王存同 Stata因果推断专题讨论会丨从线性回归走向因果推断

-会议内容-

因果推断专题讨论会

从线性回归走向因果推断

(FromLinear Regression to Causal Inference)

因果推断（causal inference），缘起人类的本能或经常自发提出的一个简单问题：为什么（why）？事实上，作为科学研究的核心与宗旨——因果推断就是关于此问题的严肃思考、科学验证或因果分析（causal analysis）。目前，因果推断模型与方法受到了经济学、金融学、社会学、管理学、人口学及公共卫生等领域的重视和青睐，并成为实证研究的核心利器。但因果推断并非轻而易举之事，正如约翰・杜威（John Dewey）所述，“科学的法则与规律，并不位于自然界的表层，而是隐藏在暗处，我们必须主动利用精心设计的探索技巧把它们从自然中剥离出来。”为此，我们邀请了我国量化分析及实证研究的著名大咖、中央财经大学的王存同教授与大家分享因果推断的基本概念、主要模型和 Stata 实现方法。

专题概况：

因果推断模型与方法是现代社会科学研究者利用计量模型发表高水平实证论文的核心利器。《从线性回归走向因果推断》(From Linear Regression to Causal Inference)专题讨论会，重在讨论如何利用Stata软件进行因果推断。在专题讨论与演示中，将因果推断模型与统计软件的应用与操作有机结合，力图与大家在较短时间内分享因果推断的基本思想、原理、模型、方法及适用范围，并以真实数据为演示案例，与大家分享因果推断的思辨、模型构建、软件应用及结果解读的能力，为发表高水平的实证研究论文奠定基础。

在专题讨论的内容安排上，基于对线性回归模型核心内容及计量建模方法、原则的回顾，将利用大量篇幅讨论因果推断的基本概念、思想、原理、方法及模型应用。

专题讨论特色：

1、专题讨论定位明确。该专题讨论并非专业数理统计学教学或计量培训课程，不会出现烦琐的公式推导。专题讨论重在应用，即在基本熟悉因果推断思想的基础上，进行数据分析、软件应用及模型解读，实现理论与应用的结合。

2、讨论重点突出。讨论因果推断原理及主流模型时，重点关注基本统计思想及应用范围、条件、数据处理难点及模型参数的解读。

3、内容细致实用。应用Stata软件来加强与实现因果推断模型、方法的分享与讨论，各专题都附带完整的Stata实现过程（do文档）和真实数据，大家无需进行烦琐编程，即可快速实现数据分析及建模任务。

4、在线参与沟通。大家可自带数据运行，并在线答疑。

5、论文经验分享。与大家分享定量研究论文写作、投稿、修改，以及与编辑部、导师和合作者沟通的实用技巧。

6、嘉宾风格鲜明。专题讨论嘉宾认真敬业，讲课风趣幽默，引人入胜，有强大的人格魅力，感染力极强，屡屡被学生评为计量教学“人气最佳”的教授，为全国学生最受欢迎的计量模型教学的教师之一。他多年在北京大学等高校主讲社会科学定量方法暑期培训专题讨论，多名学生评价其“统计专题讨论如小说般引人入胜，不忍下课”、“讲解系统且实用性强”，已有多名学生成功应用所学发表高水平量化论文若干。

会议软件建议：

软件: Stata，提供全套Stata实操程序、数据和 dofiles (开课前一周发送)。

建议使用Stata 13.0 或更高版本。

研讨内容：

本专题讨论主要涵盖如下六个专题（每个专题3个小时）。在研讨每个模型时，都将结合完整的 Stata 实现文档与学员共同进行实例操作，并提供完整的 .dta, .do 文档等资料，以便大家演练和应用。

各专题主要内容及参考文献列举如下：

专题1 多元回归与建模原则

1. 作为因果推断的基础——多元回归
2. 基本假定与计量模型的脉络及发展
3. 计量建模原则与分析策略
4. 案例与Stata操作

专题2~3 因果推断：工具变量回归（Instrument variable, IV）

1. 内生性问题与解决路径
2. 工具变量选择的方法及分类
3. 工具变量的检验
4. 工具变量回归模型（2SLS+GMM）
5. 案例与Stata操作

专题4~6 因果推断：常用方法与模型

1. 回归模型与因果解释
2. 尤尔-辛普森悖论
3. Rubin因果模型（Rubin Causal Model, RCM）
4. 决策理论因果模型（decision-theoretic causality）
5. 因果图（Causal Diagram: DAGs）
6. 格兰杰因果关系检验（Granger causality test）
7. 双重差分估计（difference in differences estimate, DID）
8. 倾向值匹配法（propensity score matching, PSM）
9. 固定效应模型（fixed effect model, FEM）
10. 随机效应模型（random effect model, REM）
11. 断点回归设计（regression discontinuity design, RDD）
12. 案例与Stata操作

专题讨论基础：

希望学员在开课前能重温计量经济学基础知识，对线性回归、假设检验有所了解，并具备一定的 Stata 软件操作基础。若对社会调查方法、社会统计有所了解，将更容易理解专题讨论案例及计量模型的应用。

专题读物：

1. Angrist,J. D., & Pischke, J. S. (2008). Mostly Harmless Econometrics: An Empiricist'sCompanion. Princeton university press.
2. Cameron,A. C., & Trivedi, P. K. (2005). Micro-econometrics: Methods andApplications. Cambridge university press.
3. Greene,W. H. (2011). Econometric Analysis (7th). Prentice Hall.
4. Imbens,G. W., & Rubin, D. B. (2015). Causal Inference in Statistics, Social,and Biomedical sciences. Cambridge University Press.
5. Morgan,S. L., & Winship, C. (2007). Counterfactuals and Causal Inference:Methods and Principles for Social Research. New York, NY. CambridgeUniversity Press.
6. Pearl,J. (2009). Causality: Models, Reasoning, and Inference (2nd). New York:Cambridge University Press.
7. Pearl,J., & Mackenzie, D. (2018). The Book of Why: the New Science of Causeand Effect. CITIC press.

-主办方介绍-