstrap 的 Hausman 检验
  • 异方差和序列相关(Bootstrap、Cluster 调整标准误)
  • 包含内生变量的固定效应模型
  • 长差分
  • 高维固定效应
  • 实证分析中的常见问题

温馨提示:

⭕ 2. Stata 高级班


  • 时间: 2022 年 1 月 20-22 日 (三天)
  • 方式: 网络直播 + 5 天回放
  • 授课嘉宾: 连玉君 (中山大学)
  • 授课安排
    (1) 授课方式: 幻灯片+Stata16 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
    (2) 授课时间: 上午 9:00-12:00,下午 14:30-17:30 (17:30-18:00 答疑)。
    (3) 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
  • 课程主页: https://gitee.com/arlionn/PX
  • 报名链接: http://junquan18903405450.mikecrm.com/kILLnGa

2.1 课程导引

改版高级班的想法已经酝酿并准备了一年多,有很多思考,因此,虽然我反复删减,但这个课程介绍似乎仍然有点长。

我想通过梳理实证研究方法的发展趋势,对日后的学习方向和高级班的定位做些解读。

在过去的十年中,实证研究的方法发生了很大的变化。一方面,以「因果推断」为导向,涌现了多种估计方法,如 DID,RDD,匹配,合成控制法,回归控制法,聚束分析法 (bunching) 等;另一方面,得益于大数据和机器学习/统计学习的快速发展,各个领域之间的交叉和融合不断加速。面对此情此景,有些人可以快速适应,而有些人则颇感茫然,甚至担忧自己是否正在被时代抛弃。然而,稍加分析和比对就会发现,上述两个趋势背后并未新增太多令人望尘莫及的高深理论:OLS 仍旧是核心技术,「反事实」则是灵魂,新闯入的好像只有「稀疏性」和「降维」而已。大家会发现,有一些核心的概念和方法频繁地交错出现在各个领域。只要掌握了这些公共的、基础性的方法和理论就能做到「以不变应万变」。

举几个例子:读文献时大家会频繁地见到「交叉验证 (CV)」、「自抽样 (Bootstrap)」、「去一法 (Leave one out, LOO)」这些名词,但论文中往往不会深入解释这些名词的含义和具体的操作方法。因为,作者通常会把这些方法作为「常识」。然而,对于此前未曾接触过这些方法的读者而言,自我怀疑和困惑的心情会始终如影随形,导致对整篇论文的理解大打折扣,甚至不少人会选择中途放弃。事实上,这些方法的原理都很简单,核心思想都是通过「再抽样 (resampling)」来构造经验样本或经验分布,从而完成统计推断。

再比如,在 DID、RDD、SCM、PSM、bunching 等模型中,基本上都会同时采用参数估计和非参数估计,经常会提及「核匹配」、「局部核估计」等名词,其背后其实都对应着「核函数」这个概念,本质也很简单:核函数其实就是一个权重分配机制,离我们的分析对象越近的观察值得到的权重越大,否则越小,文献中使用的数十种核函数虽然形式上很复杂,但其实都近似为 w=1/D (D 表示距离或其函数变换)。考虑的再细致一些就是限制一个范围 h,即所谓的「窗宽 (band width)」,以免纳入那些明显无关的观察值,以提高估计的精度。非参估计有其独特优势:不存在模型误设问题;能更好地捕捉非线性特征,等等。因此,了解非参数估计的核心思想和基本模型设定尤为必要。最近在政策评价中的新秀方法「聚束效应分析 (bunching)」中由于涉及局部概率密度的估计,也主要依赖于非参和半参估计。简言之,不了解半参和非参的基本概念,会导致我们为自己关上了一扇门。

在实证分析尤其是基于微观数据的实证分析中,被解释变量经常是离散变量,此时我们研究的目标将从「条件期望」转变为「条件概率」,换言之,我们此时关注:给定 X 后,Y=1 (如,读博士) 的概率。由于概率的取值范围介于 0 和 1 之间,传统的线性回归模型无法直接使用,但我们可以对线性部分 Xβ 进行转换,以便让转换后的 g(Xβ) 介于 0 和 1 之间。这就衍生出「广义线性回归模型 (GLM)」。大家平时经常听到的 Logit, Probit, Poisson 模型,甚至 Tobit 模型、生存分析模型等都可以在此框架下进行分析。在机器学习/统计学习的主流教科书中,也都会单列一章介绍 GLM,例如 Hastie et al. (2015, PDF, Chapter 2)。虽然其模型形式稍显复杂,边际效应也不再是常数,但却为系数的经济含义提供了更丰富的信息。在 GLM 架构下,各类离散选择模型都很容易理解,进一步扩展到 Lasso 等惩罚回归以便适应高维数据也很顺畅。简言之,GLM 是因果推断和机器学习中的一个重要组件。

