2012_01_stata目录(连玉君论文视频)
Stata：过度识别检验一文读懂
Stata：过度识别检验一文读懂冀云阳(广东财经大学，***************)贺旭 (中央财经大学)连享会主页：Stata 暑期班：9天直播时间：2020.7.28-8.7嘉宾：连玉君 (中山大学) | 江艇 (中国人民大学)主页：/arlionn/PX | 微信版「基础不牢，地动山摇……」•Stata 暑期研讨-初级班o7 月 28-30 日 (三天), 网络直播 + 3天回放•Stata 暑期研讨-高级班o8 月 1-3 日 (三天), 网络直播 + 3 天回放•Stata 暑期研讨-论文班o8 月 5-7 日 (三天), 网络直播 + 3 天回放•Stata 暑期研讨-全程班o7 月 28 日-8 月 7 日, 网络直播 + 9天回放强大的助教团队这次暑期课程，我们会组织一个30 名精英助教团队。
其中，15 人为连享会往期课程中的涌现出来的优秀助教，他们有些人已经发表过《经济研究》、《管理世界》等 Top 期刊，有丰富的经验；另外 15 人则将从国内各个高校遴选，由于也是「新手」，会更清楚学员们的痛点所在。
这些「助教新人」们会在开课前与「助教老手」以及授课老师们共同工作1 个月，以便做好准备工作。
我们的助教们会分成三个小组，全程为大家提供最全面、细致的答疑服务。
在近几期专题课程中，我们都采用了这种「精英助教团队」模式，大大增强了大家的学习效率和自信心，诸多学员也在互动过程中结识了一批优秀的同行，相伴而行。
授课嘉宾连玉君，西安交通大学经济学博士，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》、《经济学(季刊)》、《金融研究》、《统计研究》等期刊发表论文 60 余篇。
目前已完成 Panel VAR、Panel Threshold、Two-tier Stochastic Frontier 等计量模型的 Stata 实现程序，并编写过几十个小程序，如 winsor2, xtbalance, bdiff, ua 等。
连玉君_Logit模型STATA
15.2.5 假设检验 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
15.2.6 模型的解释和拟合优度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
15.2.3 Logistic 模型
在完成了上述变换后，我们就可以定义 Logistic 回归模型了，此时我们假设概率 πi 的 Logit 变换 (而非概率 πi 本身) 服从线性模型，即
logit(πi ) = ln
πi 1 − πi
= xi β ,
(15-6)
其中，xi 为解释变量构成向量，β 为系数向量。
第十五章 LOGISTIC 模型
3
Odds Probability1001 Nhomakorabea80
.8
60
.6
40
.4
20
.2
0
0
0
.2
.4
.6
.8
1
−4
−2
0
2
4
Probability
Logit (log−odds)
图 15-1: logit 变换
由于 logit 变换是一一对应的，所以我们可以通过求取逆对数由 Logit 反向得到概率值 (通常 称为 antilogit)。 由 (15-6) 式可解得：
然函数：
n
ln L(β ) =
yi ln [π(xi )] + (1 − yi ) ln [1 − π(xi )]
i =1
(15-11)
一阶条件为：
STATA_讲义
STATA 讲义目录Stata入门教程：Stata概貌Stata 第一章数据输入，存盘和调用文件命令以及数据管理命令Stata第二章 描述性统计命令与输出结果说明Stata第三章 正态检验与作图命令Stata第四章 t检验和单因素方差分析（上）Stata第四章 t检验和单因素方差分析（下）Stata第五章 多组计量资料比较的非参数检验命令与输出结果说明Stata第六章 卡方检验Stata第七章 相 关 分 析Stata第八章 单 因 素 生 存 分 析Stata第九章 多因 素 方 差 分 析 命 令 与 输 出 结 果 说 明Stata第十章 线 性 回 归 和 逐 步 回 归 命 令 和 输 出 结 果 说 明Stata第十一章 Logistic回归分析命令与输出结果说明Stata第十二章 Cox回归分析命令与输出结果说明第一章 Stata 概貌§1.1 Stata的功能、特点和背景Stata是一个用于分析和管理数据的功能强大又小巧玲珑的实用统计分析软件，由美国计算机资源中心（Computer Resource Center）研制。
从1985至1998的十四年时间里，已连续推出1.1，1.2，1.3，1.4，1.5，……及2.0，2.1，3.0，3.1，4.0，5.0，6.0等多个版本，通过不断更新和扩充，内容日趋完善。
它同时具有数据管理软件、统计分析软件、绘图软件、矩阵计算软件和程序语言的特点，又在许多方面别具一格。
Stata融汇了上述程序的优点，克服了各自的缺点，使其功能更加强大，操作更加灵活、简单，易学易用，越来越受到人们的重视和欢迎。
Stata的突出特点是只占用很少的磁盘空间，输出结果简洁，所选方法先进，内容较齐全，制作的图形十分精美，可直接被图形处理软件或字处理软件如WORD等直接调用。
一、 Stata的数据管理能力1. Stata的数据管理空间受计算机的操作系统和计算机扩展内存的影响。
Stata_A_dofiles中山大学连玉君教授stata初级讲义
60
61 * 1.5 浏览资料
62 *
1.5.1 变量的名称
63 *
1.5.2 查看资料的结构
64 *
1.5.2.1 更改变量的存储类型
65 *
1.5.2.2 -list- 命令的使用
66 *
1.5.2.3 定义变量的显示格式
67 *
1.5.2.4 数据和变量的标签
68 *
1.5.2.5 附加说明文字
101 *
1.8.2.3 其他命令
102
103 * 1.9 do 文档: 高效快捷地执行命令
104 *
1.9.1 do 文档简介
105 *
1.9.1.1 打开 do 文档编辑器
106 *
1.9.1.2 保存和关闭
107 *
1.9.1.3 执行 do 文档
108 *
1.9.2 合理规划你的do文档
109 *
47 *
1.3.4 时间序列资料
48 *
1.3.5 面板资料
49 *
1.3.6 STATA官方提供的资料
50 *
1.3.7 其它软件中的数据
51
52 * 1.4 存储和导出数据
53 *
1.4.1 存储数据
54 *
1.4.2 导出和转换
55 *
1.4.2.1 -outfile-命令:导出为 .raw 文本格式
214 *
2.6.1.4 一个例子
215 *
2.6.2 横向关联: -joinby-
216 *
2.6.3 纵向合并：追加样本
217 *
2.6.4 大型数据的处理
218 *
2.6.5 一些有用的外部命令
Stata：断点回归（RDD）教程
Stata：断点回归（RDD）教程作者：张子楠 (浙江财经大学)E-mail:******************Stata连享会计量专题 || 公众号合集点击查看完整推文列表连享会直播：我的特斯拉—实证研究设计(连玉君主讲)课程主页：/arlionn/Live•1. RDD基本原理•2. 图形观察o 2.1 生成模拟数据o 2.2 断点效应的图形观察•3. 政策效应估计o 3.1 局部线性回归o 3.2 局部多项式回归o 3.3 全局多项式回归•4. RDD有效性检验o 4.1 局部平滑性的检验o 4.2 驱动变量不受人为控制的检验•5. 稳健性检验o 5.1 断点的安慰剂检验o 5.2 样本选择的敏感性检验o 5.3 带宽选择的敏感性检验1. RDD基本原理断点回归分析被认为是最接近随机实验的检验方法，能够缓解参数估计的内生性问题，近来在越来越多的研究中得到使用。
现有资料已经对断点回归方法的基本原理和效应识别进行了较为广泛的介绍，但对阶数选择和稳健性检验等问题的仍相对较少涉及。
本文将基于Stata软件来系统介绍断点回归方法的图形观测、效应识别和有效性和稳健性检验。
限于篇幅，本文将内容限定于清晰断点回归方法（Sharp Regression Discontinuity Design ），且只考虑只有一个断点和一个分配变量的问题。
2. 图形观察2.1 生成模拟数据我们先生成一份模拟数据，并保存为 RDD_simu_data0 。
生成的数据中， z1 和 z2 为控制变量。
y1 为结果变量（outcome variable）。
