全部版块 我的主页
论坛 计量经济学与统计论坛 五区 计量经济学与统计软件
80402 69
2022-03-03

政策评估 (Policy Evaluation) 是当前公共经济学和劳动经济学中最常用的实证方法。其目的在于评价一项既有政策的效果,此类研究关注的是该政策的处理效应 (Treatment Effect)。由于政策往往是对一类特定的人群起作用,政策评估的基本思想是将这类人群与其他人群进行比较。


政策评估不仅包括重大决策出台前的可行性论证与环境、经济等各方面的风险评估,也包括对政策实施效果和社会影响的评估。对政策效果科学、准确地评估有助于正确制定、执行和完善政策,提高政策的科学性,从而有助于实现政策运行和决策,更好地配置政策资源,提高政府正确履行职责的能力和水平。因果效应和政策效果评估是经济学关注的核心问题,其难点在于经济事件与经济政策的内生性问题,以及虚拟事实的不可观测性。


探求因果关系既是自然科学也是社会科学研究所追求的终极目标。这是因为因果关系才是决策的基础,而相关关系最多只能用于预测,用于决策往往失败,例如儿童的鞋长X与识字率Y正相关,但我们不能通过购买大号的鞋而增长其知识。绝大多数研究基于观测数据而非试验数据,如何用观察数据来回答因果问题呢?这正是2021年诺贝尔经济学奖科普文的标题,也是“处理效应与政策评估”培训的核心问题。


学习并掌握处理效应的方法、了解在不同的政策背景下如何选择使用最合适的方法,对于开展严谨有效的政策评估必不可少。

2021年11月陈传波老师的处理效应与政策评估为大家解决了不少困惑:

评价1.jpg


评价2.jpg

评价3.jpg

评价4.jpg

STATA丨处理效应与政策评估_2022课纲

原理+Stata操作+案例及论文复刻

培训时长:18小时(2022年4月远程完整录播,未做任何剪辑

培训方式:在线学习,提供完整全套资料及主讲老师亲自答疑

培训费用:3600元/3200元(学生优惠价仅限全日制本科及硕士在读)

在线报名:https://www.peixun.net/main.php?mod=buy&cid=1822


讲师简介

陈传波,中国人民大学农业与农村发展学院副教授,博士生导师。

自1999年开始,钻研STATA二十余载,著有《STATA十八讲》,自2004年以来,一直在中国人民大学为研究生讲授《高级计量经济学》。

在《统计研究》、《管理世界》等期刊发表过相关论文,为国家第三次农业普查骨干培训班讲过数据分析课。主持过多项国家社科基金和国家自然科学基金。

是《经济学季刊》、《中国农村经济》、《农业经济问题》、《农业技术经济》、《浙江大学学报》等期刊审稿人。现为北京注册会计师协会会员,中国医疗保障专业委员会委员,主要从事医保大数据分析、农村劳动力就业等方面的研究。

试听:https://www.peixun.net/view/1840.html


课程大纲:

1. 基本概念

1.1 潜在结果, 统计学中哥白尼式革命,Neyman

1.2 基本问题:无法观测到反事实结果

1.3 预测效应PE=处理效应TE+选择偏差SB

1.4 异质处理效应及其政策含义

1.5 可观察分布与反事实分布

1.6 分位数处理效应QTE

1.7 何谓有/没有处理效应?


2. 三大假设

2.1 稳定单元处理值假设(SUTVA)

2.2 数据缺失与指派机制

2.3 条件独立假设(CIA)与条件均值独立假设(CMI)

2.4 条件独立假设(CIA)与倾向得分

2.5 重叠假设(Overlap)

2.6 强忽略性假设(Stong ignorability)

2.7 平衡性(balance)

2.8 政策(项目)评估的逻辑框架


3. 三大假设成立时的处理效应估计(teffects)

3.1 需要控制哪些协变量?

3.2 OLS、IV、GMM回顾

3.3 回归调整法(RA)

3.4 逆概率加权调整法(IPW)

3.5 增强逆概率加权调整(teffects aipw)

3.6 逆概率加权回归调整(teffects ipwra)

3.7 近邻匹配法(teffects nnmatch)

3.8 倾向值匹配法(teffects psmatch)

本章始终基于两个示例:

(1)鞋的增高效应假设案例

(2)孕妇吸烟对新生儿体重的影响


4. 假设条件成立时的其他模型

4.1 多水平处理效应

4.2 广义倾向得分GPS与剂量反应函数(DRF)

4.3 索套回归(lasso)与索套处理(telasso)

