培训内容

第一讲：模型设定和解释

专题简介： 很多人会觉 OLS 过于简单。可是，为何 Top 期刊中使用最多的仍然是 OLS？因为它是实证分析的基础。在第 2 讲中介绍的固定效应模型 (FE)，在第 4 讲中介绍的双向固定效应模型 (FE)、长差分，在第 5 讲中介绍的Fama-Macbeth 估计法，以及在第 6 讲中介绍的倍分法 (DID)，都是 OLS 家族中的直系成员或亲属。这些模型得以衍生的基础是虚拟变量和交乘项。这是本专题重点讲解的内容：虚拟变量的使用、交叉项的使用和解释、分组回归的合理设定和假设检验。

授课内容：
•如何合理设定模型？
•虚拟变量
•稳健性标准误：异方差、序列相关和聚类调整标准误
•交叉项、平方项和调节效应
•分组回归和组间系数差异检验

第二讲：面板数据模型

专题简介： 由于面板资料的获取越来越方便，目前多数研究中使用的都是面板数据。在讲解这些模型的基本思想和估计方法的过程中，我会将重点放在模型含义和应用范围上来。例如，对于同一笔数据而言，何时采用 OLS 进行估计，何时采用 FE 估计？不同的方法之间有何差异和关联？结果背后的经济含义如何解读？动态面面板模型重点在于分析变量的动态变化和调整行为，在经济增长、公司金融、国际贸易、劳动经济学等领域都得到了广泛应用。

授课内容：
•固定效应模型 (FE)
•POLS、FE、RE 有何区别？
•Hausman 检验
•实证分析中的常见问题
•一阶差分 GMM 估计量（FD-GMM）
•序列相关检验
•过度识别检验（Sargan检验）
•应用范例（介绍 2 篇论文）

第三讲：自抽样 (Bootstrap) 和蒙特卡洛模拟分析 (Monte Carlo Simulation)

专题简介： 在近十年中，以随机抽样和模拟分析为基础的统计推断方法得到了广泛的应用，对于克服异方差、序列相关，以及干扰项分布形式未知等情形下的稳健性统计推断很有帮助。在面板门槛模型、面板 VAR 等模型中都需要借助 BS 或 MC 进行统计推断。可以预见，在日后的实证分析中，这两种方法将得到越来越广泛的应用。

授课内容
•常用分布函数和随机数的产生
•Bootstrap 简介
•Boostrap 应用：获取稳健性标准误、组间系数差异检验
•Monte Carlo 模拟简介
•Monte Carlo 模拟范例 1：内生性偏误的影响 (IV 的选择、弱工具变量问题)
•Monte Carlo 模拟范例 2：动态面板各种估计方法对比 (POLS, FE, FD-GMM, SYS-GMM)

第四讲：人口老龄化、机器人与经济增长 | Acemoglu and Restrepo (2017)
精讲一篇发表于 AER 的论文: Acemoglu, D., P. Restrepo, 2017, Secular stagnation? The effect of aging on economic growth in the age of automation, American Economic Review, 107 (5): 174-179.

文章简介： 作者先呈现出一些简单的散点图和时间趋势图，提出问题：人口老龄化与经济增长的关系不是负相关，而是恰恰相反！为了解释这个有悖常识的现象，作者先做了几个简单的回归分析，包括普通线性回归、固定效应模型、工具变量法、长差分 (long-difference) 等，进而使用一个理论模型进行了更为严谨的推理。从行文上来看，与我们平时看到的论文结构刚好相反，但读起来却很顺畅，因为作者引领你走入丛林，发现秘密！

方法:
•OLS
•双向固定效应模型
•IV 估计：工具变量的选择; 过度识别检验
•长差分 (long-difference)

第五讲：公司资本结构的动态调整行为 | Flannery and Rangan(2006)
Flannery, M. J., K. P. Rangan, 2006, Partial adjustment toward target capital structures, Journal of Financial Economics, 79 (3): 469-506.

文章简介： 资本结构的动态调整行为并不是一个新的研究话题，但他一直在持续被讨论。这篇论文以权衡理论为基础，在部分调整模型架构下研究了美国上市公司资本结构的动态调整行为。作者发现，若不考虑公司的个体效应，则调整速度会被严重低估，为此，他们使用了固定效应模型 (FE)，估得的调整速度约为前期文献的三倍，达到 0.38。问题在于，这一结果可信吗？如果使用更为合理的 FD-GMM 进行估计，结果又将如何呢？
方法：
•混合 OLS (Pooled OLS)
•Fama-MacBeth 估计 (FM method)
•固定效应模型 (FE)
•动态面板模型 (Dynamic Panel data)
•各种稳健性检验设计
亮点：
•实证分析过程值得借鉴，非常严谨的研究设计
•对衡量偏误、均值回复、不同理论的对比检验、模型设定等棘手问题的处理很巧妙
•该文引发了后续多个方向的研究，我们将梳理几个主要的方向，探求论文的选题和研究方向问题。
•主题： 资本结构动态调整（权衡理论、优序融资理论、市场择时理论）

第六部分：单方离婚法案的政策效果：自杀、家暴与谋杀 | Stevenson and Wolfers (2006)
Stevenson, B., J. Wolfers, 2006, Bargaining in the shadow of the law: Divorce laws and family distress, Quarterly Journal of Economics, 121 (1): 267-288.

文章简介： 始于 1970 年代之初的单方离婚法案受到了多方面的关注。这篇文章选择一组颇具视觉冲击力的结果变量：自杀率、谋杀率和家庭暴力，来分析这一政策实施的长期效果。样本区间为 1964-1996。为了克服政策发生时点不一致问题，作者将第 i 个州实施单方离婚法案当年定义为 t=0，此前的年度依次定义为 t=-1, -2, -3, ……；此后的年度则依次定义为 t=+1, +2, +3, ……。进而在模型中加入年度虚拟变量和州虚拟变量来控制不可观测的时间趋势以及各州的个体差异。文中用于捕捉政策效果的是基于上述 t 变量定义的一组虚拟变量。这就是多期 DID 的标准模型设定方法。

方法:
•倍分法 (DID) 简介
•政策时点不一致的多期 DID
•共同趋势假设和图示
•双向固定效应模型
亮点
•如何估计并有效呈现多期 DID 的政策效果？
•如何进行稳健性检验？：作者采用了近十种方法来测试结果的稳健性，包括：删除离群值；刀切法 (Jackknife)；WLS/GLS；分位数回归；针对问题背景而设计的分组检验；
•如何剖析政策效果背后的机制
•研究设计值得借鉴
•如何根据问题的背景有针对性地收集相关数据？