随着人工智能技术的飞速发展，AI大模型已经成为各行各业关注的焦点。在学术研究领域，AI技术的应用也日益广泛，但许多研究者对于如何将AI工具融入Stata实证论文过程仍然存在疑虑和困惑。他们往往认为AI辅助写作是一个简单的“输入—输出”模式，这种误解导致了信息壁垒的形成，使得许多研究者错失了利用AI工具提升论文写作效率和质量的机会。
努力固然是成功的关键，但方向的选择同样重要。在学术写作领域，打破信息壁垒，掌握AI工具的使用，构建一个可复用的AI辅助框架，是一项极具投资回报的行动。我们即将推出的直播课程，旨在帮助大家打破信息壁垒，成为能够熟练运用AI工具助力Stata的少数人。从零基础掌握Stata，到借助AI大模型提升Stata编程能力，最有效的学习方式，莫过于向经验丰富的专家学习。因此，我们非常荣幸地邀请到了崔百胜教授，他将于2024年11月11日至12月16日，通过6次远程直播课程，深入讲解《6小时从零基础入门Stata》。崔教授不仅拥有丰富的教学和研究经验，而且在Stata软件的使用上有着深厚的造诣。通过这门课程，您将能够从宏观的“道”与微观的“术”两个层面，全面掌握Stata在学术写作中的应用，从而提升您的研究效率和质量。培训时间：2025年1月13-15, 17-19日 (六天)培训安排：9:00-12:00；14:00-17:00；答疑交流培训方式：北京现场班, 同步远程直播; 均提供录播回放
培训安排：9:00-12:00；14:00-17:00；答疑交流培训方式：北京现场班, 同步远程直播; 均提供录播回放
培训安排：9:00-12:00；14:00-17:00；答疑交流培训方式：北京现场班, 同步远程直播; 均提供录播回放2025年寒假 Stata 课程专为希望在数据分析和计量经济学领域精进技能的学员设计，课程聚焦Stata 软件在学术研究和实务操作中的强大应用，致力于提升学员的数据管理和模型构建能力。
本课程提供完整的代码、配套数据和案例解析，分为初级和高级两个层次，逐步带领学员从 Stata 的基础操作到高阶分析，掌握广泛应用于经济、金融、管理等多个领域的前沿分析技术。
在课程内容上，我们结合当前的研究热点，涵盖了从数据预处理、可视化到线性回归、工具变量、面板数据模型（静态和动态）、双重差分、断点回归、合成控制、机器学习与因果推断等多种常用的计量分析方法，力求让学员掌握多元化的模型选择和分析策略。特别值得关注的是，课程全面引入 AI 辅助技术，帮助学员高效完成数据清洗、变量选择、模型优化等繁琐任务。AI 的引入不仅提升了学习效率，更帮助学员掌握数据分析的自动化与智能化技能。在初级课程中，学员将系统学习 Stata 的基础操作，掌握数据导入、数据清理、绘图等常用技能，为后续的数据分析奠定坚实基础。同时，课程详细讲解了 Stata 在经典计量经济学模型（如线性回归、工具变量法和面板数据模型）中的应用，包括基于 AI 的模型实现和结果解读，帮助学员高效掌握从变量边际效应到弱工具变量检验等关键技能。高级课程则专注于前沿计量模型和因果推断方法，重点讲授面板模型的最新发展（如非平稳、动态和非线性面板数据模型）、因果推断效应（异质性双重差分、断点回归和合成控制法）以及复杂异质性处理效应等前沿方法。AI 在高级课程中的应用更为突出，包括自动化高维面板数据模型估计、模型选择和动态效果分解等，帮助学员快速适应计量经济学和数据科学的最新趋势。通过深入学习，学员不仅能理解模型背后的理论，还将具备直接应用于学术论文撰写和复杂数据项目分析的能力。课程面向Stata 初学者、具有一定计量分析基础的学员以及希望掌握最新 Stata 工具和技术的学者。无论是学术研究、政策分析还是行业数据研究，课程都将为学员提供强大支持，并通过 AI 辅助工具提升分析效率，让学员从繁杂的数据处理中解放出来，专注于模型构建和结果分析。社会科学、经济管理、公共政策、教育学、医学统计等领域的学术研究人员和行业从业者，适合高校教师、科研院所研究员、在校博硕士研究生、优秀本科生、数据分析师、政府部门统计人员及需要使用 Stata 进行数据分析和计量研究的各类专业人士。崔百胜，上海师范大学教授，厦门大学经济学博士。教学使用软件为Stata和Matlab软件，熟悉相关软件的操作与使用。主要研究领域为货币理论与政策、动态一般均衡模型、空间计量经济学。主持国家社会科学基金项目，教育部人文社会科学基金项目，以及上海市教委科研创新项目等在内的多项课题。在CSSCI、SSCI期刊发表学术论文50余篇。参与编写文50余篇。参与编写《空间计量经济学——现代模型与方法》、《空间计量经济学——实证研究与软件实现》、《计量经济分析与Stata应用》、《经济计量研究指导——实证分析与软件实现》等专业教材。1.2 AI赋能Stata学习实例2025 new1.4 Stata路径设定：sysdir和adopath1.6 各类文件的合理组织：do文件、ado文件和数据文件1.9 标量与矩阵
2.5.1 主流数据库：Wind数据转换为Stata面板数据2.5.2 微观调查类数据处理：以CFPS数据为例① Cattaneo M D, Crump R K, Farrell M H, et al. On binscatter[J]. American Economic Review, 2024,114(5): 1488-1514.
