2024夏季Stata训练营
演讲主题：《面板数据的因果推断及Stata应用研讨会》
主讲老师：山东大学陈强教授
时间：2024年8月18日
上午：09:00-12:00
下午：14:00-17:00
培训地点：南开大学（八里台校区）
课程概要
使用面板数据进行实证分析的一种常见情形式，处理组仅有一位或几位个体(地区)，而处理前的时期较多。此时，可使用合成控制法、回归控制法或分位数控制法进行有效的因果推断。其中，合成控制法最为流行(Abadie and Gardeazabal, 2003; Abadie et al., 2010, 2015)，但需要协变量；而回归控制法则无须协变量，且算法简便(Hsiao et al., 2012)。然而，合成控制法与回归控制法主要依赖于安慰剂检验进行统计推断，在应用中有一定局限性。分位数控制法使用“分位数随机森林”(quantile random forest)的机器学习方法，通过非参数的分位数回归构造处理效应的稳健置信区间，在小样本中表现优异(Chen et al., 2024)。本课程将深入浅出地介绍合成控制法、回归控制法或分位数控制法，并通过经典案例演示相应的Stata操作。
课程大纲
第1讲，比较案例分析。比较案例分析是区域政策研究的传统方法，可对少数案例进行深入分析，广泛应用于社会科学，但控制组的选择比较主观。案例：马里矣尔船运(Mariel boatlift)对迈阿密劳动力市场的影响(Card, 1990)。
第2讲，合成控制法。合成控制法由比较案例分析发展而来，可以更客观而有效地选择控制组及权重。本讲介绍合成控制法的原理与算法、权重的稀疏性、时间安慰剂检验、空间安慰剂检验、混合安慰剂检验，以及留一稳健性检验。案例：西班牙巴斯克地区恐怖活动的经济效应(Abadie and Gardeazabal, 2003)；加州控烟法的效应(Abadie et al., 2010)；德国统一的经济效应(Abadie et al., 2015)。
第3讲，回归控制法。回归控制法的应用场景与合成控制法相同，但前者无须协变量，可使用信息准则或拉索估计量(Lasso)选择控制组。本讲介绍回归控制法的原理与算法，时间安慰剂检验、空间安慰剂检验，混合安慰剂检验，以及含协变量的回归控制法(Hsiao and Zhou, 2019)。案例：香港回归以及与中国内地经济整合的效应(Hsiao et al., 2012)；四万亿经济刺激政策的效应(Ouyang and Peng, 2015)；上海与重庆房产税试点的效应(Du and Zhang, 2015)；高铁开通的政策效应(Ke et al., 2017)；房票政策的房价效应(方诚、陈强, 2021)。
第4讲，分位数控制法。分位数控制法使用分位数随机森林的机器学习方法，通过非参数的分位数回归构造处理效应的稳健置信区间，在异方差、自相关或模型误设情况下依然有效，且在小样本中表现优异(Chen et al., 2024)。本讲介绍分位数控制法的原理与算法，包括决策树、随机森林与分位数回归森林。案例：香港回归以及与中国内地经济一体化的效应(Hsiao et al., 2012)；瑞典碳税对于二氧化碳排放的效应(Andersson, 2019)。
扫描二维码了解更多课程详情，或点击页底“阅读原文”
