《Stata直播丨直击面板数据模型 ——公开课》

⏩ 在线观看：
点击 https://lianxh.duanshu.com/#/brief/course/7d1d3266e07d424dbeb3926170835b38
注册 连享会直播间 账号后即可免费观看。时长：2小时20分钟。

嘉宾简介

连玉君 ，经济学博士，中山大学岭南学院副教授，博士生导师。已在 China Economic Review，经济研究，管理世界，金融研究 等期刊发表论文 60 余篇。连玉君老师团队一直积极分享 Stata 应用经验，创办了公众号「Stata连享会 (StataChina)」，开设了 [Stata连享会-简书]，[Stata连享会-知乎] 两个专栏，累计阅读量超过 200 万人次。

课程概览

本课程是 [直播-动态面板数据模型] 的先导课程。以介绍模型设定思路为主，实操部分请下载 「Lian_Panel.rar」压缩包自行演练，我会在现场班做详细讲解。

扫码观看视频

目前的实证分析中，基本上都是以「面板数据」为分析对象。好处很明显，一方面，随着样本量的增加，我们的统计推断会更加稳健；另一方面，面板数据同时提供了时序和截面的信息，使得我们既可以分析个体之间的截面差异，也可以分析他们时序动态变化。最为重要的是，使用面板数据还是缓解内生性问题的一个主要方法——我们可以控制那些不可观测的固定效应的影响。

本课程对面板数据模型进行整体简介，包括：固定效应模型 (FE)，随机效应模型 (RE)，二维固定效应模型 (Twoway FE)，聚类调整后的标准误，动态面板和面板门槛模型等。

课程主题

本次直播主要包括如下几个主题：

• 简介：面板数据结构、优势和挑战
• 什么是「固定效应」？辛普森悖论
• 一维和二维固定效应模型
• 估计方法对比分析：POLS，DVLS，Within-FE
• 聚类标准误：一维聚类和多维聚类
• 实证分析中的主要陷阱
• 动态面板和面板门限模型简介

获取课程电子包

你可以点击主页右上方的【克隆/下载→下载zip】，以便下载本仓库的压缩包；也可以申请一个 码云 账号，然后点击本项目右上角的【Fork】按钮，这样就可以直接把这个仓库「叉」到你的账号下了，随后我这边更新后，你只需要同步一下就可以看到所有的文件了。

实操：Stata dofiles/Data/Papers:

下载地址：https://pan.baidu.com/s/1Ri38Xyz_TnFzLNYgsOes4w (百度云盘，无解压码)。

连享会-直播平台上线了！大家可以随时随地充电了！
http://lianxh.duanshu.com

连享会-直播课

• E. 📗 直播-经济学中的大数据应用 （New！）
      嘉宾：李兵 (中山大学), 2020年2月28(周五)，19:00-21:00. 「课程详情」
• D. 🔵 直播-空间计量全局模型及Matlab实现, 随时观看，嘉宾：范巧。「课程详情」
• C. 🍎 直播-动态面板数据模型, 随时观看，嘉宾：连玉君。「课程详情」
• B. 🍏 直播-实证研究设计，随时观看，嘉宾：连玉君。「课程详情」
• A. 🍪 直播-文本分析与爬虫专题，2020.3.28-29， 4.4-5，嘉宾：司继春, 游万海。「课程详情」
• O. 📗 公开课-直播-直击面板数据模型，嘉宾：连玉君，Free. 「课程详情」

关于我们

连享会   最新专题   直播

• Stata连享会 由中山大学连玉君老师团队创办，定期分享实证分析经验。
• 欢迎赐稿： 欢迎赐稿至StataChina@163.com。录用稿件达 三篇 以上，即可 免费 获得一期 Stata 现场培训资格。
• 往期精彩推文： Stata绘图 | 时间序列+面板数据 | Stata资源 | 数据处理+程序 | 回归分析-交乘项-内生性
• Stata连享会 (StataChina) 公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标，输入简要关键词，以便快速呈现历史推文。常见关键词：DID，RDD，PSM，面板，IV，合成控制法，plus，Profile, Bootstrap, 交乘项, 平方项, 工具, 软件, Sai2, gInk, Annotator, 直击面板数据, 连老师, 直播, 空间计量, 爬虫, 文本分析, 正则, Markdown幻灯片, marp, 盈余管理, MC ……。

文件清单如下：

D:\Lec\Lian_Panel
|
│  Lian_PanelData.do    // dofiles，附带本将所有实操命令
│  
├─Data
│      FE_BE_POLS.do
│      FE_mark.dta
│      FE_OLS_Negative.do
│      FE_OLS_Nodiff.do
│      FE_OLS_Positive.do
│      FE_OLS_Zero.do
│      FE_simudata.dta
│      FE_simudata_00.do
│      GTA_sample.dta
│      invest2.dta
│      nlswork.dta
│      xtcs.dta
│      xtlabor.dta
│      XT_FE_fig1.do
│      XT_FE_fig2.do
│      XT_FE_fig3.do
│      
├─Out
│      panel_Neg.png
│      panel_Nodiff.png
│      panel_Positive.png
│      panel_Pos_Scatter.png
│      panel_Zero.png
│      
└─refs
        Abadie_2017_adjust_SE.pdf
        Baltagi_2005.pdf
        Bruederl_Ludwig_FE_2015.pdf
        Cameron_2008_RES_bsClusterSE.pdf
        Cameron_2011_Clustered_se.pdf
        Cameron_2011_ClusterSE.pdf
        Cameron_2011_ClusterSE_PPT.pdf
        Cameron_2015_ClusterSE_JHR.pdf
        Flannery_2006.pdf
        Flannery_2006_FE.pdf
        Gormley_2014_RFS_FE.pdf
        Greene_2012.pdf
        Hisao_2003.pdf
        Horioka_2007_DPD.pdf
        Huang_2008_DPD.pdf
        Ibragimov_2010_clustse.pdf
        OLS_Partial_Corr.pdf
        panel_Neg.png
        Petersen-2009.pdf
        Rios_2015_SJ_15-3_FE.pdf
        SJ12-3-ReviewFE.pdf
        Sun_2004.pdf
        Thompson-2011.pdf
        Wooldridge_2010.pdf
        XT3_Hausman.pptx
        XT_FE_RE.pptx
        连玉君(2011)_Panel_Data.pdf
        连玉君_2012_消费文化.pdf
        连玉君_2014_Hausman检验.pdf