⏩ 连享会-2023系列公开课-共7次

发布时间:2023-05-24 阅读 1035

连享会系列公开课-2023

2023 年 6.6-8.8


目录 [TOC]


1. 课程概览

1.1 报名和参与

  • 时间:开课当日 19:00-20:30
  • 费用:免费
  • 课件下载:https://www.jianguoyun.com/p/DXqEhwQQ3c_TCBil6YoFIAA
  • 参与方式:网络直播
  • 方式一:扫码进群即可参与

温馨提示:请勿重复进群,以保证大家都有机会参加

  • 方式二:关注公众号“君泉计量”,君泉计量的视频号同步直播

1.2 主题和时间安排

  • T1 DID 新进展及应用
    • 王昆仑 (上海交通大学),6 月 6 日
  • T2 聚类稳健标准误
    • 秦利宾 (厦门大学),6 月 13 日
  • T3 CHARLS 数据库清洗与 Stata 实战
    • 宋森安 (西南财经大学),6 月 20 日
  • T4 Stata 数据清洗与合并:地级市 + 上市公司
    • 初虹 (山东财经大学),6 月 27 日
  • T5 Overleaf+LaTeX:科研范儿的论文、幻灯片和简历
    • 王胜文 (山东财经大学),7 月 5 日
  • T6 Citespace 软件——快速梳理出文献脉络
    • 唐雪梅 (南京审计大学),7 月 28 日
  • T7 异质性分析:What, Why, How?
    • 陈波 (暨南大学),8 月 8 日

2. 缘起

在过去五年中,连享会共发布了 1000 余篇推文,记录了连享会各位讲师和助教们在平时研究工作中的各种思考、经验、技巧和感悟。

时至今日,大家的毕业论文的致谢中多了一个特殊的致谢对象 ——「连享会」。其实,真正应该感谢的是 100 多位笔耕不断的助教们。他们中的很多人从读研一开始就与连享会一起成长,目前即将完成自己的博士学业。也有的即使已经前往国外高校求学,但仍然保留了记录和写作的习惯,时不时地在连享会发布自己的学习笔记。

之所以推出「连享会系列公开课」,主要源于几位热心读者的提议。他们读了 倍分法 DID 详解:之一, 之二, 之三,读了 异质性分析!异质性分析!,读了 稳健性检验!稳健性检验!,读了 Stata: 面板数据模型一文读懂,感觉豁然开朗,感激之余便有了想见见原文作者的冲动。为此,我邀请了十多位连享会助教,计划未来分几期推出连享会系列公开课。

目前大家看到的是第一期,包括七个小专题,涉及 异质性分析DID 进展CHARLS、CSMAR 数据库清理CiteSpace 和 LaTeX 软件 的应用等主题。

本次课程将从 2023 年 6 月 6 日持续到 8 月 8 日,每一期公开课结束后我们都会提供相关的程序和代码,以便大家能够操练、研习。

T1. 双重差分法(DID)的要点和新进展

A. 概览

B. 嘉宾简介

王昆仑,上海交通大学博士研究生,研究方向为区域与城市经济学。成果发表于 财政研究Energy Economics 等期刊,曾多次承担连享会助教工作,发表过系列推文「倍分法 DID 详解:之一, 之二, 之三」,全网阅读量破十万。

C. 内容提要

双重差分方法(DID)基本上是当前最为流行的准实验方法,方法本身也在经历着巨大的变革。一方面,它并不是简单的一种方法,而是包含着强度 DID、队列 DID、交错 DID 和合成 DID 等多个变种,另一方面,这一类方法的识别条件和假设也在不断地在质疑中进步,如事件研究法的引入以及交错型 DID 的偏误来源等。本次公开课将首先对 DID 方法的一般形式和识别条件进行讨论,再更进一步地介绍交错 DID 方法的偏误来源以及矫正方法。

  • DID 核心思想

  • 模型设定

  • 识别条件

  • DID 的新进展

  • 交错 DID 的偏误解析

  • 矫正方法:堆叠 DID

  • FAQ:DID 方法的常见问题讨论

T2. 聚类稳健标准误

 

A. 概览

  • 主题:聚类稳健标准误
  • 嘉宾:秦利宾(厦门大学)
  • 时间:6 月 13 日 19:00-20:30
  • 参与方式:网络直播,扫码进群即可参与

B. 嘉宾简介

秦利宾,厦门大学博士研究生,研究方向为公司财务与资本市场。成果被录用或发表于《管理科学学报》、《财贸经济》、《经济管理》、《财经问题研究》等期刊,长期担任连享会助教工作。

C. 讲座提要

  • 何谓标准误?