4.4 分位数处理效应

4.5 QTE论文复现:培训对收入的分位数影响

4.6 分布处理效应drprocess

4.7 生存处理效应stteffects


5. 假设条件是否成立的若干检验

5.1 平衡性检验tebanance

5.2 重叠性检验overlap

5.3 CIA检验

5.4 综合案例:培训对收入的影响——实验与非实验数据的估计与前提条件检验


6. 强忽略假设不成立时的处理效应估计

6.1 处理模型(TM)可识别假设下的内生处理eteffects

6.2 论文复现:教育对生育的影响

6.3 正态分布假设下的内生处理etregress与eregress

6.4 heckit内生处理etregress ,cfunction


7. 局部处理效应

7.1 Wald估计

7.2 论文复现:参军对收入的影响

7.3 局部平均处理效应LATE

7.4 论文复现:生育对劳动供给的影响

7.5 工具变量分位数处理ivqte

7.6 论文复现:培训对收入的异质处理效应


8. 断点回归

8.1 清晰断点与模糊断点

8.2 断点回归估计

8.3 弯折回归

8.4 分位数断点回归

8.5 论文复现1:伊斯兰政党当选与女生教育

8.6 论文复现2:法定饮酒年龄与死亡率

8.7 论文复现3:班级规模与学生成绩


9. 双重差分DID

9.1 混合截面数据双重差分

9.2 面板数据的双重差分

9.3 论文复现1:最低工资法对就业的影响

9.4 论文复现2:移民流入对流入地劳动力市场的影响

9.5 论文复现3:城堡准则与暴力犯罪率

9.6 三重差分: 医院改革对患者满意度的影响

9.7 平行趋势检验


10. 合成控制法

10.1 合成控制法原理

10.2 合成控制法的实施

10.3 合成控制法的置换假设检验

10.4 案例:加州控烟政策效果

10.5 论文复现:监狱建设与黑人男性的监禁


11. 中介效应

11.1 四大假设与效应分解

11.2 案例: 认知疗法、抗抑郁药与生活满意度

11.3 论文复现:媒体故事、焦虑情绪与对移民政策偏向

11.4 工具变量中介效应

11.5 论文复现:新教伦理、识字率与资本主义发展

11.6 调节效应与交互效应


课程逻辑体系:

政策202204.png

课程优惠:

1,现场班老学员九折优惠;

2,同一单位3人以上同时报名九折优惠;

折扣优惠与学生价优惠不叠加。


报名流程:

1. 点击“https://www.peixun.net/main.php?mod=buy&cid=1822”,在线提交报名信息;

2. 经管之家账号登录,订单支付(支持支付宝,微信,银联);

3. 确认发票信息,2个工作日发至邮箱;

4. 发送资料及课程开通方式,进入交流答疑群;

PS:回放可以根据学习安排任选开通日期。


课程咨询:

尹老师

电话:13321178792

QQ:42884447

WeChat:JGxueshu

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-3-3 09:21:28
Stata处理效应与政策评估专题
你也可以用Stata命令复现2021年诺奖的主要成果
https://www.peixun.net/view/1840.html
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-3-3 09:22:07

课程逻辑体系:


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-3-3 09:22:39
海报.png
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-3-3 09:23:50
本课程拟以STATA的“POTENTIAL OUTCOMES/COUNTERFACTUALOUTCOMES”专题参考书为基准,参照其他教材(如《社会经济政策的计量经济学评估》)、专著和论文,由浅入深,系统讲授STATA估计处理效应的官方命令集,包括处理效应“teffects”命令、生存处理效应“stteffects”命令、索套处理效应“telasso”、双重差分“didregress”命令、内生处理效应“eteffects”命令以及同时应对多种内生性的扩展回归“erm”模型。非STATA官方的估计处理效应的命令众多,但STATA官方命令采用统一的框架,基于GMM估计,能给出更一致、更有效的估计,使得统计推断更为可信。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-3-3 09:24:25
处理效应主要回答“whether?”,即X是否对Y有影响。在给出可信的“Yes”或“No”的答案之后,人们通常会进一步追问“Why?How?”,即X为什么会影响Y?X如何影响Y?通过什么机制起作用?这就是中介效应分析或影响机制分析。一个惊人的事实是,X与Y正相关,Y与Z正相关,但X可能与Z负相关,通常的中介效应分析类似于相关分析,并不具有因果机制的解释力,只有用潜在结果或反事实框架来分析中介效应,才能得出X正向影响Y,Y正向影响Z,从而X正向影响Z的因果链,问题是具有因果解释的中介效应的前提假设是什么?若这些假设不成立,又该怎么办?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群