x 为分配变量（assignment vaiable）。
分配点（cutoff point）设定为 0.5 ，从而x大于0.5 的为实验组，小于0.5的为对照组。
此外，在RDD检验中，我们通常还会对分配变量进行去中心化处理，即用分配变量减去分配点值。
如本文中，令xc=x-0.5 。
3. 连玉君——面板门槛的介绍
~73~
Hansen_1999.do - Printed on 2012-7-1 21:26:47
69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136
Page 3
*--------------*-模拟数据的生成：单一门槛 *-模拟方法详见: Stata 高级视频, B9_MC_BS.do clear set obs 100 set seed 123456 gen e = invnorm(uniform()) // e~N(0,1) gen x = 3*invnorm(uniform()) // x~N(0,3^2) gen t = _n // t=1,2,3... gen y = . tsset t replace y = 1 + 2*x + e replace y = 1 + -2*x + e if t>50 save xtthres_sim1.dta, replace *------------*-基本统计分析 scatter y t scatter y x reg est reg est reg est y x store full y x if t<=50 store left y x if t>50 store right
连玉君_公司金融研究中的内生性问题
公司金融中的内生性问题：如此之多!
• 一些值得考虑的问题
– 相关关系 因果关系？ – 自然实验
• 一些潜伏着内生问题的研究主题
– 资本结构、投资行为、现金持有、公司价值(Tobin’s Q ) – 股权结构与公司价值 (maybe伪回归) – 经营绩效与社会责任 (因果关系不明朗) – 投资-现金流敏感性 (衡量偏误) – 股权激励、内部控制 (self-selection) – 建立政治关联有助于改善公司业绩吗？ (self-selection) – 交叉上市具有治理效应吗？ (self-selection)
•
Stata commands: xtreg, fe | xi: regress i.id
固定效应模型
Fixed Effects Model (FE)
• OLS估计的问题
' FE : yit i X it it
' OLS : yit 0 X it uit
uit i it
it it it 1
•
动态面板模型
Dynamic Panel Data Models
• 应用
– Aghion et al.(2009) |JM|，汇率波动、金融发展与生产率(规范) – Brown et al.(2009) |JF|，金融创新与企业成长(规范) – Wintoki et al.(2012) |JFE|，非常细致地探讨了公司治理中的内生性问题， 对各种动态面板估计方法进行了非常深入的对比分析(综合) – Flannery and Hankins(2013) |JCF|，综述:公司金融中的动态面板估计方法
– 尽量使用“丰满”一点的模型(要熟悉相关理论和文献) – IV or GMM (如何找？)
广义最小二乘法 连玉君
谢所有耐心读完这份笔记的同学，希望你们把发现的错误和不妥之处E-mail 给我以便于我做进 一步的修改。
[版权声明]
未经作者本人同意，任何人不得以商业目的翻印、复制本文。
目录
第四章 GLS—广义最小二乘法 4.1 4.2 4.3 简介 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . OLS估计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . GLS估计— 4.3.1 4.3.2 4.3.3 4.3.4 4.4 4.5 已知 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 4 4 5 7 7 8 8 9 9 10 10 15 23 27 27 30 30 31 31 32 33 33 33 34 36 37
ห้องสมุดไป่ตู้
使其不会随着样本数量的增加而变得无限大。我们在后面的分析中将用到各假设条件。 本章的结构安排如下：第 2 节介绍 OLS 估计无偏、一致但非有效性；第 3 节和第 4 节分别 介绍 GLS 和 FGLS 估计方法，前者适用于 已知的情况，后者适用于 未知的情况；第 5 节
介绍 GLS 的一个应用—异方差问题；第 6 节介绍 SURE 模型的估计，这也是一个 GLS 估计方 法的一个典型的应用．此外，在讲述相关理论的过程中，我们还将介绍如何利用 STATA8.0 软 件包实现这些估计方法。
Estimation with STATA
面板数据stata处理步骤介绍
xA6_Panel_Data - Printed on 2011-11-25 10:43:02 149 reg y x dum1 dum2 dum3, nocons 150 est store m_pooldum3 151 152 *-M2：放入两个虚拟变量，三家公司有一个公共的截距项 153 reg y x dum2 dum3 154 est store m_pooldum2 155 156id t 158 xtreg y x, fe 159 est store m_fe 160 est table m_*, b(%6.3f) star(0.1 0.05 0.01) 161 162 163 *-6.1.4.3 stata的估计方法解析 164 165 * 目的：如果截面的个数非常多，那么采用虚拟变量的方式运算量过大 166 * 因此，要寻求合理的方式去除掉个体效应 167 * 因为，我们关注的是 x 的系数，而非每个截面的截距项 168 * 处理方法： 169 * 170 * y_it = u_i + x_it*b + e_it (1) 171 * ym_i = u_i + xm_i*b + em_i (2) 组内平均 172 * ym = um + xm*b + em (3) 样本平均 173 * (1) - (2), 可得： 174 * (y_it - ym_i) = (x_it - xm_i)*b + (e_it - em_i) （4）//within估计 175 * (4)+(3), 可得： 176 * (y_it-ym_i+ym) = um + (x_it-xm_i+xm)*b + (e_it-em_i+em) 177 * 可重新表示为： 178 * Y_it = a_0 + X_it*b + E_it 179 * 对该模型执行 OLS 估计，即可得到 b 的无偏估计量 180 181 egen y_meanw = mean(y), by(id) /*公司内部平均*/ 182 egen y_mean = mean(y) /*样本平均*/ 183 egen x_meanw = mean(x), by(id) 184 egen x_mean = mean(x) 185 gen dy = y - y_meanw + y_mean 186 gen dx = x - x_meanw + x_mean 187 reg dy dx 188 est store m_stata 189 190 est table m_*, b(%6.3f) star(0.1 0.05 0.01) 191 192 193 *-6.1.4.4 解读 xtreg,fe 的估计结果 194 195 use invest2.dta, clear 196 tsset id t 197 edit 198 xtreg market invest stock, fe 199 200 *-- R^2 201 * y_it = a_0 + x_it*b_o + e_it (1) pooled OLS 202 * y_it = u_i + x_it*b_w + e_it (2) within estimator 203 * ym_i = a_0 + xm_i*b_b + em_i (3) between estimator 204 * 205 * -> R-sq: within 模型(2)对应的R2，是一个真正意义上的R2 206 * -> R-sq: between corr{xm_i*b_w,ym_i}^2 207 * -> R-sq: overall corr{x_it*b_w,y_it}^2 208 209 *-- F(2,93) = 33.23 检验除常数项外其他解释变量的联合显著性 210 * 93 = 100-2-5 211 212 *-- corr(u_i, Xb) = 0.5256 213 214 *-- sigma_u, sigma_e, rho 215 * rho = sigma_u^2 / (sigma_u^2 + sigma_e^2) 216 dis e(sigma_u)^2 / (e(sigma_u)^2 + e(sigma_e)^2) 217 dis 1023.5914^2 / (1023.5914^2 + 370.9569^2) 218 219 *-- 个体效应是否显著？（假设检验） 220 * F(4, 93) = 97.68 H0: a1 = a2 = a3 = a4 = 0 221 * Prob > F = 0.0000 表明，固定效应高度显著 222 Page 3
