您现在的位置是：课程
倍差法、倾向值分析、合成控制与干预效应模型
2023-12-04 21:57课程 人已围观
课程概述
老师介绍
副教授，数量经济学博士，理论经济学在站博士后，擅长应用统计学与应用计量经济学的软件操作、金融理财，对计量经济学、统计学、数据处理、金融理财、历史、哲学感兴趣。
课程简介
本课程为社会学、政治学、教育学、心理学、经济学、管理学、医学等领域的本科生、硕士研究生、博士研究生与科研工作者提供 《倍差法、倾向值分析、合成控制法与干预效应模型》的简单理论与详细的Stata操作，图表结合，通过详细的案例操作流程讲解应用过程，力争让学习者 通过“比着葫芦画瓢”就可以进行正确操作。
如果希望关注更多统计与计量经济学操作的内容可以关注我们的 微信公众号“格致之学(Truth_Wisdom_Science)”。
本课程包括了 倍差法(DID)、倾向值分析、倾向得分匹配、PSM-DID、干预效应模型、合成控制、剂量-响应干预效应模型、二元响应干预效应模型等内容；
注意：
(0) 以下目录是第二期目录，购买时请选择第二期，即点击目录，会出现列表，选择第二期即可。
课程目录
倍差法与倾向值分析（一）
1.DID(倍差法，双重差分)
1.1DID的主要思想
1.2 基准DID模型
(1)模型介绍
(2)DID估计程序介绍
(3)软件操作流程
①数据描述
②第一个例子操作流程
A.无协变量估计
a.第一种估计方法
b.第二种估计方法
c.第三种估计方法
B.带协变量的DID估计
a.第一种估计方法
b.第二种估计方法
c.第三种估计方法
C.分位数DID
D.bootstrap估计
E.平衡性检验
③第二个例子操作流程
A.数据描述
B.DID估计流程（三种估计方法+分位数DID估计）
1.3共同（平行）趋势检验
(1)画趋势图与软件操作
(2)程序检验
(3)比较历年的交互项系数
(4)加入时间趋势
(5)加入更多控制变量
(6)检验控制变量的DID效应
(7)DDD(三重差分)法
①模型介绍
②案例操作流程
1.4安慰剂检验
(1)时间处理方法
(2)政策处理方法
(3)时间与政策同时进行的方法
1.5其他稳健性检验
1.6政策唯一性检验
1.7干预的动态影响
1.8多期DID模型
(1)模型介绍与注意事项
(2)操作流程—一个经典案例
倍差法与倾向值分析（二）
2.倾向得分匹配
2.1什么是倾向得分
2.2因果关系
2.3处理组与控制组的定义
2.4反事实框架
2.5选择问题的解决方法
(1)随机分组
(2)观测变量选择
2.6倾向得分定义与性质
2.7倾向得分估计
2.8软件操作
(1)数据（结构）描述
(2)倾向得分计算的软件操作
2.9匹配的基本思想与程序
(1)基本思想
(2)倾向得分匹配程序
①1:1匹配
② k-邻近匹配
③半径匹配
④内核匹配
⑤局部线性回归匹配：
⑥样条匹配
⑦马氏匹配
(3)检验匹配后数据是否平衡
①匹配样本
②原始抽样
③匹配前后
(4)使用直方图显示倾向得分的共同取值范围
2.10贪婪匹配
(1)马氏距离匹配与软件操作：
①一对一匹配
②计算总体方差与Abadie et al. (2004, p.303)提出的条件方差
③bootstrap估计
④ Abadie and Imbens (2006) 稳健标准误差匹配
(2)包括倾向得分的马氏距离匹配与软件操作
①一般估计
②bootstrap估计
③Abadie and Imbens (2006) 稳健标准误差匹配
(3)最近相邻匹配
①1对2匹配
②第二种形式的1:2相邻匹配
③bootstrap估计
④ Abadie and Imbens (2006) 稳健标准误估计
(4)卡尺（半径）匹配：
①一般命令估计
