培训目的：
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
培训内容：
计量分析与Stata应用
1. 普通最小二乘法（OLS）
1.2 解读OLS回归结果
1.3 残差分析与稳健型估计
1.4 管理多个回归结果
2. 广义最小二乘法（GLS）
2.1 GLS的基本思想
2.2 异方差
2.3 序列相关
2.4 似无相关模型（SUR）
3. 非线性最小二乘法（NLS）
3.1 NLS的基本思想
3.2 NLS程序的编写
3.3 范例：估计动态部分调整模型
4. 最大似然估计（MLE）
4.1 MLE的基本原理
4.2 似然函数的设定
4.3 程序的调试、起始值的设定和相关问题
4.4 范例：线性回归模型、Logit模型、Probit模型
5. 工具变量法与GMM
5.1 内生性问题与工具变量法
5.2 两阶段最小二乘法（2SLS）
5.3 广义矩估计法（GMM）
5.4 过度识别检验（Sargan检验与Hausman检验）
5.5 弱工具变量问题
6. 时间序列分析
6.1 时间序列资料的处理
6.2 ARIMA模型
6.3 向量自回归（VAR）模型：估计和检验
6.4 向量自回归（VAR）模型：因果检定和冲击反应
6.5 单位根检验
6.6 协整分析和误差修正模型
6.7 GARCH模型（GARCH，E-GARCH，T-GARCH）
7. 面板数据模型
7.1 静态面板模型：固定效应 v.s. 随机效应
7.2 时间效应、模型的筛选和常见问题
7.3 异方差、序列相关和截面相关
7.4 内生性问题（面板IV-GMM估计）
7.5 动态面板模型（Difference GMM和System GMM）
7.6 面板随机系数模型
7.7 面板随机前沿模型
7.8 面板单位根检验
7.9 面板协整分析
8. STATA高级程序
8.1 暂元的高级功能
8.2 暂时性物件
8.3 输入项
8.4 输出项
8.5 可分组执行的程序
8.6 可重新显示结果的程序
8.7 子程序
8.8 程序勘误与调试
8.9 帮助文件的编写
9. 模拟分析（Simulation）与自体抽样（Bootstrap）
9.1 随机数的产生和常用分布
9.2 Bootstrap
9.2.1 Bootstrap的基本原理
9.2.2 Bootstrap获得标准