连玉君_Logit模型STATA
15.2.3 Logistic 模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
15.2.4 估计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
的比例。 (2) 如果我们将 yi − πi 看作一般化残差 (generalized residual)，则 (15-12) 式与线性回归
模型中的正交条件具有相似的含义。
采用牛顿迭代法可以很方便地得到参数的估计值。我们可以进一步求取二阶偏导如下：
H(β
)
=
−
∂2 ln L ∂β∂β
=−
n
πi (1 − πi )xi xi .
第十五章 LOGISTIC 模型
3
Odds Probability
100
1
80
.8
60
.6
40
.4
20
.2
0
0
0
.2
.4
.6
.8
1
−4
−2
0
2
4
Probability
Logit (log−odds)
图 15-1: logit 变换
由于 logit 变换是一一对应的，所以我们可以通过求取逆对数由 Logit 反向得到概率值 (通常 称为 antilogit)。 由 (15-6) 式可解得：
15.2.4 估计
二元 logit 模型可以采用最大似然法 (MLE) 进行估计。式 (15-7) 定义了给定 x 的情况下 Y = 1 的条件概率 π(xi )，记为 P(Y = 1|x)。同样，1 − π(x) 表示在给定 x 的情况下，Y = 0 的 条件概率。因此，第 i 个观察值对应的似然函数为：
stata面板数据连玉君
目录
第八章 面板数据模型
1
8.1 简介 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
8.2 静态面板数据模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
• 包含的信息量更大，降低了变量间共线性的可能性，增加了自由度和估计的有效性。
• 便于分析动态调整。
8.2 静态面板数据模型
我们一般所说的静态面板数据模型，是指解释变量中不包含被解释变量的滞后项 (通常为 一阶滞后项) 的情形。但严格地讲，随机干扰项服从某种序列相关的模型，如 AR(1), AR(2), MA(1) 等，也不是 静态模型。动态模型和静态模型在处理方法上往往有较大的差异。本节中我 们重点介绍两种最为常用 的静态模型 — 固定效应模型和随机效应模型。
8.2.1 固定效应模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
8.2.2 随机效应模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
考虑如下模型：
yit = xit β + uit uit = ai + εit
(8-1)
1如宁夏属于回族自治区，那里的回民因为信仰伊斯兰教，所以不允许饮酒的，而生活 在宁夏的许多汉民也往往 因为自己的回民朋友无法饮酒而无形中减少了啤酒的消费量。
STATA初级视频教程说明书(连玉君)
STATA初级视频教程（2010版）使用说明连玉君（中山大学 岭南学院 金融系）arlionn@目 录1 课程简介 (1)2 课程特色 (2)3 课程配套资料 (2)4 配套资料的使用方法 (2)5 讨论和建议 (4)6 讲师介绍 (4)7 报名咨询 (4)8 培训优惠 (4)附录A：STATA初级视频目录（时间节点） (5)第一讲STATA简介 (5)第二讲数据处理 (9)第三讲Stata绘图 (13)第四讲矩阵操作 (16)第五讲STATA 编程初步 (18)附录B：STATA高级视频教程简介 (20)工欲善其事，必先利其器。
无论是经济学、管理学还是社会科学的其他学科，定量分析都变得越来越重要了。
作为一个较为年轻的计量软件，STATA自1985年问世以来，以其在数据处理、绘图、回归分析等方面的出色表现，赢得了越来越多的青睐。
然而，相比于SPSS、Eviews等以菜单操作为主的软件，以命令操作见长的STATA软件门槛相对较高。
由于进入国内的时间较短，相关的参考资料甚为有限，而STATA公司提供的近10000页的全英文使用手册更是令多数初学者望而生畏。
这也成为阻碍多数国内同仁学习这款功能强大的计量软件的主要障碍。
鉴于上述情况，我们分别于2007年11月和2008年10月推出了“STATA初级视频教程”和“STATA高级视频教程”，内容涉及STATA的基本操作、数据处理、绘图、编程、常用计量模型的估计，以及Bootstrap和Monte Carlo模拟等内容。
视频教学的直观性，加之课程的实用性导向，使这两套教程获得了广泛的好评。
承蒙广大STATA视频教程学员的积极参与和反馈，我在过去两年多的时间里收集到了100余条修改建议，历经半年多的制作，最终得以为大家呈现这套新版STATA初级视频——“STATA初级视频教程（2010版）”。
STATA初级视频教程（2010版）共5讲，包含36个视频文件，总计40余个学时。
连玉君(2010) 一份不太长的Stata简介
一份不太长的Stata简介连玉君中山大学 岭南学院arlionn@2010-7-14目录1 Stata概貌 (1)2 为何选择Stata？ (2)3 如何学习Stata？ (4)4 最后的话 (7)参考文献 (7)附录A：一些有用的Stata链接 (9)附录B：43个不可不知的Stata命令 (12)附录C：Stata视频教程 (13)1Stata概貌自从2003年开始使用Stata以来，我一直把“Stata”读为“Stay-ta”。
有一次和一个从日本回来的朋友聊天，她把Stata读为“Star-ta”，让我甚感不适。
经查阅，方才发现，原来“Stata”并非数个单词的缩写（因此其正确拼写为Stata而非STATA），而是由“statistics”和“data”合成的一个新词，Stata公司的员工都将其读做“Stay-ta”。
从这个小小的趣闻中，可以看出Stata在问世之初（1985年）的主要功能在于统计分析和数据处理。
经历了二十余年的发展，Stata已经升级到第11.1版（表1），在不断强化上述功能的同时，Stata在矩阵运算、绘图、编程等方面的功能也在不断加强。
表1 Stata发展历程1.0 January 1985 6.0 January 19991.1 February 1985 7.0 December 20001.2 March 1985 8.0 January 20031.4 August 1986 8.1 July 20031.5 February 1987 8.2 October 20032.0 June 1988 9.0 April 20052.05 June 1989 9.1 September 20052.1 September 1990 9.2 April 20063.0 March 1992 10.0 June 20073.1 August 1993 10.1 August 20084.0 January 1995 11.0 July 20095.0 October 1996 11.1 June 2010Source: /support/faqs/res/history.htmlStata擅长数据处理、面板数据分析、时间序列分析、生存分析，以及调查数据分析，但其它方面的功能也并不逊色（表2）。
Stata_A_dofiles中山大学连玉君教授stata初级讲义
143 *
1.11.5.2 文件夹的操作
144 *