3.3.6 AI智能编写Stata程序2025 new3.5 Stata编程示例: LM和GMM估计的代码编程
4.3 Wild cluster bootstrap② 尹志超等. 农村劳动力流动对家庭储蓄率的影响[J]. 中国工业经济,2020.③ Ishimaru S. Empirical decomposition of the iv-ols gap with heterogeneous and nonlinear effects[J].Review of Economics and Statistics, 2024: 1-16.
第5讲 因果推断经验研究中的中介效应与调节效应（IV）（3h）5.4 中介效应估计新命令：sgmediation2④ 孙伟增,毛宁,兰峰等.政策赋能、数字生态与企业数字化转型——基于国家大数据综合试验区的准自然实验[J]. 中国工业经济,2023.⑤ 曹伟,綦好东,赵璨.企业金融资产的配置动机：基于产权性质与异质性股东参股的分析[J].中国工业经济,2023.⑥ Braghieri L, Levy R, Makarin A. Social media and mental health[J]. American Economic Review, 2022.
6.1 估计量比较：混合OLS、组内、组间与一阶差分6.5 AI辅助静态面板数据模型估计、模型选择与结果解释2025 new⑦ 曹清峰.国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据.中国工业经济,2020.7.10 AI赋能长面板与动态面板数据模型学习案例2025 new① Acemoglu D, Naidu S, Restrepo P, et al. Democracy does cause growth. Journal of political economy, 2019.② Borusyak K, Hull P, Jaravel X. Quasi-experimental shift-share research designs[J]. The Review of Economic Studies, 2022. Economic Studies, 2022.
8.4 异质性数据的面板Granger检验-xtgrangert8.10 AI赋能非平稳与非线性面板数据模型学习案例2025 new③ Ditzen J., Estimating long run effects and the exponent of cross-sectional dependence: an update to xtdcce2, The Stata Journal,2021. xtdcce2, The Stata Journal,2021.④ 王维国,王鑫鹏.创新转化效率、要素禀赋与中国经济增长[J].数量经济技术经济研究,2022.
9.10 AI赋能因变量受限的面板数据模型学习案例2025 new⑤ 吴小康,于津平.科技中介与全国统一技术大市场建设[J].数量经济技术经济研究,2023.
10.1 如何在多期与处理时间变化时，选择合适的DID估计量？10.2 负权重的诊断：de Chaisemartin and D’Haultfoeuille 分解10.4 组别-时期平均处理效应估计：csdid和did_multiplegt10.5 插补估计量：did_imputation10.7 通过TWFE的事件研究：event study interact与jwdid10.8 Stata官方异质性双重差分命令：xthdidregress10.12 AI赋能异质性DID模型学习案例2025 new⑥ De Chaisemartin C, d’Haultfoeuille X. Two-way fixed effects and differences-in-differences with heterogeneous treatment effects: A survey[J]. The Econometrics Journal, 2023.⑦ Roth J, Sant’Anna P H C, Bilinski A, et al. What’s trending in difference-in-differences? A synthesis of the recent econometrics literature, Journal of Econometrics, 2023.⑧ 余长林,马青山.特高压输电与区域经济发展——来自特高压工程的经验证据[J].数量经济技术经济研究,2023.
11.2 断点回归的检验（连续性检验、安慰剂检验）11.5 断点回归（RDD）与扭点回归（RKD）的最优模型选择11.9 AI赋能断点回归与合成控制学习案例2025 new⑨ Cattaneo M D, Idrobo N, Titiunik R. A Practical Introduction to Regression Discontinuity Designs: Extensions[M]. Cambridge University Press, 2024. Extensions[M]. Cambridge University Press, 2024.⑩ Clarke, D Pailañir, S. Athey and G. Imbens. Synthetic Difference-in-Differences Estimation. IZA Discussion Paper, 2023. Discussion Paper, 2023.
12.2 收缩法：ridge, Lasso, elasticnet12.6 系数解释：边际效应、对比、获胜率、发生率12.7 实例：探讨母亲教育和吸烟习惯对出生体重的影响12.8 AI辅助Lasso在预测与因果推断中的应用 2025 new⑪ Ahrens A, Hansen C B, Schaffer M E. lasso pack: Model selection and prediction with regularized regression in Stata[J]. The Stata Journal, 2020, 20(1): 176-235. regression in Stata[J]. The Stata Journal, 2020, 20(1): 176-235.尹老师
电话：13321178792
QQ：42884447![]()