②bootstrap估计
③ Abadie and Imbens (2006) 稳健标准误估计
(5)卡尺范围内的最邻近匹配
①一般命令
②bootstrap估计
(6)倾向值所界定的卡尺内最邻近的可得马氏距离匹配
①一般命令
②bootstrap估计
(7)匹配后数据的平衡性检验
2.11贪婪匹配后的多元分析
2.12PSM-DID估计流程
2.13倾向得分加权
(1)基本理论
(2)操作流程
2.14对干预剂量进行建模
(1)基本理论
(2)操作流程
倍差法与倾向值分析（三）
3.匹配估计量
3.1匹配估计量的定义
3.2匹配估计量的方法
(1)简单匹配估计量
(2)偏差校正匹配估计量
(3)假定方差齐性的方差估算
(4)考虑异方差的方差估计量
3.3Stata软件程序介绍
3.4Stata软件操作流程
4.非参数回归的倾向得分分析
4.1理论概述
4.2非参数回归的倾向值分析方法
(1)基于内核的匹配估计量
(2)局部线性回归(lowess)的基本概念
4.3Stata程序概述
(1)以内核匹配估计被干预者干预效应基本语法
(2)局部线性回归匹配的语法
(3)bootstrap估计的语法
(4)内核匹配和局部线性回归匹配的DID分析
①数据描述
②使用局部线性回归匹配的DID的软件操作流程
③内核匹配DID程序与操作
④内核匹配在横截面数据中的Stata软件操作
5.选择偏差与敏感性分析
5.1选择偏差
5.2Rosenbaum的敏感性分析的Stata软件操作
倍差法与倾向值分析（四）：半参数DID
1.基本介绍
2.程序介绍
3.操作流程
3.1数据描述
3.2基本估计
3.3使用logistic函数估计倾向得分
3.4约束倾向得分
3.5ATT随控制变量而变化
3.6高阶多项式函数估计倾向得分
倍差法与倾向值分析（五）：非线性DID
1.模型描述
2.程序介绍
3.操作流程
3.1数据描述与处理
3.2估计方法
倍差法与倾向值分析（六）：Heckman样本选择模型与Stata操作
6.1基本模型
6.2程序解释
6.3数据描述
6.4Heckman的MLE估计
6.5bootstrap Heckman估计
6.6贝叶斯Heckman估计
6.7Heckman两步一致估计量
6.8稳健标准误差估计
6.9聚类-稳健标准误Heckman估计
6.10报告一步probit估计
6.11计算逆米尔斯比率
6.12回归方程无常数项
6.14使用变量识别选择
6.15结构方程模型Heckman估计
倍差法与倾向值分析（七）：合成控制法与Stata操作
1.合成控制法介绍
1.1合成控制法的基本思想
1.1.1反事实检验
1.1.2控制组与处理组
1.2合成控制法
2.估计程序介绍
3.案例操作流程
3.1数据导入与描述
3.2研究目的
3.3数据处理
3.4估计与程序解释（例子1）
3.5估计与程序解释（例子2）
3.6估计与程序解释（例子3）
3.7估计与程序解释（例子4）
3.8安慰剂检验
4.第二类程序介绍
5.案例操作流程（第二类程序）
5.1数据导入与处理
5.2例子1的操作
5.3例子2的操作
5.4不同时期存在多个受干预地区的情况
6.非参数合成控制
6.1非参数合成控制的特点
6.2非参数合成控制的命令与操作
倍差法与倾向值分析（八）：干预效应模型与Stata操作
干预效应模型与Stata操作（一）
第1节 干预效应模型介绍
1.1基本介绍
1.2深入介绍
干预效应模型与Stata操作(二)
第2节 回归调整(RA)
2.1程序介绍
2.2操作流程
例子1：估计ATE
例子2：估计ATET
例子3：估计POMs
例子4：估计ATE作为百分数
例子5：拟合非负结果
例子6：拟合分数结果
第3节 逆概率加权(IPW)