1.11.6 每次启动时均需执行的命令(profile)
145 *
1.11.7 常用快捷键
146 *
1.11.8 退出stata(exit)
147
148
Page 2
Net_Course_A_contents - Printed on 2010-4-13 14:44:33
60
61 * 1.5 浏览资料
62 *
1.5.1 变量的名称
63 *
1.5.2 查看资料的结构
64 *
1.5.2.1 更改变量的存储类型
65 *
1.5.2.2 -list- 命令的使用
66 *
1.5.2.3 定义变量的显示格式
67 *
1.5.2.4 数据和变量的标签
68 *
1.5.2.5 附加说明文字
8
9
*
单 位：中山大学岭南学院金融系
10
*
电 邮: arlionn@
11
*
主 页: /arlion
12
13
*
::第一部分::
14
*
Stata 操作
15
16
17
18
*
=====================
19
*
+
课程目录
+
20
*
=====================
35 *
1.2.1 stata界面
36 *
1.2.2 首次使用STATA的一些基本设定
37
38 * 1.3 输入和导入数据
39 *
STATA高级视频教程简介(连玉君)
STATA高级视频教程简介培训目的：STATA高级视频教程的目的是使学员熟练使用STATA进行实证分析工作，主要包括：(1) 掌握多种常用的估计方法（如普通最小二乘法、广义最小二乘法、非线性最小二乘法、最大似然估计、IV估计和GMM）；(2) 学会估计和分析时间序列和面板数据常用模型（如单位根检验、协整分析、VAR、固定效应模型、随机效应模型、动态面板模型、面板单位根检验和面板协整分析等等）；(3) 学会编写一个完整的STATA程序；(4) 学会应用STATA进行抽样和模拟分析，包括Bootstrap和Monte Carlo 模拟分析。
课程简介：（详见课程目录）STATA高级视频教程共9讲，共48个视频文件，总计50余个学时。
第1-5讲介绍计量经济学中最为常用的五种估计方法，包括：普通最小二乘法（OLS）、广义最小二乘法（GLS）、非线性最小二乘法（NLS）、最大似然法（MLE）和广义矩估计法（GMM）。
第6讲介绍时间序列模型，包括：ARIMA模型、VAR模型、单位根检验、协整分析、误差修正模型、GARCH模型。
这些模型基本上涵盖了宏观时间序列、金融时间序列分析中的常用工具。
第7讲介绍面板数据模型，包括：固定效应模型、随机效应模型、异方差和序列相关、动态面板模型、面板随机系数模型、面板随机前沿模型、面板单位根检验、面板协整分析等。
这些模型由浅入深，基本上涵盖了目前文献中使用的多数面板分析方法。
第8讲介绍STATA编程技巧，包括：输入项、输出项的设定，子程序、可分组执行、可重复执行等程序高级功能，以及帮助文件的编写方法。
通过本讲的学习，学员将能够独立编写复杂的STATA程序，这些程序和STATA官方提供的程序完全一致。
第9讲介绍自抽样和模拟分析，包括：Bootstrap(自抽样)、组合检验(Permutation tests)、刀切法(Jackknife)和蒙特卡洛模拟。
不同于传统的假设检验和统计推断方法，这些方法都是以计算机模拟和抽样为基础的，在最近十年中得到了越来越广泛的应用。
120分钟搞定论文数据分析及结果输出
Stata*:论文中数据分析的一把利剑或 120 分钟搞定论文数据分析及结果输出版本号:1.0中南财经政法大学STATA协会†学术组2013年4月18日摘要本文是写给那些没有用过Stata软件，同时又想在论文中有一些数据分析的本科生和研究生的，使其能在2个小时内掌握Stata软件最基本的分析功能，并能将结果按照学术论文的格式输出到Word等软件中。
本文将一步步地为你展示如何用Stata软件来进行基础的数据分析，并演示生成高质量的描述统计表格、回归结果及统计图并将之在论文中报告出来的详细过程。
由于Stata软件把EViews,SPSS的傻瓜式菜单和SAS的命令、编程完美结合起来，所以它受到了初学者和高级用户的普遍欢迎。
Stata软件体积小巧、简单易懂且功能强大，相信它会帮助你完成数据分析及报告的任务，让你得到一篇高水准的论文。
关键词:描述统计,计量模型,回归结果,数据分析,实证分析,论文写作目录1简介21.1Stata简介 (2)1.2Stata软件的安装及界面介绍 (2)1.3Stata操作方法介绍 (2)1.4Do-file的使用 (4)1.5中文字符的支持 (5)2准备工作52.1数据的导入 (5)2.2下载扩展包 (7)3数据分析73.1描述性统计 (8)3.2相关系数矩阵 (8)3.3最小二乘回归 (9)4结果报告104.1logout命令（统计表、相关系数矩阵表） (10)4.2esttab命令（最小二乘回归表） (11)5统计制图12*本文中所使用的Stata软件版本为：Stata/SE12.0for Windows(32-bit)†新浪微博名：stataclub。
如果对本文有任何改进的意见，欢迎@stataclub 或发私信给我们。
1简介1.1Stata简介Stata与SPSS、SAS并称为当今三大统计软件。
与后者相比，Stata体积小巧、简单易懂且功能强大。
Stata把EViews,SPSS的傻瓜式菜单和SAS的命令、编程完美结合起来，所以它一推出就受到了初学者和高级用户的普遍欢迎。
利用STATA创建空间权重矩阵及空间杜宾模型计算----命令
** 创建空间权重矩阵介绍*设置默认路径cd C:\Users\xiubo\Desktop\F182013.v4\F101994\sheng**创建新文件*shp2dta:reads a shape (.shp) and dbase (.dbf) file from disk and converts them into Stata datasets.*shp2dta:读取CHN_adm1文件*CHN_adm1：为已有的地图文件*database (chinaprovince)：表示创建一个名称为“chinaprovince”的dBase数据集*database(filename)：Specifies filename of new dBase dataset*coordinates(coord)：创建一个名称为“coord”的坐标系数据集*coordinates(filename)：Specifies filename of new coordinates dataset*gencentroids(stub)：Creates centroid variables*genid(newvarname)：Creates unique id variable for database.dtashp2dta using CHN_adm1,database (chinaprovince) coordinates(coord) genid(id) gencentroids(c)**绘制2016年中國GDP分布圖*spmap:Visualization of spatial data*clnumber(#):number of classes*id(idvar):base map polygon identifier(识别符，声明变量名，一般以字母或下划线开头，包含数字、字母、下划线)*_2016GDP：变量*coord:之前创建的坐标系数据集spmap _2016GDP using coord, id(id) clnumber(5)*更改变量名rename x_c longituderename y_c latitude**生成距离矩阵*spmat:用于定义与管理空间权重矩阵*Spatial-weighting matrices are stored in spatial-weighting matrix objects (spmat objects).*spmat objects contain additional information about the data used in constructing spatial-weighting matrices.*spmat objects are used in fitting spatial models; see spreg (if installed) and spivreg (if installed).