工具變量法是經(jīng)濟學中常用的一種解決內(nèi)生性問題的方法。在實證研究中，內(nèi)生性問題是指研究中的自變量與誤差項之間存在相關性，導致回歸結(jié)果出現(xiàn)偏誤。而工具變量法的基本思想是通過引入一個外生性足夠強的工具變量來消除內(nèi)生性問題，從而得到準確的估計結(jié)果。
工具變量法的核心在于選擇合適的工具變量。合適的工具變量必須滿足兩個條件：與內(nèi)生自變量相關，與誤差項不相關。在選擇工具變量時，研究者需要進行嚴謹?shù)慕?jīng)濟理論分析和實證檢驗，確保工具變量符合這兩個條件。常見的工具變量包括自然實驗或者與內(nèi)生變量相關但與誤差項不相關的變量。
在實際應用中，工具變量法常用于解決因果關系的研究。例如，在研究教育對收入的影響時，由于教育水平可能與家庭背景存在內(nèi)生性問題，研究者可以選擇就讀時間作為工具變量，來消除這一內(nèi)生性問題，從而得到準確的教育對收入的影響估計結(jié)果。
在運用工具變量法時，需要注意一些潛在的問題。首先，工具變量的選擇需要具有足夠的信息量來消除內(nèi)生性，卻不能與其他變量過度相關，導致估計結(jié)果失效。其次，研究者需要進行工具變量的有效性檢驗，以確保工具變量符合內(nèi)生性和外生性條件。最后，研究者還需要進行敏感性分析，檢驗研究結(jié)果對于工具變量的選擇是否敏感。
總的來說，工具變量法是一種有效的解決內(nèi)生性問題的方法，在實證研究中具有廣泛的應用前景。通過合適的工具變量的選擇和嚴格的實證檢驗，研究者可以得到準確的因果關系估計結(jié)果，為政策制定和決策提供科學依據(jù)。因此，在進行實證研究時，研究者應當充分了解工具變量法的原理和應用，以提高研究結(jié)論的準確性和可信度。

