⛳ 连享会-助教入选通知-江艇专题——深度·因果推断

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

⛳ Stata 系列推文：

• 全部 | Stata入门 | Stata教程 | Stata资源 | Stata命令
• 计量专题 | 论文写作 | 数据分享 | 专题课程
• 结果输出 | Stata绘图 | 数据处理 | Stata程序
• 回归分析 | 面板数据 | 交乘项-调节 | IV-GMM
• 内生性-因果推断 | 倍分法DID | 断点回归RDD | PSM-Matching | 合成控制法
• Probit-Logit | 时间序列 | 空间计量 | 分位数回归 | 生存分析 | SFA-DEA
• 文本分析-爬虫 | Python-R-Matlab | 机器学习
• Markdown | 工具软件 | 其它

承蒙各位的关爱和支持，自连享会专题课：「江艇专场：深度因果推断」(网页版) 发布以来，我们陆续收到了来自国内外 28 所高校院系和研究机构共 39 位老师和同学的申请。最终，我们诚挚地邀请 9 位老师和同学担任本次课程的助教。此外，我们还邀请了 8 位资深助教参与。因此，此次课程将有 17 位助教为大家提供全方位的答疑和服务工作。

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。

入选名单

• 刘 东   中国农业大学
• 庞小冬   首都师范大学
• 闫 茹   浙江大学公共管理学院
• 吴小齐   西北大学
• 黄锦兰   广西大学
• 段义学   西安交通大学
• 郝宇琳   美国罗切斯特大学
• 许新鹏   南京医科大学
• 乔 刚   南京大学商学院
• *陈卓然   北京大学
• *初 虹   山东财经大学
• *陈 波   暨南大学
• *涂冰倩   浙江大学
• *冷 萱   西南财经大学
• *屠西伟   北京师范大学
• *王昆仑   上海交通大学
• *秦利宾   厦门大学

Note: * 为往期助教直录。请上述同学查收报名时登记的邮箱。

附：课程详情

$\Rrightarrow$ 连享会： 深度 · 因果推断

精讲：非常重要，却难于精通的计量方法

• 嘉宾： 江艇 (中国人民大学)
• 时间： 2023 年 8 月 2-5 日 (四天)
• 地点： 西安 · 西北工业大学
• 主题：

  • 敏感性分析 (1 天)
  • 双差分：DID 的三大难点及应对 (2 天)
  • 工具变量法：各类新近发展的 IV 方法 (1 天)
• 授课方式：

  • 每天 6 小时 (9:00-12:00；14:30-17:30) + 半小时答疑
  • 讲义电子版于开课前一周发送；纸质讲义由主办方统一印制
  • 软件：Stata16及以上
• PDF 大纲： $\Rrightarrow$ https://file.lianxh.cn/KC/lianxh_JT.pdf
• 参考文献和资料： -点击下载-

2. 嘉宾简介

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」。

3. 课程详情

专题一：敏感性分析（1 天）

控制回归是因果识别中最基础的方法，但其中的关键假设——“无混淆性”往往难以验证。在这种情况下，我们需要考虑在「无混淆性」假设无法完全得到满足的各种场景下，因果效应估计结果会发生怎样变化，这些变化是否会对研究结论产生实质性影响？这就是所谓的「敏感性分析」，它已经成为 Top 期刊论文中除了稳健性检验和异质性分析 之外的另一个必要内容。本专题将系统介绍几种主要的敏感性分析方法和工具，包括它们的统计含义、联系与区别，以及在 Stata 中的实现方法和扩展应用，包括如下几个主题：

• 基于系数估计值的方法：Bellows and Miguel (2009); Nunn and Wantchekon (2012)
• 基于相关系数的方法：Altonji et al (2005); Aidt and Franck (2015)
• 双参数方法：Oster (2019)
• 基于拟合优度的方法：Cinelli and Hazlett (2020)

专题二：双重差分的三大难点及应对（2 天）

双重差分方法因果识别中应用最为广泛的方法，它易于上手，却难于精通。本专题将重点讨论该方法应用中的三大难点：
其一， DID 的各种变体分别适用于哪些应用场景？
其二， 如何理解和选择新近提出的各类「交错 DID」方法？
其三， 如何论证「平行趋势假设」？

具体涵盖如下主题：

• 经典的两期与多期DID：Card and Krueger (1994); Qian (2008)
• 连续DID、队列DID与DDD：Nunn and Qian (2011); Duflo (2001); Muralidharan and Prakash (2017)
• 匹配DID与合成DID：Fowlie et al (2012); Arkhangelsky et al (2021)
• 交错DID的诊断和新方法：Goodman-Bacon (2021); Sun and Abraham (2020); Callaway and Sant'Anna (2021); Borusyak et al (2023); Wooldridge (2021); Cengiz et al (2019)
• 平行趋势的可视化、稳健推断和工具变量方法：Freyaldenhoven et al (2021); Rambachan and Roth (2023); Freyaldenhoven et al (2019)

专题三：工具变量方法（1 天）

工具变量法是最具想象力也最具争议的因果识别方法。针对这两个特点，本专题集中于两个方面：
其一，介绍几种最新的工具变量构造方法，以应对传统方法的缺陷；
其二，深入讨论如何论证工具变量法的关键识别假设，以及如何应对各种可能有违这些假设的情形，如敏感性分析、弱工具变量检验、放松排斥性约束等。

具体涵盖如下主题：

• Bartik IV / Shift-share IV：Goldsmith-Pinkham et al (2020); Borusyak et al (2022); Nunn and Qian (2014)
• Simulated IV：Currie and Gruber (1996); Fetter and Lockwood (2018); Borusyak and Hull (2022)
• Granular IV：Gabaix and Koijen (2023); Gabaix and Koijen (2022)
• Judge IV: Dobbie et al (2017); Stevenson (2018)
• 弱工具变量的稳健推断：Lee et al (2022); Angrist and Kolesar (2022)
• 检验和放松排斥性约束：Kippersluis and Rietveld (2018)

相关课程

• 前沿：政策机制分析与政策优化

  • 嘉宾：杨海生 (中山大学)
  • 主题：联邦 DID、政策学习、政策优化和公平性
  • 时间：8.22-24 日
  • 地点：西安 · 西北工业大学
  • PDF 大纲：https://file.lianxh.cn/KC/lianxh_PL.pdf

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 和 知乎专栏，1000+ 推文，实证分析不再抓狂。在线课堂 有很多视频课程，可以随时观看。

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