*idistance:(产生距离矩阵)create an spmat object containing an inverse-distance matrix W*或contiguity:create an spmat object containing a contiguity matrix W*idistance_jingdu:命名名称为“idistance_jingdu”的距離矩陣*longitude:使用经度*latitude:使用纬度*id(id):使用id*dfunction(function[, miles]):(设置计算距离方法)specify the distance function.*function may be one of euclidean (default), dhaversine, rhaversine, or the Minkowski distance of order p, where p is an integer greater than or equal to 1.*normalize(row):（行标准化）specifies one of the three available normalization techniques: row, minmax, and spectral.*In a row-normalized matrix, each element in row i is divided by the sum of row i's elements.*In a minmax-normalized matrix, each element is divided by the minimum of the largest row sum and column sum of the matrix.*In a spectral-normalized matrix, each element is divided by the modulus of the largest eigenvalue of the matrix.spmat idistance idistance_jingdu longitude latitude, id(id) dfunction(euclidean) normalize(row)**保存stata可读文件idistance_jingdu.spmatspmat save idistance_jingdu using idistance_jingdu.spmat**将刚刚保存的idistance_jingdu.spmat文件转化为txt文件spmat export idistance_jingdu using idistance_jingdu.txt**生成相邻矩阵spmat contiguity contiguity_jingdu using coord, id(id) normalize(row)spmat save contiguity_jingdu using contiguity_jingdu.spmatspmat export contiguity_jingdu using contiguity_jingdu.txt**计算Moran’s I*安装spatwmat*spatwmat:用于定义空间权重矩阵*spatwmat:imports or generates the spatial weights matrices required by spatgsa, spatlsa, spatdiag, and spatreg.*As an option, spatwmat also generates the eigenvalues matrix required by spatreg.*name(W):读取空间权重矩阵W*name(W):使用生成的空间权重矩阵W*xcoord:x坐标*ycoord:y坐标*band(0 8):宽窗介绍*band(numlist) is required if option using filename is not specified.*It specifies the lower and upper bounds of the distance band within which location pairs must be considered "neighbors" (i.e., spatially contiguous)*and, therefore, assigned a nonzero spatial weight.*binary:requests that a binary weights matrix be generated. To this aim, all nonzero spatial weights are set to 1.spatwmat, name(W) xcoord(longitude) ycoord(latitude) band(0 8)*安装绘制Moran’s I工具:splagvar*splagvar --- Generates spatially lagged variables, constructs the Moran scatter plot,*and calculates global Moran's I statistics.*_2016GDP：使用变量_2016GDP*wname(W):使用空间权重矩阵W*indicate the name of the spatial weights matrix to be used*wfrom(Stata):indicate source of the spatial weights matrix*wfrom(Stata | Mata) indicates whether the spatial weights matrix is a Stata matrix loaded in memory or a Mata file located in the working directory.*If the spatial weights matrix had been created using spwmatrix it should exist as a Stata matrix or as a Mata file.*moran(_2016GDP):计算变量_2016GDP的Moran's I值*plot(_2016GDP):构建变量_2016GDPMoran散点图splagvar _2016GDP, wname(W) wfrom(Stata) moran(_2016GDP) plot(_2016GDP)=============================================================================== **使用距离矩阵计算空间计量模型*设置默认路径cd D:\软件学习软件资料\stata\stata指导书籍命令\陈强高级计量经济学及stata应用（第二版）全部数据*使用product.dta数据集（陈强的高级计量经济学及其stata应用P594）*将数据集product.dta存入当前工作路径use product.dta , clear*创建新变量，对原有部分变量取对数gen lngsp=log(gsp)gen lnpcap=log(pcap)gen lnpc=log(pc)gen lnemp=log(emp)*将空间权重矩阵usaww.spat存入当前工作路径spmat use usaww using usaww.spmat*使用聚类稳健的标准误估计随机效应的SDM模型xsmle lngsp lnpcap lnpc lnemp unemp,wmat(usaww) model(sdm)robust nolog*使用选择项durbin(lnemp)，不选择不显著的变量，使用聚类稳健的标准误估计随机效应的SDM模型xsmle lngsp lnpcap lnpc lnemp unemp,wmat(usaww) model(sdm) durbin(lnemp) robust nolog noeffects*使用选择项durbin(lnemp)，不选择不显著的变量，使用聚类稳健的标准误估计固定效应的SDM模型xsmle lngsp lnpcap lnpc lnemp unemp,wmat(usaww) model(sdm) durbin(lnemp) robust nolog noeffects fe*存储随机效应和固定效应结果qui xsmle lngsp lnpcap lnpc lnemp unemp,wmat(usaww) model(sdm) durbin(lnemp) r2 nolog noeffects reest sto requi xsmle lngsp lnpcap lnpc lnemp