  • 聚类稳健标准误的原理介绍

  • 聚类稳健标准误的 Stata 实现

  • 常见问题解答

T3. CHARLS 数据库清洗与 Stata 实战

A. 概览

  • 主题:CHARLS 数据库清洗与 Stata 实战
  • 嘉宾:宋森安(西南财经大学)
  • 时间:6 月 20 日 19:00-20:30
  • 参与方式:网络直播,扫码进群即可参与

B. 嘉宾简介

宋森安 ,西南财经大学硕士研究生,研究兴趣为健康经济学、微观计量应用,曾参与连享会暑期班、文本分析与爬虫等课程的助教工作。

C. 讲座要点

本次讲座主要面向初次接触 CHARLS 数据库的研究者,如何使用 Stata 完成 CHARLS 数据库的清洗处理工作。主要内容包括但不限于:

  • CHARLS 数据库的介绍
  • 常用控制变量的处理
  • 年龄、性别、教育、婚姻、户口
  • 健康、婚姻、家庭结构、家庭收入和消费
  • 健康指标的创建
  • 自评健康、心理健康
  • ADL、IADL
  • 慢性病、认知能力
  • 部分热门研究主题
  • 长期护理保险
  • 医疗保险和养老保险
  • 医疗服务利用
  • 劳动参与和退休
  • 常见问题和答疑

T4. Stata 实战:地级市宏观数据和上市公司数据的清洗与合并

A. 概览

  • 主题:Stata实战:地级市宏观数据和上市公司数据的清洗与合并
  • 嘉宾:初虹( 山东财经大学)
  • 时间:6 月 27 日 19:00-20:30
  • 参与方式:网络直播,扫码进群即可参与

B. 嘉宾简介

初虹 ,山东财经大学硕士研究生,研究兴趣为财税理论与政策、微观计量经济学。成果发表于《财贸经济》、《南开经济研究》等期刊,曾多次承担连享会暑期班、因果推断专题、文本分析专题等课程的助教工作。

C. 讲座要点

想完成一篇学术论文,Stata 应该学习到什么程度呢?苦学了 Stata 数月有余,为啥面对数据却还是茫然无措呢?想必这也是很多同学入门 Stata 时的困惑。

硬啃枯燥的语法,或许也能学到些东西,但缺少实践的土壤,很容易学了就忘,忘了也没了兴趣再学。对着下载的数据,清洗起来没有思路,敲出来的代码自然也缺少逻辑。我们常说要学以致用,就是要学中干、干中学。数据清洗的过程也是软件学习的过程。

经管论文中,常见的数据主要为宏观数据、上市公司数据和微观调查数据。微观调查数据需要注意的点更多,更讲究「一库一策」。连享会已有不少推文详细讲解了国内常见微观调查数据库的清洗步骤,并且给出了 Stata 代码。相比而言,宏观数据和上市公司数据的规范化程度更高、上手难度更低,因此这次讲座便以此二者为例,给大家过一遍数据处理这步都有哪些基本操作。

宏观数据按照行政区划层级划分,主要可以分为省级、地市级和区县级。省级数据太简单,区县级又相对少见,于是这次讲座我们就用宏观数据里出镜率最高的地级市层面,选取常见的三大宏观数据库——EPS、CNRDS 和统计年鉴,以及提到上市公司数据,就绝对没跑儿的 国泰安 CSMAR,共四大数据库作为示例给大家演示。

我们会先讲数据下载,再讲数据清洗,最后讲数据合并。下载数据,也别小瞧,还真有些小技巧,有时候选择不同的数据下载样式,决定了不同的数据清洗难度。对于 CSMAR 数据库,我们还会给大家展示如何使用 CSMAR Stata API 来简化数据下载流程。

目标是在两个小时之内构造一份对接了地级市相关指标的上市公司面板数据,以糅合数据下载、数据清洗与数据合并三大块,力图贴近现实中学术论文的应用化场景。

听完之后,希望会让你有「噢,原来 Stata 也没有那么难」的感觉。再辅以强化练习,想必你一定能够轻松驾驭 Stata 进行数据清洗这一关。如果还能提振你继续进行学术创作的信心,那就更好了~

课程提纲

  • 三大宏观数据库数据下载与基础清洗
  • EPS、CNRDS、《中国城市建设》统计年鉴
  • 三大地级市宏观数据库的数据合并
  • CSMAR 数据下载及CSMAR Stata API 的使用
  • CSMAR 上市公司数据库的基础清洗
  • 地级市宏观数据库与上市公司数据库的数据合并

T5. 高效排版工具 Overleaf:用 LaTeX 写论文、做幻灯片与简历

A. 概览

  • 主题:Overleaf+LaTeX:科研范儿的论文、幻灯片和简历
  • 嘉宾:王胜文(山东财经大学)
  • 时间:7 月 5 日 19:00-20:30
  • 参与方式:网络直播,扫码进群即可参与

B. 嘉宾简介

王胜文 ,山东财经大学博士研究生,研究方向为企业战略管理、数字技术变革。成果发表于《Proceedings of the CSEE》、《中国科技论坛》、《现代情报》等期刊,曾多次承担连享会高级班、因果推断专题等课程的助教工作。