“社會科學中因果推斷方法”系列課程（時間：2024年8月2日~12日）

課程（一）因果推斷理論與方法

1課程介紹

課程介紹：因果推斷方法已經(jīng)成為現(xiàn)代社會科學實證研究的基本方法。學習和掌握因果推斷方法很有必要。本課程有特色。

，理論與應用并重，更強調(diào)實際應用。在介紹必要理論知識的同時，更強調(diào)在實際中如何解決因果推斷問題。

第二，注重案例教學，結(jié)合實際問題，采用通俗易懂的方式講解各種因果推斷方法。以及在講解過程中遇到的各種問題，尤其是當前誤用、錯用的問題。

第三，以EViews和Stata軟件為依托，演示操作過程，保證依靠軟件學會因果推斷分析。

2課程安排

課程安排：

上午（張曉峒老師） 下午（白仲林老師）

天 講：隨機化試驗方法

1.1 簡介

1.2 隨機化試驗方法

1.3 潛在結(jié)果模型

第二講：回歸不連續(xù)分析與雙重差分

2.1 潛在結(jié)果模型與回歸的關系

2.2 回歸不連續(xù)設計 講：DID/PSM-DID模型及Stata命令

案例1：DID案例——中國農(nóng)村稅費改革的政策效果：基于雙重差分模型的估計

案例2：PSM-DID案例——時空壓縮下的風險投資———高鐵通車與風險投資區(qū)域變化

第二天 2.3 回歸不連續(xù)分析典型研究成果

2.4 精確回歸不連續(xù)分析案例

2.5 精確回歸不連續(xù)分析一般步驟

第三講：雙重差分分析法

3.1 標準雙重差分模型估計原理

3.2 面板數(shù)據(jù)DID模型

3.4 面板數(shù)據(jù)多期DID分析

第二講：合成控制方法與回歸合成方法及Stata命令

案例1：SCM案例——資源枯竭型城市的經(jīng)濟轉(zhuǎn)型有效嗎？

案例2：HCW案例——CEPA對香港經(jīng)濟的影響

第三天 第四講：內(nèi)生性問題分類、檢驗與處理

4.1內(nèi)生性問題分類

4.2內(nèi)生性對模型參數(shù)估計的影響

4.3內(nèi)生性檢驗

4.4內(nèi)生性處理常用方法（IV法、2SLS法，Heckman兩步法等）

第三講：回歸不連續(xù)與多期DID分析及Stata命令

案例1：回歸不連續(xù)案例——勞務派遣在中國的演進歷程與動力機制

案例2：多期DID案例——技術轉(zhuǎn)移與企業(yè)高質(zhì)量創(chuàng)新

3主講教師簡介

張曉峒，日本大阪市立大學經(jīng)濟學博士，中國數(shù)量經(jīng)濟學會副會長。南開大學經(jīng)濟學院教授，數(shù)量經(jīng)濟學專業(yè)原博士生導師，南開大學數(shù)量經(jīng)濟研究所原所長。國內(nèi)13所大學兼職教授。

白仲林，南開大學經(jīng)濟學博士，天津市數(shù)量經(jīng)濟學會會長。天津財經(jīng)大學統(tǒng)計學院教授，數(shù)量經(jīng)濟學專業(yè)博士生導師。

會議時間

2024年8月2日—4日

要求學員在學習期間，不得安排其它工作和社交活動

會議時間：

上午：9:00—12:00

下午：2:00—5:00

如有必要加課

晚上：7:00—9:00

會議費用

課程費用：3000元/人

3人報名 2800元/人；5人報名 2600元/人；10人報名 2500元/人；老學員 2500元/人。

繳費方式：

1.按照報名順序排列座位

2.限額50名，為了防止報名不來浪費名額，請?zhí)崆爸Ц?00元定金，等您繳費后，定金退還。支付寶：15101113063 余俊俠

3.對公轉(zhuǎn)賬：（轉(zhuǎn)賬時請在摘要欄里注明姓名和手機號）

支付寶(同步微信)：15101113063 余俊俠

對公轉(zhuǎn)賬：轉(zhuǎn)賬時請在摘要欄里注明姓名和手機號，學術苑培訓。支持銀行對公轉(zhuǎn)賬，提供正式增值稅報銷。

公司名稱：北京弘靈文睿教育科技有限公司

開 戶 行：興業(yè)銀行北京海淀支行

賬 號：3212 3010 0100 4200 44

特別提示：按照報名先后順序排座位！！！

“社會科學中因果推斷方法”系列課程

課程（二）結(jié)構模型估計（8月6日-8日）

1課程介紹

結(jié)構模型，是將經(jīng)濟學模型和計量統(tǒng)計模型結(jié)合，用于估計描述現(xiàn)實的深層參數(shù)，模擬現(xiàn)實世界，以便合理地評估政策效果的實證工具。在結(jié)構式方法中，理論和實證的聯(lián)系是緊密的。由于其建模技術的優(yōu)雅和深刻，不僅是當今經(jīng)濟政策評估領域的前沿，也是發(fā)展經(jīng)濟理論的有力武器。本課程將以常見的幾類結(jié)構模型為例，系統(tǒng)介紹結(jié)構模型與結(jié)構估計的相關理論知識，并結(jié)合具體實例，詳細展示結(jié)構估計的研究思路、技術細節(jié)和算法。在此基礎上，本課程將進一步介紹結(jié)構估計的進階用法，并且可以對研究選題、文獻梳理、模型構建、數(shù)據(jù)處理、算法編程、結(jié)果分析、論文寫作、投稿返修等各方面問題進行個性化答疑。