unemp,wmat(usaww) model(sdm) durbin(lnemp) r2 nolog noeffects feest sto fe*esttab:将保存的结果汇总到一张表格中*b(fmt):specify format for point estimates*beta[(fmt)]:display beta coefficients instead of point est's*se[(fmt)]:display standard errors instead of t statistics*star( * 0.1 ** 0.05 *** 0.01):标记不同显著性水平对应的P值*r2|ar2|pr2[(fmt)]:display (adjusted, pseudo) R-squared*p[(fmt)]:display p-values instead of t statistics*label:make use of variable labels*title(string):specify a title for the tableesttab fe re , b se r2 star( * 0.1 ** 0.05 *** 0.01)*hausman检验*进行hausman检验前，回归中没有使用稳健标准误(没用“r”),*是因为传统的豪斯曼检验建立在同方差的前提下*constant:include estimated intercepts in comparison; default is to exclude*df(#):use # degrees of freedom*sigmamore:base both (co)variance matrices on disturbance variance estimate from efficient estimator*sigmaless:base both (co)variance matrices on disturbance variance estimate from consistent estimatorhausman fe re**有时我们还会得到负的chi2值,即chi2<0，表明模型不能满足Hausman检验的渐近假设。
STATA经典资源合辑
STATA经典资源合辑来源：西农经管研究生寻求帮助获得 Stata 帮助的主要途径有三个：手册、Stata 自带帮助和网络帮助。
对于多数人而言，Stata 手册总有些可望不可及的感觉，但事实上Stata 帮助中的英文表述都极其简洁明了，范例都很经典，解读也都比较到位，基本上可以挪用到论文的解释中去。
平时用的最多的还是 help 和 findit 命令：前者属于精确查询，后者则是模糊查询。
help 的作用在于帮助我们了解一个命令的选项功能和具体用法；而findit 则用于搜索关键词，帮我快速找到解决特定问题或估计某类模型的命令。
网上有大量的 Stata 公开课程和学者们公布的 Stata 程序和数据，在本文中都做了细致的筛选和梳理。
帮助命令help显示出Stata所有帮助内容的目录结构。
如果输入具体的命令，则只显示该命令的帮助，如也可以通过菜单式的点选方式获得帮助: Help>>stata command…在弹出的对话框中输入：summarize，然后回车，得到与whelp summarize同样的结果。
使用帮助的小窍门：先看命令描述（Description）部分，然后直接看帮助文件后面的命令示例（Examples），将命令示例复制到命令窗口，执行，看看执行结果，体会命令的用法。
网络帮助可以采用findit或者search命令获得，如：这两条命令等价，均为寻找多期政策冲击的双重差分命令ddid。
由于ddid不是Stata内置命令，所以需要通过这两个命令搜索并下载安装后才能使用。
问前必读Stata官网-FAQ 提问前请先看看这个/support/faqs/ Baum 教授的建议/GStat/docs/GSAfaq.html#sstataStata 官网资源Stata官网http://Stata官网-资源链接各种Stata资源链接汇总/links/resources.htmlStata出版社了解 Stata 新书信息/Stata Journal, SJ中文 Stata 最新命令推送和详细范例//thread-3158333-1-1.htmlStata 论坛Stata list Stata官方论坛，有 Stata 公司资深程序员坐镇/经管之家(原人大经济论坛)：Stata专区 | 连玉君老师Stata-VIP专区 | Stata常见问题/forum-67-1.html/forum-114-1.html/thread-272681-1-1.html在线课程Princeton Stata 在线课程 (Princeton University - StataTutorial ) /~otorres/Stata/伦敦经济学院 LSE StataTutorials在线视频，提供 dofiles/Methodology/Software-tutorials/Stata-tutorials数据 (Data)在 Yahoo 中搜索关键词 stata research data repositoryBerkeley University - HealthStatistics & Data/publichealth/healthstatistics/rawdataOpen Data Sets by topic - MilneLibrary Data Collections/dataStata书籍1. Stata 入门经典入门参考：A Gentle Introduction to Stata（出版年份：2016，版本信息：第五版）回顾 Stata 历史：Thirty Years with Stata: ARetrospective（出版年份：2015，版本信息：第一版）理解 Stata 的一些建议：One Hundred Nineteen Stata Tips（出版年份：2014，版本信息：第三版）2.Stata 数据分析数据分析入门：Data Analysis Using Stata（出版年份：2012，版本信息：第三版）数据分析策略：The Workflow of Data Analysis Using Stata （出版年份：2009，版本信息：第一版）数据管理：Data Management Using Stata（出版年份：2010，版本信息：第一版）Meta分析：Meta-Analysis in Stata: An Updated Collection fromthe Stata Journal（出版年份：2016，版本信息：第二版）数据分析和可重复性：An Introduction to Stata for Health Researchers（出版年份：2014，版本信息：第四版）3.Stata 绘图绘图入门指南：A Visual Guide to Stata Graphics（出版年份：2012，版本信息：第三版）绘图进阶：Speaking Stata Graphics（出版年份：2014，版本信息：第一版）4.Stata 程序Stata 程序介绍：An Introduction to StataProgramming（出版年份：2016，版本信息：第二版）5.Stata 复杂模型系类结构方程：Discovering Structural Equation Modeling Using Stata（出版年份：2013，版本信息：修订版）离散选择模型：Regression Models for Categorical Dependent Variables Using Stata（出版年份：2014，版本信息：第三版）时间序列分析：Introduction to Time Series Using Stata（出版年份：2013，版本信息：第一版）回归模型的解释和可视化：Interpreting and Visualizing Regression Models Using Stata（出版年份：2012，版本信息：第一版）生存分析：An Introduction to Survival Analysis Using Stata （出版年份：2016，版本信息：第三版）广义线性混合模型：Multilevel and Longitudinal Modeling Using Stata（出版年份：2012，版本信息：第三版）生存分析进阶：Flexible Parametric Survival Analysis Using Stata: Beyond