3.1程序介绍
3.2操作流程
例子1：估计ATE
例子2：估计ATET
例子3：报告ATE作为百分数
第4节 逆概率加权回归调整(IPWRA)
4.1程序介绍
4.2操作流程
例子1：估计ATE
例子2：显示POMs与方程
例子3：异方差probit干预模型
第5节 扩展逆概率加权(AIPW)
5.1程序介绍
5.2操作流程
例子1：估计ATE
例子2：显示POMs与方程
例子3：异方差probit干预模型
例子4：使用WNLS估计量
第6节 最邻近匹配(NNM)
6.1程序介绍
6.2操作流程
例子1：估计ATE
例子2：精确匹配
例子3：偏差调整
例子4：NNM退化至RA
第7节 倾向得分匹配(PSM)
7.1程序介绍
7.2操作流程
例子1：估计ATE
例子2：指定卡尺
例子3:1对多匹配
第8节 多值干预效应(MTE)
8.1基本介绍
8.2操作流程
例子1：四个干预层次的潜在结果
例子2：估计ATE作为百分比
例子3：估计ATETs
例子4：ATEs比较相邻干预
第9节 估计后处置
9.1程序介绍
9.2操作流程
第10节 Overlap 画图
9.1程序介绍
9.2操作流程
例子1:假定不违犯重叠假设
例子2：假定违反重叠假设
第11节 平衡性检验
11.1程序介绍
11.2操作流程
例子1：使用加权后估计量平衡
例子2：匹配估计量之后的平衡
例子3：匹配估计量之后更快的结果
11.3协变量平衡方框图
例子：检验相关程序之后的协变量是否平衡
11.3协变量平衡密度
例子：检验后协变量平衡性
11.4协变量平衡性检验
例子：基准协变量与交互项
11.5协变量平衡性的描述统计
例子1：检验估计后之后的协变量平衡性
例子2：多值干预的情况
干预效应模型与Stata操作(三)
第12节 生存时间回归调整
12.1程序介绍
12.2操作流程
例子1：估计ATE
例子2：改变结果模型
例子3：估计ATE与控制层次POM的比率
例子4：估计ATET
例子5：固定或随机删失时间
第13节 生存时间加权回归调整
13.1程序介绍
13.2操作流程
例子：估计ATE
第14节 生存时间逆概率加权
14.1程序介绍
14.2操作流程
例子1：估计ATE
例子2：不同的干预与删失模型
例子3：估计ATET
第15节 生存时间逆概率加权回归调整
15.1程序介绍
15.2操作流程
例子1：使用LAC-IPWRA估计ATE
例子2：不同结果与干预模型
例子3：使用WAC-IPWRA估计ATE
例子4：使用LAC-IPWRA估计ATET
第16节 生存时间干预模型的后置估计
16.1程序介绍
16.2操作流程
干预效应模型与Stata操作(四)
(17)7.线性内生干预效应模型
(17)7.1基本模型
(17)7.2干预效应模型程序
(17)7.3操作流程
①数据描述
②基本估计
③控制组和干预组方差和相关参数不等的情况估计
④ATE与ATET估计
⑤方差与相关系数变化的ATE与ATET估计
⑥保存逆米尔斯比率
⑦两步估计
(18)8.内生干预效应模型
(18)8.1基本模型
(18)8.2程序介绍
(18)8.3案例操作流程
(1)ATE的线性结果估计
①数据描述
②ATE估计程序
③ATET估计
(2)指数均值结果
①数据描述
②指数平均估计
(3)内生性检验
(4)其它估计
老师介绍
副教授，数量经济学博士，理论经济学在站博士后，擅长应用统计学与应用计量经济学的软件操作、金融理财，对计量经济学、统计学、数据处理、金融理财、历史、哲学感兴趣。
课程简介
本课程为社会学、政治学、教育学、心理学、经济学、管理学、医学等领域的本科生、硕士研究生、博士研究生与科研工作者提供 《倍差法、倾向值分析、合成控制法与干预效应模型》的简单理论与详细的Stata操作，图表结合，通过详细的案例操作流程讲解应用过程，力争让学习者 通过“比着葫芦画瓢”就可以进行正确操作。