至于机器学习,虽然市面上流行的教科书都会依序讲解十几种常用的方法,诸如判别分析、随机森林、神经网络、支持向量机等,但对于经济、金融领域而言,最为常用的是以 Lasso 为核心的惩罚回归,因为它具有变量筛选的功能,在应对高维数据 (p>n) 时非常有用。很多因果推断方法都会纳入 Lasso,如 Lasso-SCM (合成控制法),Lasso-IV,double maching learning (DML) 等。虽然 Lasso 在技术上有一定的复杂度,但其基本思想却容易接受,Stata 中的实操也非常方便。

2.2 专题介绍(Stata 高级班)

此次高级班共包括六讲:B1 将在广义线性模型架构下介绍 Logit, Probit, Count Data 等离散选择模型,这些模型是随后各讲的基础;B2 从选择性偏差问题入手介绍自选择模型和处理效应模型,它们常用于应对内生性问题;B3 介绍非参数估计的基本思想和估计方法;B4 介绍 Bootstrap, 交叉验证等统计推断he模型筛选方法,是 B5 和 B6 的基础。最后两讲介绍惩罚回归两个非常相似的反事实估计方法。

B1. 广义线性模型 (GLM)

  • 从条件期望到条件概率
  • 估计方法:MLE
  • Logit, Probit 和计数模型 (Count Data models)
  • 广义线性回归模型 (GLM)
  • 边际效应分析和解读
  • Stata 应用:范文 2 篇

B2. 样本选择与自选择 (selection-treatment)

  • 截断、截堵与选择性偏差
  • Tobit 模型
  • Heckman 选择模型
  • 处理效应模型
  • 两部模型和双栏模型
  • Stata 实操:范文 2 篇

B3. 非参数和半参数估计 (NP-SNP)

  • 分布函数和密度函数
  • 核函数
  • 局部线性回归
  • 局部多项式回归
  • partial linear regression (PLS)
  • 应用:
    • AP1:收入分配的时序变化
    • AP2:断点回归分析 (RDD)
    • AP3:核匹配 (Kernel matching)

B4. 基于再抽样的统计推断方法

  • Bootstrap (自抽样)
  • Jackknife (去一法, LOO)
  • 交叉验证 (CV)
  • 变量筛选规则:AIC, BIC, MBIC
  • 应用:
    • AP1:组间系数差异检验、面板门槛效应检验
    • AP2:回归控制法
    • AP3:Lasso-合成控制法

B5. 惩罚回归 (PR-Lasso)

  • Lasso 已经成为变量筛选的一个重要手段。
  • 高维数据/大数据的挑战;
  • 偏差-方差权衡
  • 岭回归、Lasso、弹性网、自适应 Lasso
  • 扩展 Lasso 模型
  • adaptive Lasso
  • IV - Lasso
  • Post - Lasso
  • Double robust regression (DR)
  • Double Machine Learning (DML)
  • Stata 实操

B6. 回归控制法 (RCM) 与合成控制法 (SCM)

  • 回归控制法和合成控制法简介
  • Lasso-RCM:基于 Lasso 等惩罚回归的 RCM
  • Lasso-SCM:基于 Lasso 等惩罚回归的 SCM
  • RCM 与 SCM 的对比
  • Stata 范例:
    • Abadie et al. (2010)
    • Hisao (2012)
    • Hsiao and Zhou (2019)
    • Chen and Yan (2021)

⭕ 3. Stata 论文班


  • 授课嘉宾: 孔东民 (华中科技大学),刘莎莎 (暨南大学)
  • 时间: 2022 年 1 月 24-36 日 (三天)
  • 方式: 网络直播 + 5 天回放
  • 授课安排
    (1) 授课方式: 幻灯片+Stata16 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
    (2) 授课时间: 上午 9:00-12:00,下午 14:30-17:30 (17:30-18:00 答疑)。
    (3) 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
  • 课程主页: https://gitee.com/arlionn/PX
  • 报名链接: http://junquan18903405450.mikecrm.com/kILLnGa

