本课程于2021年11月新增“双重差分法(DID)及平行趋势检验”;2022年2月新增“DID的安慰剂检验”;2023年11月新增“关于是否有必要进行单位根检验和固定效应的Chow、Hausman检验的讨论”。
(1)面板数据综合了空间和时间两个维度的信息,其相对于横截面数据与时间序列数据能够提供更为丰富的经验信息、能刻画人类更为复杂的经济行为和经济学理论;Stata软件中涵盖了丰富的面板数据模型板块,为研究者应用面板数据模型进行实证分析提供了可能。
(2)随着大数据时代的到来,个体、时点维度数据的获取变得越来越便利,面板数据模型也被广泛应用于计量实证分析领域。因此,无论是阅读文献还是撰写论文,都很容易接触到面板数据模型。
(3)通过本课程的学习,将有助于学生深入理解和系统掌握面板数据模型中常用的计量模型理论、不同模型间的逻辑关系、Stata软件操作技能,同时有助于提高学生高水平期刊论文阅读能力和实证研究能力。
(4)本课程特色和亮点:梳理各模型之间的逻辑关系有利于学生掌握模型应用场景;建模步骤流程图使得模型分析简单明了;Stata操作演示有助于学生快速掌握软件操作技能;提供的案例数据、do命令文档有利于提高学生实际操作能力。
(5)学完本课程,你将明白很多困惑已久的问题。
例如,
要不要做Hausman检验?为什么大多数权威文献通常是通过定性分析或借鉴相关权威文献,直接将模型设置成某种固定效应模型进行回归分析,很少去做Chow检验或Hausman检验;
如何有效控制一个或多个非传统固定效应,例如,模型中的个体是企业,试图在模型中控制省份效应、行业效应、企业性质效应、或区域效应等;
要不要进行面板单位根检验?尽管绝大多数权威文献在实证分析中忽略了面板单位根检验,是直接将数据视为平稳数据,然后,选用相应的平稳面板数据模型进行回归分析,当你学完第9讲你将明白为什么大家会这样做……尽管从理论视角而言是不合理的,但也很无奈……
双重差分法(DID)、平行趋势检验、安慰剂检验(2022年2月新增内容)及图形,如何用Stata实现及结果解读等?我们将提供处理效应估计值、t值、P值(含两种)的安慰剂检验图供大家选择。
DID平行趋势检验图,如下所示:
重复1000次的DID安慰剂检验图,如下所示: