課程大綱： 基于STATA的內(nèi)生性與ERM培訓(xùn)
一、計(jì)量模型的本質(zhì)
二、隨機(jī)變量及其分布
1. 概率模型
2. 分布（正態(tài)分布、卡方分布、t分布）
3. 大數(shù)定理
4. 中心極限定理
三、估計(jì)量及其性質(zhì)
1. 估計(jì)量
2. 線性、無偏性、有效性
3. 正態(tài)性
4. 區(qū)間估計(jì)
5. 假設(shè)檢驗(yàn)
6. 漸近正態(tài)性
7. 一致性
四、多元線性回歸
1. 隨機(jī)向量
2. 期望陣與方差陣
3. 多元回歸與一致估計(jì)
五、什么是內(nèi)生性
1. 內(nèi)生性
2. 相關(guān)性
3. 正交性
4. 嚴(yán)外生性
六、忽略內(nèi)生性的后果
七、內(nèi)生性的來源和檢驗(yàn)
1. 遺漏變量
2. 測量誤差
3. 聯(lián)立因果
4. 內(nèi)生處理
5. 內(nèi)生樣本選擇
6. 隨機(jī)效應(yīng)
7. 模型誤定偏誤
八、如何應(yīng)對內(nèi)生性
1. 控制變量
2. 差分估計(jì)（DID，合成控制法）
3. 代理變量
4. 工具變量（IV,2SLS，GMM）
5. 匹配估計(jì)
6. 斷點(diǎn)回歸
7. 控制函數(shù)（CF）
8. ERM（ML+CF）
九、ERM原理
1. 極大似然估計(jì)
2. 多元正態(tài)分布分解
3. 內(nèi)生變量
4. 內(nèi)生選擇
5. 內(nèi)生樣本選擇
6. ERM框架
7. 二元因變量
8. 序次因變量
9. 面板數(shù)據(jù)與層次模型
加入高級會(huì)員獲得助教答疑