the CoxModel（出版年份：2011，版本信息：第一版）最大似然估计：Maximum Likelihood Estimation with Stata （出版年份：2010，版本信息：第四版）贝叶斯分析：Bayesian Analysis with Stata（出版年份：2014，版本信息：第一版）广义线性模型：Generalized Linear Models and Extensions （出版年份：2012，版本信息：第三版）6.Stata 与学科联系在计量经济学中应用：An Introduction to Modern Econometrics Using Stata（出版年份：2006，版本信息：修订版）在金融计量中应用（主要是时间序列）：Financial Econometrics Using Stata（出版年份：2016，版本信息：第一版）在行为科学中应用：Stata for the Behavioral Sciences（出版年份：2015，版本信息：第一版）在微观计量经济学中应用：Microeconometrics Using Stata（出版年份：2010，版本信息：第一版）在健康计量经济学中应用（如分析卫生保健数据）：Health Econometrics Using Stata（出版年份：2017，版本信息：第一版）。
Stata12软件的基本设定(设置)
Stata12软件的基本设定如果你已经安装了stata12，请直接跳到（6）。
（1）将StataSE12.1绿色版.7z解压到D盘根目录，即D:\stata12（注意：是D:\stata12，而非D:\stata12\stata12，另外，stata12是小写）。
（下载地址：/share/link?shareid=2683949182&uk=3523563089）1（2）打开stata12：双击图1中带有蓝色阴影的图标即可。
图1 stata12放置界面（3）关于更新A、首次打开stata12，会弹出对话框，询问你是否需要更新。
如果不需要更新，请按下图进行设定：图2 首次打开stata12时的更新设定B、（为了节省时间，这一步可以跳过，对于一般用户而言，更新与否不会影响你的使用效果）如需把stata12更新到最新版本，请在command窗口中输入update al l命令。
更新过程大概需要几分钟到几十分钟不等。
特别注意的是，更新完毕后，你一定要输入如下命令，才算是真正完成了stata的更新：updateswap。
这个命令的作用是用新下载的文件覆盖旧文件。
忘记这一步，往往会导致你的stata丢失变量或出现一些奇怪的现象。
1你也可以右击这个图标，然后选择“附加到开始菜单”。
这样stata12的logo就会出现在开始菜单中，每次启动stata12就只需从“开始”菜单中单击这个logo即可。
（4）关于profile.do文件。
每次启动stata12时，它会自动执行D:\stata12文件夹下的p rofile.do文件，该文件中包含了一系列命令，用于设定stata所占用的内存，各种文件路径的位置等信息。
如果你是按照上述要求放置stata12文件的，那么启动stata12后，屏幕上应该显示如下信息（否则你要检查文件名的拼写是否正确）：running D:\stata12\pro fi le.d o...（5）如果你的计算机分区中没有D盘，你也可以把stata12放置于其他盘符下，但需要做一些微小的调整。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2 课程概况
“Stata 学术论文专题（视频教程）”分为两个部分：第一部分精讲 14 篇论文，第二部 分为写作技巧，包括 61 个视频文件（约 80 个课时，每个课时 40 分钟）。
第一部分重点讲述 14 篇发表在 Journal of Finance、Journal of Financial Economics、经济 研究、管理世界等期刊的论文，与大家一同分享学术论文实证分析过程中面临的各种障碍和 处理方法。对于发表在顶尖期刊上的英文论文，由于无法获得原始数据，我们采用中国上市 公司的数据重现了其实证分析过程。这一方面有助于深入学习这些经典论文中的研究方法， 另一方面也可以通过对比中国与欧美市场研究结论的差异，加深我们对相关研究主题的理 解。对于专题中涉及的中文论文，由于都是我们自己完成的论文，所以在学习论文中的计量 分析方法的同时，我们还得以与大家一同分享论文写作和投稿过程中的一些经验。
Journal of Financial Economics, 79 (3): 469-506. 研究方法：Pooled OLS，固定效应模型（FE）、动态面板模型 ♣亮点：实证分析过程值得借鉴，对于衡量偏误、模型设定等棘手问题的处理很巧妙 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）
为此，在给研究生上课时，我鼓励他们 follow 那些发表在顶尖期刊上的经典论文，从 中学习规范研究的思路和套路，掌握基本的分析方法，合理运用计量模型。当然，这不是鼓 励大家做二道贩子。对中国书法略有所知的人都知道，历代书法家最初都要经历一个痛苦而 漫长的临摹过程，进而融会贯通，才能最终形成自己的风格。
为此，在最近的两年中，我改变了授课方式。每周的三个学时中，我只讲一篇文章。在 听课之前，学生需要提前三天提交读书笔记，包括：这篇文章的研究思路、研究方法、样本 筛选过程、主要结论和贡献等，最为重要是，学生必须对这篇文章的局限和可能的拓展方向 进行细致的评述和讨论。第一个学时，我介绍这篇文章的核心思想、研究方法以及与之相关 的拓展方向；第二个学时，采用 Stata 详细重现这篇文章的实证分析过程，帮助大家掌握关 键的处理方法；最后一节课，大家围绕读书笔记中集中出现的一些问题展开讨论。
目录
1 课程缘起 .................................................................................................................................. 2 2 课程概况 .................................................................................................................................. 3 3 课程特色 .................................................................................................................................. 3 4 课程专题内容 .......................................................................................................................... 4 5 讨论和建议 .............................................................................................................................. 7 6 讲师介绍 .................................................................................................................................. 7 7 时间节点目录 .......................................................................................................................... 8
If you have an apple and I have an apple and if we exchange these apples then you and I will still each have one apple. But if you have an idea and I have an idea and we exchange these ideas, then each of us will have two ideas.