C. 讲座要点

随着毕业求职季的到来,您是否正在被毕业论文排版、答辩 PPT 制作与简历设计所深深困扰。连享会为大家推荐一款在线排版工具,Overleaf。Overleaf 是基于 LaTeX 的在线排版、编辑工具,它的页面操作及其简单,各类经典模板任您挑选,且在排版过程中不需要任何配置,可随时进行存档,绝对好用到爆炸。

  • Overleaf 工具介绍
  • 在线注册和主要功能
  • 写论文、做幻灯片
  • LaTeX 软件介绍
  • 安装、基本功能
  • 写论文、做幻灯片
  • 常见问题讨论

T6. 连享会系列公开课:Citespace 软件——快速梳理出文献脉络

A. 概览

  • 主题:Citespace 软件——快速梳理出文献脉络
  • 嘉宾:唐雪梅( 南京审计大学)
  • 时间:7 月 28 日 19:00-20:30
  • 参与方式:网络直播,扫码进群即可参与

B. 嘉宾简介

唐雪梅 ,南京审计大学硕士研究生,主要兴趣领域为 ESG、审计质量、分析师行为、政府审计等。成果发表于《Sustainability》,曾参加连享会五一论文班,担任连享会初级班课程助教。

C. 讲座要点

论文写作和课题申请都需要梳理文献,撰写文献述评,但发现即便开启文海战术,看了很多文献也不一定能够梳理清楚该领域的演进脉络、知识基础和研究前沿。CiteSpace 是一款多元、分时、动态的引文可视化分析软件,通过可视化的手段呈现科学知识的结构、规律和分布情况,能够实现合作网络分析、共现网络分析、共被引分析等,帮助快速梳理文献脉络。

  • CiteSpace 概览
  • 下载安装
  • 基本功能
  • 应用场景
  • CiteSpace 应用
  • 数据采集
  • 可视化操作
  • 图形解读
  • 用 CiteSpace 写论文
  • 期刊论文解读

T7. 连享会系列公开课:异质性分析:What, Why, How?

A. 概览

  • 主题:异质性分析:What, Why, How?
  • 嘉宾:陈波(暨南大学)
  • 时间:8 月 8 日 19:00-20:30
  • 参与方式:网络直播,扫码进群即可参与

B. 嘉宾简介

陈波 ,暨南大学博士研究生,研究方向为公司投融资、政企关系等。曾多次承担连享会论文班、经济理论转型与应用专题等课程的助教工作。

C. 讲座要点

异质性分析是实证论文中极为重要的一环,好的异质性分析往往可以让审稿人眼前一亮。但是,现在很多论文的异质性分析却流于形式,颇有滥竽充数之嫌。本次讲座在总结国内外经典文献的基础上,介绍异质性分析的目的和方法,和大家一起交流如何做“有意义的异质性分析”。

  • 为什么要做异质性分析?
  • 异质性分析的基本思路
  • 强化因果关系
  • 呼应经典文献
  • 引出政策含义
  • 紧扣核心变量
  • Stata 中的异质性分析
  • 组间差异检验
  • 分组回归 vs 交互项
  • 异质性分析 vs 机制分析

3. 相关课程

3.1 最新专题:Stata 暑期班

${\color{red}{\Rrightarrow}}$ 连享会: 2023 · Stata 暑期班

回放安排

3.2 现场班

${\color{red}{\Rrightarrow}}$ 江艇老师专场:深度因果推断

精讲:非常重要,却不容易用好的计量方法

  • 时间: 2023 年 8 月 2-5 日 (四天)
  • 地点: 西安 · 西北工业大学
  • 嘉宾: 江艇 (中国人民大学)
  • 主题:
    • IV 估计方法最新进展 (1 天)
    • DID 新进展 (2 天)
    • 敏感性分析 (1 天)
  • 课程详情: https://www.lianxh.cn/news/835167275c3af.html
  • 报名链接: http://junquan18903405450.mikecrm.com/46lRisP
  • 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)

${\color{red}{\Rrightarrow}}$ 杨海生老师专场:政策机制分析和政策优化

因果推断的新纪元:「联邦因果推断」和「政策学习
评估已经实施的政策固然重要,
但更重要的是如何优化未来的政策,如何保证政策公平性。
${\color{red}{\rightarrow}}$ 解决方案
o S1:用「双重机器学习/非参」估出每一个个体的反事实和处理效应;
o S2:通过「中介效应」和「路径分析」研究政策效果的产生机制;
o S3:分析该政策的可推广性/迁移性,以及政策的公平性

  • 时间: 2023 年 8 月 22-24 日 (三天)
  • 地点: 西安,西北工业大学
  • 嘉宾: 杨海生 (中山大学)
  • 主题:
    • 联邦因果推断 + 联邦 DID (1 天)
    • 基于机器学习的中介效应:进展与应用 (1 天)
    • 政策学习 (Policy Learning) 与公平性评价 (Fair Policy) (1 天)
  • 课程详情: https://www.lianxh.cn/news/72ab78cb6b39f.html
  • 报名链接: http://junquan18903405450.mikecrm.com/H6LBLNW
  • 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)