3.1 课程导引

如何更为顺利的把自己的 idea 和研究结果转变为可以发表的论文?是寻求更好更全面的数据?还是更多的结果展示?或者更复杂前沿的计量方法?如果有答案的话,可能都不全对。经济学论文的价值在很大程度上取决于你探索和解决的问题如何更好的弥补前人的研究或者回答我们所关注的问题,与之相伴的是一系列逻辑严密分析和相适宜的研究设计。研读已经发表的论文通常只能看到作者研究工作的最终成果,而期间的思考、分析和打磨过程,则不得而知,而这恰恰是多数人更应该首先学习和琢磨的。

为此,在论文班的三天中,两位嘉宾将分享论文选题与写作的基本要点,并结合交叉学科与前沿研究对此进行深入探讨。与此同时,嘉宾通过精讲自己发表于国内外重要期刊的多篇论文,介绍如何讲好中国故事,并讲解投稿过程中审稿人关注的问题以及如何根据审稿人意见有效修正研究设计,以帮助论文写作与发表。在此基础上,进一步结合相关领域目前的研究状态,探讨未来可能的研究方向。课程中涉及不同的研究设计和估计方法的综合应用,包括:混合 OLS、固定效应模型、双重差分法 (DID)、断点回归 (RDD)、聚束分析法、地理断点分析、安慰剂检验、稳健性检验等。

3.2. 专题介绍 (Stata 论文班)

C1. 论文投稿与审稿人和编辑关注的问题

  1. 如何投稿?
  2. 如何了解一个杂志?
  3. 审稿人关注什么?
  4. 匿名审稿过程
  5. 如何应对审稿意见
  6. 文章为何会被拒?
  7. 论文发表周期
  8. 一些来自 Editor 的信
  9. 作为几个 SSCI 期刊的编辑,处理稿件时关注的问题 (Emerging Markets Finance and Trade, Economic Modelling, China Finance Review International)

C2. 论文选题与写作

  • A. 新变量
    • 寻找新变量,发现新关系
    • 引入更好的代理变量,取代已有变量
    • 分解或者分拆
  • B. 新方法
    • 新方法与旧结果
    • 验证理论
  • C. 新数据
    • 使用独特数据,验证以往无法证实的理论
  • D. 新视角
    • 基于实证进行扩展,提出新维度、新市场或跨国证据
    • 引入市场/地区层面的变量
    • 将两个看似无关的变量相联系
    • 学科交叉
  • E. 政策评估
    • 探讨当前重大经济政治事件的原因与后果
  • F. 其他
    • 复现、比较特定领域文献
    • 考察早期的理论现在是否成立
    • 参与学术争论(验证哪一种理论更好/更占优)
  • 主要文献:
    • Bertrand, M., and S. Mullainathan, 2003, Enjoying the quiet life? Corporate governance and managerial preferences, Journal of Political Economy 111, 1043-1075.
    • Giroud, X., and H. M. Mueller, 2010, Does corporate governance matter in competitive industries?, Journal of Financial Economics 95, 312-331.
    • Henderson, J. V., A. Storeygard, and D. N. Weil, 2012, Measuring economic growth from outer space, American Economic Review 102, 994-1028. -Link-, -PDF-
    • Michalopoulos, S., and E. Papaioannou, 2014, National institutions and subnational development in africa, Quarterly Journal of Economics 129, 151-213. -Link-, -PDF-

C3. 研究设计、因果识别与方法讨论

  • 回归与内生性
  • IV + DID + RDD/RKD 串讲
  • Bunching
  • Geography
  • 主要文献
    • Roberts, Michael R., and Toni M. Whited. "Endogeneity in empirical corporate finance." Handbook of the Economics of Finance. Vol. 2. Elsevier, 2013. 493-572.
    • Dittmar, Jeremiah E., 2011, "Information technology and economic change: the impact of the printing press." Quarterly Journal of Economics 126.3: 1133-1172.
    • Chetty, Raj, John N. Friedman, Tore Olsen, and Luigi Pistaferri, 2011, Adjustment costs, firm responses, and micro vs. Macro labor supply elasticities: Evidence from Danish tax records, Quarterly Journal of Economics 126, 749-804.
    • Devereux, Michael P., Li Liu, and Simon Loretz, 2014, The elasticity of corporate taxable income: New evidence from uk tax records, American Economic Journal: Economic Policy 6, 19-53.
    • Chava, S., and M. R. Roberts, 2008, How does financing impact investment? The role of debt covenants, Journal of Finance 63, 2085-2121.