Stata 学术论文专题 ห้องสมุดไป่ตู้频教程
课程简介
连玉君
（中山大学 岭南学院） E‐mail: arlionn@ Homepage: http://goo.gl/tRXba Weibo: /arlionn
课程咨询：/Default.aspx?id=134 课程讨论专区：/forum‐114‐1.html
3
4 课程专题内容
T1： 叶德珠、连玉君和黄有光(2012) 叶德珠,连玉君,黄有光,2012,消费文化、认知偏差与消费行为偏差,经济研究,(2): 80-92. 计量方法：OLS、FE ♣亮点：代理变量的选取很巧妙、模型设定和结果分析值得借鉴 主题：消费行为
T2： Flannery and Rangan (2006) Flannery, M. J., K. P. Rangan, 2006, Partial adjustment toward target capital structures,
由于我的研究方向是公司金融，所以这个专题中包括的多数文献也都集中在这个领域， 涉及资本结构、融资约束、投资效率、经理人变更、现金持有、股权激励等主题。当然，专 题中还包括了一些与其他学者合作的论文，涉及医疗支出、居民消费行为等。
作为南方经济的责任编辑，金融研究、世界经济等期刊的匿名审稿人，以及学位论文的 评阅人，我发现很多论文虽然有很好的想法，但往往因为如下原因而无法通过评审。其一， 缺乏严谨规范的文献综述，使得读者难以判断文章的学术贡献；其二，实证分析部分虽然使 用了比较前沿的方法，但基础工作不够扎实，如研究设计不合理、样本的筛选过程不严谨、 离群值未妥善处理、结论的稳健性值得怀疑等；其三，实证结果的呈现方式不妥，论文的排 版不够精致，对于专业术语的表述不严谨，结果的分析不深入等。为此，在第二部分中，我 将主要介绍如下两个个问题：一是如何收集、管理和研读文献；二是如何投稿、修改和发表 论文。
3 课程特色
“Stata 学术论文专题（视频教程）”主要特色包括： (1) 每个专题讲解一篇正式发表的学术论文，涉及其研究背景、研究方法、Stata 实现 过程，以及可能的拓展方向等，注重对实证结果的分析和解读，从而将计量经济学、经济学 和金融学理论知识与实际应用有机地结合起来。 (2) 每一篇论文都附带了完整的 Stata 实现过程（do 文档）和数据，便于大家学习和借 鉴论文中涉及的研究方法。 (3) 包含了多个自行编写的 Stata 程序，如面板门槛模型（xtthres）、面板 VAR 模型（xtvar, pvar2）、双边随机边界模型（SFA2tier）等。 (4) 分享论文写作、投稿、修改，以及与编辑部、导师和合作者沟通的技巧。
目前呈现给大家的这套“Stata 学术论文专题（视频教程）”源自我为研究生开设的“实 证金融”课程。这门课已经开设了四年。在最初的两年中，我假设选课的学生已经很好地掌 握了相关的计量方法（他们也确实都修过一学期或一年的计量经济学课程），因此将重点集 中于文献研读上。在每周的三个学时中，我会带领同学们阅读 3-5 篇论文，授课场面轰轰烈 烈。很快，我就发现，这个授课模式收效欠佳。问题集中在如下几个方面：首先，虽然大家 在计量经济学课程中学习了大量的模型和理论推导，但对于数据收集和处理、编程等实证分 析中必备的基础训练则甚为缺乏，以至于实证分析工作迟迟未能开工。其次，很多同学会失 望地发现，计量课程中介绍的众多复杂的理论在文献中鲜有应用。例如，大家学习了很多异 方差的检验和校正方法，但阅读文献时才发现，几乎所有的文献都只采用那个略显“粗陋” 的 White 稳健性标准误；又如，学习 Panel Data 时，我们花费了很多心思学习随机效应模型， 但 90%以上的文献却都只采用那个非常简单的固定效应模型。最后，实证分析是一个既耗 时又琐碎的过程，而最为关键是“研究设计”，也就是你采用何种方法论述自己的观点，如 何确保你得到的结论是稳健的，这往往需要长期的思考和积累。除非身体力行，研究过程的 艰辛和快乐是旁观者很难感知的。
T3： Hansen (1999)、连玉君和程建 (2006) Hansen, B., 1999, Threshold Effects in Non-dynamic Panels: Estimation, Testing, and
Inference, Journal of Econometrics, 93 (2): 345-368. 连玉君,程建,2006,不同成长机会下资本 结构与经营绩效之关系研究,当代经济科学,(2): 97-103.
—— George Bernard Shaw
1
1 课程缘起
一篇学术论文，从有想法到最终成文往往要经历数月甚至数年的时间，期间涉及理论分 析、模型设定、数据处理和回归结果分析等多个环节，可谓一个复杂的系统工程。在最初开 始撰写学术论文时，大家都有一个共同感受，那就是“眼高手低”。自持武艺高强的经济学童 生，一旦走向沙场，便会因为数据处理、离群值、结果分析这些看似简单的问题铩羽而归。 对于写过一些论文的老手而言，又经常感叹“既生瑜何生亮”，因为那些令人激动不已的想法 十有八九都已经出现在了 Google Scholar 中。虽然我们也听闻有些著名的经济学者声称，他 们的灵感主要来自实际生活或杂志报刊，但你很快会发现，若没有扎实的经济学功底外加良 好的计量经济学训练，这个套路是很难成行的。从平凡的生活中提炼一个有价值的经济学问 题，并采用规范的研究方法使之变成学术论文并不是一件简单的事情。