如果希望关注更多统计与计量经济学操作的内容可以关注我们的 微信公众号“格致之学(Truth_Wisdom_Science)”。
本课程包括了 倍差法(DID)、倾向值分析、倾向得分匹配、PSM-DID、干预效应模型、合成控制、剂量-响应干预效应模型、二元响应干预效应模型等内容；
注意：
(0) 以下目录是第二期目录，购买时请选择第二期，即点击目录，会出现列表，选择第二期即可。
（1）可以通过分享课程获得收益：
第一步，点击分享赚。
第二步，选择方式一，点击复制链接，分享至朋友圈，若朋友圈通过如下链接收看视频，分享者即可获得相应的收益；选择方式二，扫描二维码生成海报，分享至朋友圈，如朋友圈通过海报收看视频，分享者即可获得相应收益。
（2）本课程使用的软件是Stata。
（3）本课程为知识课程，与信息同类，购买之后概不退换，敬请谅解。
（4）课程的数据、PPT和do文件下载方式为：使用电脑打开课程，点击课程概述，然后下拉至最后，可见相关下载链接，点击下载即可（这里也是举得事件研究的例子，操作仍然一样）。
（5）课程中有什么不足和意见，请多多建议，我们会在后期中继续修正。务必多提宝贵意见，期望我们共同进步。
（6）如果该方法有什么新的进展，请及时告知，我们会在后期尽可能补充和更新。
（7）该课程可开发票，但是由于我们是集中开票，一月一次，所以速度较慢，敬请谅解。
课程目录
倍差法与倾向值分析（一）
1.DID(倍差法，双重差分)
1.1DID的主要思想
1.2 基准DID模型
(1)模型介绍
(2)DID估计程序介绍
(3)软件操作流程
①数据描述
②第一个例子操作流程
A.无协变量估计
a.第一种估计方法
b.第二种估计方法
c.第三种估计方法
B.带协变量的DID估计
a.第一种估计方法
b.第二种估计方法
c.第三种估计方法
C.分位数DID
D.bootstrap估计
E.平衡性检验
③第二个例子操作流程
A.数据描述
B.DID估计流程（三种估计方法+分位数DID估计）
1.3共同（平行）趋势检验
(1)画趋势图与软件操作
(2)程序检验
(3)比较历年的交互项系数
(4)加入时间趋势
(5)加入更多控制变量
(6)检验控制变量的DID效应
(7)DDD(三重差分)法
①模型介绍
②案例操作流程
1.4安慰剂检验
(1)时间处理方法
(2)政策处理方法
(3)时间与政策同时进行的方法
1.5其他稳健性检验
1.6政策唯一性检验
1.7干预的动态影响
1.8多期DID模型
(1)模型介绍与注意事项
(2)操作流程—一个经典案例
倍差法与倾向值分析（二）
2.倾向得分匹配
2.1什么是倾向得分
2.2因果关系
2.3处理组与控制组的定义
2.4反事实框架
2.5选择问题的解决方法
(1)随机分组
(2)观测变量选择
2.6倾向得分定义与性质
2.7倾向得分估计
2.8软件操作
(1)数据（结构）描述
(2)倾向得分计算的软件操作
2.9匹配的基本思想与程序
(1)基本思想
(2)倾向得分匹配程序
①1:1匹配
② k-邻近匹配
③半径匹配
④内核匹配
⑤局部线性回归匹配：
⑥样条匹配
⑦马氏匹配
(3)检验匹配后数据是否平衡
①匹配样本
②原始抽样
③匹配前后
(4)使用直方图显示倾向得分的共同取值范围
2.10贪婪匹配
(1)马氏距离匹配与软件操作：
①一对一匹配
②计算总体方差与Abadie et al. (2004, p.303)提出的条件方差
③bootstrap估计
④ Abadie and Imbens (2006) 稳健标准误差匹配
(2)包括倾向得分的马氏距离匹配与软件操作