C4. 学科交叉与研究前沿

  • 视角 1:劳动经济学+金融
  • 视角 2:国际贸易+金融
  • 视角 3:气候&环境+金融
  • 视角 4:文化+金融
  • 视角 5:行为+金融
  • 主要文献:
    • Benmelech, Efraim, Nittai Bergman, and Amit Seru, 2021, Financing labor, Review of Finance 25, 1365-1393.
    • Hong, Harrison, G. Andrew Karolyi, and José A. Scheinkman. "Climate finance." The Review of Financial Studies 33.3 (2020): 1011-1023.
    • Karolyi, G. Andrew. "The gravity of culture for finance." Journal of Corporate Finance 41 (2016): 610-625.
    • Shefrin, Hersh. "Behavioral corporate finance." Journal of Applied Corporate Finance 14.3 (2001): 113-126.
    • Whited, T. M., 2019, JFE special issue on labor and finance, Journal of Financial Economics 133, 539-540.

C5. 论文精讲与重现 I (刘莎莎老师)

  • 精讲论文:
    • 中小股东投票权、公司决策与公司治理, 管理世界,2017(9): 101-115.
    • 机器人与就业——基于行业与地区异质性的探索性分析, 中国工业经济, 2020(8): 80-98.
  • 要点: 选题视角、研究设计、论文修改和答复审稿人
    • 如何利用「不完美」的数据做出合理的研究设计,展开探索性分析
    • 如何选择新的研究视角,并与现有文献和理论有效结合
    • 如何根据审稿人意见,修改研究设计,并呈现研究设计的前后变化
    • 归纳总结相关领域目前的研究状态,并简要探讨未来可能的研究方向

C6. 论文精讲与重现 II (刘莎莎老师)

  • 精讲论文:
    • Han, Bing, Dongmin Kong, and Shasha Liu, “Do Analysts Gain an Informational Advantage by Visiting Listed Companies”, Contemporary Accounting Research, 2018, 35(4): 1843-1867.
    • Liu Shasha, Dai Yunhao, and Dongmin Kong, “Does It Pay to Communicate with Listed Firms”, Journal of Business Finance & Accounting, 2017, 44: 611–645.
  • 要点: 英文论文-如何讲好中国故事?
    • 以中国资本市场投资者关系管理制度为例,介绍如何将国际前沿与中国问题相结合
    • 如何讲中国的制度背景讲好
    • 如何利用数据,构造研究设计。
    • 如何根据审稿人意见,修改研究设计,并就前后变化做对比分析。
    • 归纳总结相关领域目前的研究状态,探讨未来可能的研究方向。

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。

⏳ 4. 报名和缴费信息

  • 主办方: 太原君泉教育咨询有限公司
  • 标准费用(初级/高级/论文班 单班报名):3700 元/班/人
  • 优惠方案
    • 现场班老学员单班报名: 9折,3330元/人
    • 会员单班报名: 85折,3145元/人
    • 三班任意两班组合报名: 6100 元/人
    • 全程班报名: 9000 元/人

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。

  • 温馨提示: 以上各项优惠不能叠加使用。
  • 联系方式:
    • 邮箱:wjx004@sina.com
    • 王老师:18903405450 (微信同号)
    • 李老师:18636102467 (微信同号)

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。

报名链接: http://junquan18903405450.mikecrm.com/kILLnGa

⏩ 长按/扫描二维码报名:

缴费方式

方式 1:对公转账

  • 户名:太原君泉教育咨询有限公司
  • 账号:35117530000023891 (山西省太原市晋商银行南中环支行)
  • 温馨提示: 对公转账时,请务必提供「汇款人姓名-单位」信息,以便确认。

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)

相关课程

免费公开课

最新课程-直播课

专题 嘉宾 直播/回看视频
最新专题 文本分析、机器学习、效率专题、生存分析等
研究设计 连玉君 我的特斯拉-实证研究设计-幻灯片-
面板模型 连玉君 动态面板模型-幻灯片-
面板模型 连玉君 直击面板数据模型 [免费公开课,2小时]
  • Note: 部分课程的资料,PPT 等可以前往 连享会-直播课 主页查看,下载。

课程主页

课程主页

关于我们

  • Stata连享会 由中山大学连玉君老师团队创办,定期分享实证分析经验。
  • 连享会-主页知乎专栏,700+ 推文,实证分析不再抓狂。直播间 有很多视频课程,可以随时观看。
  • 公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标,输入简要关键词,以便快速呈现历史推文,获取工具软件和数据下载。常见关键词:课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法

连享会小程序:扫一扫,看推文,看视频……

扫码加入连享会微信群,提问交流更方便

✏ 连享会-常见问题解答:
https://gitee.com/lianxh/Course/wikis

New! lianxh 命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh

参考资料

[1]

课程主页: https://gitee.com/lianxh/TE