司继春:二元选择模型与计数数据

发布时间:2020-05-04 阅读 3486

Stata 连享会   主页 || 视频 || 推文

温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。

课程详情 https://gitee.com/arlionn/Course   |   lianxh.cn

课程主页 https://gitee.com/arlionn/Course

司继春:二元选择模型与计数数据

1. 课程缘起

在很多非线性、非参数模型中,倾向得分(propensity score)是重要的估计步骤,比如在倾向得分匹配中,倾向得分的估计是一个重要的步骤;在Heckman两步法等模型中,倾向得分估计也扮演着重要作用。在本次直播中,我们将从预测拟合以及解释两个角度,为大家详细解释二元选择模型的种种细节,并在此基础上介绍二元选择模型的几个应用:在PSM以及在离散选择模型中的应用。

2. 课程概览

  • 听课方式: 网络直播/回放。报名后点击课程链接进入在线课堂收看,无需安装任何软件。支持手机、iPad、电脑等。
  • 直播嘉宾:司继春
  • 软件/课件: Stata,报名后点击短书平台「课程表」查看。包括:讲义 PPT,实操 Stata 数据和程序文件。
  • 费用:88 元
  • 时间:2020 年 5 月 23 日(周六),19:00-21:00 (温馨提示:直播时点过后,仍随时可购买课程回放)
  • 课程咨询: 李老师-18636102467(微信同号)
  • 报名链接: https://lianxh.duanshu.com/#/brief/course/9cbbe03d92d24858aa52bfadda9952dd

扫码报名

3. 嘉宾简介

司继春,博士毕业于上海财经大学,现任上海对外经贸大学统计与信息学院讲师,主要研究领域为微观计量经济学、产业组织理论。在 Journal of Business and Economic Statistics、《财经研究》等学术刊物上发表多篇论文,[主页]。大家更熟悉的是知乎上大名鼎鼎的 [慧航],拥有 263,010 个关注者,获得过 136,144 次赞同,他就是司继春老师 —— [知乎-慧航]

4. 课程提要

  • 二元选择模型:拟合
    • 为什么需要二元选择模型?
    • 二元选择模型的估计和预测
    • 模型评价
    • Stata实现:如何估计propensity score?
  • 二元选择模型:解释
    • 几率、几率比与Logistic系数的解释
    • 潜在结果模型与Probit系数的解释
    • Stata实现:如何汇报二元选择模型的结果?
  • 面板数据二元选择模型简介
    • 随机效应
    • 固定效应
    • Stata实现:生育与女性劳动参与
  • 广义线性模型与计数回归简介
    • 广义线性模型简介
    • 泊松回归
    • ZIP回归

相关课程

连享会-直播课 上线了!
http://lianxh.duanshu.com

免费公开课:


课程一览

支持回看,所有课程可以随时购买观看。

专题 嘉宾 直播/回看视频
最新专题 DSGE, 因果推断, 空间计量等
Stata数据清洗 游万海 直播, 2 小时,已上线
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。


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。直播间 有很多视频课程,可以随时观看。
  • 连享会-主页知乎专栏,300+ 推文,实证分析不再抓狂。
  • 公众号推文分类: 计量专题 | 分类推文 | 资源工具。推文分成 内生性 | 空间计量 | 时序面板 | 结果输出 | 交乘调节 五类,主流方法介绍一目了然:DID, RDD, IV, GMM, FE, Probit 等。
  • 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

连享会主页  lianxh.cn
连享会主页 lianxh.cn

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

✏ 连享会学习群-常见问题解答汇总:
https://gitee.com/arlionn/WD