①一般估计
②bootstrap估计
③Abadie and Imbens (2006) 稳健标准误差匹配
(3)最近相邻匹配
①1对2匹配
②第二种形式的1:2相邻匹配
③bootstrap估计
④ Abadie and Imbens (2006) 稳健标准误估计
(4)卡尺（半径）匹配：
①一般命令估计
②bootstrap估计
③ Abadie and Imbens (2006) 稳健标准误估计
(5)卡尺范围内的最邻近匹配
①一般命令
②bootstrap估计
(6)倾向值所界定的卡尺内最邻近的可得马氏距离匹配
①一般命令
②bootstrap估计
(7)匹配后数据的平衡性检验
2.11贪婪匹配后的多元分析
2.12PSM-DID估计流程
2.13倾向得分加权
(1)基本理论
(2)操作流程
2.14对干预剂量进行建模
(1)基本理论
(2)操作流程
倍差法与倾向值分析（三）
3.匹配估计量
3.1匹配估计量的定义
3.2匹配估计量的方法
(1)简单匹配估计量
(2)偏差校正匹配估计量
(3)假定方差齐性的方差估算
(4)考虑异方差的方差估计量
3.3Stata软件程序介绍
3.4Stata软件操作流程
4.非参数回归的倾向得分分析
4.1理论概述
4.2非参数回归的倾向值分析方法
(1)基于内核的匹配估计量
(2)局部线性回归(lowess)的基本概念
4.3Stata程序概述
(1)以内核匹配估计被干预者干预效应基本语法
(2)局部线性回归匹配的语法
(3)bootstrap估计的语法
(4)内核匹配和局部线性回归匹配的DID分析
①数据描述
②使用局部线性回归匹配的DID的软件操作流程
③内核匹配DID程序与操作
④内核匹配在横截面数据中的Stata软件操作
5.选择偏差与敏感性分析
5.1选择偏差
5.2Rosenbaum的敏感性分析的Stata软件操作
倍差法与倾向值分析（四）：半参数DID
1.基本介绍
2.程序介绍
3.操作流程
3.1数据描述
3.2基本估计
3.3使用logistic函数估计倾向得分
3.4约束倾向得分
3.5ATT随控制变量而变化
3.6高阶多项式函数估计倾向得分
倍差法与倾向值分析（五）：非线性DID
1.模型描述
2.程序介绍
3.操作流程
3.1数据描述与处理
3.2估计方法
倍差法与倾向值分析（六）：Heckman样本选择模型与Stata操作
6.1基本模型
6.2程序解释
6.3数据描述
6.4Heckman的MLE估计
6.5bootstrap Heckman估计
6.6贝叶斯Heckman估计
6.7Heckman两步一致估计量
6.8稳健标准误差估计
6.9聚类-稳健标准误Heckman估计
6.10报告一步probit估计
6.11计算逆米尔斯比率
6.12回归方程无常数项
6.14使用变量识别选择
6.15结构方程模型Heckman估计
倍差法与倾向值分析（七）：合成控制法与Stata操作
1.合成控制法介绍
1.1合成控制法的基本思想
1.1.1反事实检验
1.1.2控制组与处理组
1.2合成控制法
2.估计程序介绍
3.案例操作流程
3.1数据导入与描述
3.2研究目的
3.3数据处理
3.4估计与程序解释（例子1）
3.5估计与程序解释（例子2）
3.6估计与程序解释（例子3）
3.7估计与程序解释（例子4）
3.8安慰剂检验
4.第二类程序介绍
5.案例操作流程（第二类程序）
5.1数据导入与处理
5.2例子1的操作
5.3例子2的操作
5.4不同时期存在多个受干预地区的情况
6.非参数合成控制
6.1非参数合成控制的特点
6.2非参数合成控制的命令与操作
倍差法与倾向值分析（八）：干预效应模型与Stata操作
干预效应模型与Stata操作（一）