2課程安排

「Day 1：結(jié)構估計入門」

1. 結(jié)構模型與結(jié)構估計的含義

2. 生命周期模型介紹（用于分析居民行為）

3. 動態(tài)公司金融模型介紹（用于分析企業(yè)行為）

4. 空間一般均衡模型介紹（用于分析空間經(jīng)濟行為）

5. 結(jié)構估計的應用（包括但不限于反事實模擬、政策分析、最優(yōu)政策）

6. 結(jié)構估計的進展和展望

「Day 2：結(jié)構估計實例」

1. 結(jié)構估計實例1：居民消費行為分析（研究思路、具體實施步驟、數(shù)據(jù)處理、算法和MATLAB編程）

2. 結(jié)構估計實例2：企業(yè)投資行為分析（研究思路、具體實施步驟、數(shù)據(jù)處理、算法和MATLAB編程）

3. 結(jié)構估計習題集解答

「Day 3：結(jié)構估計的進階用法與實例」

1. 結(jié)構估計與實驗、準實驗方法相結(jié)合

2. 結(jié)構模型之建模技巧

3. 實證模型的理論依據(jù)

4. 補充性的結(jié)構估計

5. 結(jié)構估計研究經(jīng)驗分享

課程時間：8月6日-8日

3主講教師簡介

鄒建文，中南財經(jīng)政法大學收入分配與現(xiàn)代財政研究院講師，研究方向為消費、投資、以及結(jié)構估計方法論，研究成果發(fā)表于《經(jīng)濟研究》、《經(jīng)濟學（季刊）》、《經(jīng)濟學動態(tài)》，主持國家自然科學基金青年項目、教育部人文社會科學研究青年基金項目等多個課題，獲第十八屆張培剛優(yōu)秀博士論文獎。撰寫國內(nèi)首個關于結(jié)構估計的講義《結(jié)構估計講義》，建立個人公眾號“經(jīng)濟學結(jié)構估計前沿”，曾應邀在武漢大學、華中科技大學、上海財經(jīng)大學、中南財經(jīng)政法大學、TIDE學會等高校和學會講授結(jié)構估計方法論，廣受好評。

會議費用

課程費用：2800元/人；3人報名 2600元/人；5人報名 2500元/人；10人報名 2200元/人；老學員 2500元/人。

暑期課程系列3—數(shù)據(jù)挖掘與機器學習

Day 1

上午：數(shù)據(jù)挖掘與機器學習概述、任務和分析方法，數(shù)據(jù)探索和預處理、特征變換與生成

下午：數(shù)據(jù)清洗與預處理的R語言和Python語言的實現(xiàn): 使用dplyr、ggplot2包和numpy、pandas、matplotlib.pyplot包以《消費者報告》中的汽車數(shù)據(jù)和信用卡客戶貸款數(shù)據(jù)為例

Day 2

上午：分類模型與學習方法，模型訓練的策略和效果的衡量

下午：監(jiān)督式學習算法原理與應用：例如用Scikit-learn(Sklearn) 實現(xiàn)最小二乘法和梯度下降法、使用glm函數(shù)進行Probit與Logistic模型的訓練，以及模型驗證與預測的實操訓練                                                    

Day 3

上午：神經(jīng)網(wǎng)絡、決策樹與集成學習、深度學習算法與訓練技巧

下午：以銀行風控業(yè)務為案例使用sklearn和pytorch對分類模型和回歸模型進行模型訓練與評估

主講教師介紹

李好，阿姆斯特丹大學金融計量經(jīng)濟學博士，南開大學經(jīng)濟學院助理教授。金融風險管理師（FRM）持證超過3年，具有十年以上編程和建模經(jīng)驗，擅長R語言和Python的編程和教學。

助教：南開大學博士生

會議費用

課程費用：2500元/人。3人報名：2200元/人；5人報名 2000元/人；老學員 2200元/人。

其他要求同前。詳細信息請參閱學術苑公眾號平臺發(fā)布的信息。

https://mp.weixin.qq.com/s/ZmV8fLduOs4aiIDjSRSk3Q