第1节 干预效应模型介绍
1.1基本介绍
1.2深入介绍
干预效应模型与Stata操作(二)
第2节 回归调整(RA)
2.1程序介绍
2.2操作流程
例子1：估计ATE
例子2：估计ATET
例子3：估计POMs
例子4：估计ATE作为百分数
例子5：拟合非负结果
例子6：拟合分数结果
第3节 逆概率加权(IPW)
3.1程序介绍
3.2操作流程
例子1：估计ATE
例子2：估计ATET
例子3：报告ATE作为百分数
第4节 逆概率加权回归调整(IPWRA)
4.1程序介绍
4.2操作流程
例子1：估计ATE
例子2：显示POMs与方程
例子3：异方差probit干预模型
第5节 扩展逆概率加权(AIPW)
5.1程序介绍
5.2操作流程
例子1：估计ATE
例子2：显示POMs与方程
例子3：异方差probit干预模型
例子4：使用WNLS估计量
第6节 最邻近匹配(NNM)
6.1程序介绍
6.2操作流程
例子1：估计ATE
例子2：精确匹配
例子3：偏差调整
例子4：NNM退化至RA
第7节 倾向得分匹配(PSM)
7.1程序介绍
7.2操作流程
例子1：估计ATE
例子2：指定卡尺
例子3:1对多匹配
第8节 多值干预效应(MTE)
8.1基本介绍
8.2操作流程
例子1：四个干预层次的潜在结果
例子2：估计ATE作为百分比
例子3：估计ATETs
例子4：ATEs比较相邻干预
第9节 估计后处置
9.1程序介绍
9.2操作流程
第10节 Overlap 画图
9.1程序介绍
9.2操作流程
例子1:假定不违犯重叠假设
例子2：假定违反重叠假设
第11节 平衡性检验
11.1程序介绍
11.2操作流程
例子1：使用加权后估计量平衡
例子2：匹配估计量之后的平衡
例子3：匹配估计量之后更快的结果
11.3协变量平衡方框图
例子：检验相关程序之后的协变量是否平衡
11.3协变量平衡密度
例子：检验后协变量平衡性
11.4协变量平衡性检验
例子：基准协变量与交互项
11.5协变量平衡性的描述统计
例子1：检验估计后之后的协变量平衡性
例子2：多值干预的情况
干预效应模型与Stata操作(三)
第12节 生存时间回归调整
12.1程序介绍
12.2操作流程
例子1：估计ATE
例子2：改变结果模型
例子3：估计ATE与控制层次POM的比率
例子4：估计ATET
例子5：固定或随机删失时间
第13节 生存时间加权回归调整
13.1程序介绍
13.2操作流程
例子：估计ATE
第14节 生存时间逆概率加权
14.1程序介绍
14.2操作流程
例子1：估计ATE
例子2：不同的干预与删失模型
例子3：估计ATET
第15节 生存时间逆概率加权回归调整
15.1程序介绍
15.2操作流程
例子1：使用LAC-IPWRA估计ATE
例子2：不同结果与干预模型
例子3：使用WAC-IPWRA估计ATE
例子4：使用LAC-IPWRA估计ATET
第16节 生存时间干预模型的后置估计
16.1程序介绍
16.2操作流程
干预效应模型与Stata操作(四)
(17)7.线性内生干预效应模型
(17)7.1基本模型
(17)7.2干预效应模型程序
(17)7.3操作流程
①数据描述
②基本估计
③控制组和干预组方差和相关参数不等的情况估计
④ATE与ATET估计
⑤方差与相关系数变化的ATE与ATET估计
⑥保存逆米尔斯比率
⑦两步估计
(18)8.内生干预效应模型
(18)8.1基本模型
(18)8.2程序介绍
(18)8.3案例操作流程
(1)ATE的线性结果估计
①数据描述
②ATE估计程序
③ATET估计
(2)指数均值结果
①数据描述
②指数平均估计
(3)内生性检验
(4)其它估计
上一篇：2022复试政治必考要点解析
