Cualquiera que se dedique a la econometría presta atención a esta cuenta
Publicado por: [email protected]
Todos los programas de código, macro y micro bases de datos y varios software de la metodología del círculo econométrico se colocan en la comunidad Bienvenido a la comunidad del círculo econométrico para intercambios y visitas.
Con respecto a las habilidades relacionadas con Stata, los académicos pueden consultar los siguientes artículos: 1. ¿Cuáles son las nuevas características de Stata16? No quiero agradecerle por quitarlo, 2. Compartir todos los datos de Stata, recopilar y aprender rápidamente, 3 .Funciones de estadísticas de Stata, mapeo de datos, recursos de aprendizaje, etc., 4. Los libros y materiales aprendidos por Stata se lanzan, con toda su potencia, 5. Las habilidades de dibujo de Stata más completas de la historia, el favorito de las niñas, 6. Lo seco solución de bienes de generar resultados de Stata en Word, Excel, 7. ¿Cuál es la función en el lenguaje de programación? Todas las funciones de Stata se ensamblan aquí. 8. Los 500 programas Stata más utilizados en el mundo, 9.6 imágenes dominan todos los aspectos del software Stata, ¿quién más, quién más? 10. ¿Qué diablos es la prueba LR, prueba Wald, y prueba LM? Cómo implementar en Stata, 11.Stata15 la versión de las nuevas funciones, no lo esperaba, solo un vistazo rápido, 12. "Econometría avanzada y aplicación de Stata" y "Stata Eighteen Lectures" datos de apoyo, 13. Gestión de datos Stata programar trucos de kung fu, 14. Soluciones endógenas y comandos de Stata en el modelo de panel no lineal, 15. Aclarar los comandos del panel dinámico, explicar en detalle el ado de Stata, 16. Ideas de estimación de semi-parámetros y ejemplos de operación de Stata, 17. Stata's most puntos útiles Todos están aquí, materiales insustituibles, 18. PSM tiende a coincidir con los pasos detallados y los códigos de operación de Stata, lleno de productos secos, 19. Análisis aleatorio de fronteras y análisis de datos de envolventes Operaciones de SFA, DEA y Stata, 20. Transmisión de bienestar , Habilidades de programación de Stata y el uso de la integración de Tips, 21. Use Stata para llevar a cabo la guía de operación clásica del análisis de fronteras aleatorias, 22. Stata, 10 artículos de los que no se puede arrepentir, código de programación y anotaciones, 23. Use Stata para Aprenda pequeños consejos de Econometría, el segundo número Saludo, 24. Utilice Stata para aprender los pequeños consejos de Econometría, el primer saludo, 25. Método de control sintético generalizado gsynth, Lanzamiento del programa en ejecución de Stata, 26. Estimación y prueba de múltiples efectos de mediación, Stata MP15 descargable, 27. Variables de salida El esquema de estadísticas descriptivas, 28.2 Salida de la primera etapa SLS, datos de sección transversal o de panel y valores estadísticos están bien, 29. La construcción de indicadores de administración de ganancias y su programa de implementación Stata, interpretación correspondiente y literatura clásica, 30. ¡La colección más completa de teclas de acceso directo en la historia del software Python, Stata, R! , 31. Utilice Stata para el análisis de datos del panel, con todos los códigos operativos, 32. Utilice Stata para el análisis de datos del panel, con todos los códigos operativos. Hay muchos artículos relacionados, los académicos pueden buscarlos y consultarlos por sí mismos.
Recientemente, presentamos ①cómo elegir la variable independiente correcta (variable de control) para que su modelo de medición ya no esté sucio, ② las consecuencias de ignorar el efecto de interacción son serias y el revisor está muy enojado! , ③En los últimos treinta años, la hoja de ruta del "momento de luz alta" de RCT, DID, RDD, LE, ML, DSGE y otros métodos, ④¡La última compilación de documentos empíricos de DID espacial! ⑤Los métodos de aprendizaje automático aparecieron en las principales revistas como AER, JPE, QJE, ⑥Se anunció el proceso de prueba del efecto intermedio, se anunció el diagrama esquemático, ya no se temía el análisis intermedio, ⑦Utilice el software R para aprender métodos econométricos tres recomendaciones de libros, ⑧primero (Volumen II. La última e interesante recopilación de series de programas de Stata, ⑨La información de referencia de métodos de medición y datos empíricos, ⑩Forma logarítmica vs lineal vs cuadrática vs exponencial, ¿cuál elegir para el modelado cuantitativo? Etc., suscitó una amplia discusión entre los académicos. Hoy, recomendamos utilizar el último progreso de la aplicación de Stata en el Stata Journal en 2019. Los académicos interesados en el software de Stata y la investigación empírica pueden consultar la siguiente literatura. br /> ** ** texto
en el texto debajo del contenido, autor: Fu Jingjing, economía y comercio internacional, correo de comunicación Universidad Shihezi: [email protected]
puede leer esto: primeros (dos) volúmenes .Stata último e interesante programa recopilación de series
1. Eficacia del experimento conjunto Royston-Parmar, análisis del tamaño de la muestra y resultados de eventos en la práctica clínica
Resumen: Los resultados de eventos de ensayos controlados aleatorios se utilizan generalmente para analizar el efecto del tratamiento de los riesgos proporcionales (PH) establecidos. El cálculo del tamaño de la muestra se basa en una prueba de rango logarítmico o casi la misma prueba de Cox, por lo que se llama prueba de Cox / rango logarítmico. Sin embargo, el riesgo no proporcional (no PH) es cada vez más común en los experimentos y reduce el efecto del tratamiento y la interpretación de los experimentos de rango logarítmico, lo que afecta el éxito del experimento. Para resolver este problema, Royston y Parmar (2016) propusieron una "prueba conjunta", que consiste en probar la hipótesis nula global de la misma curva de supervivencia en cada experimento. La prueba de Cox / log-rank se combina con una nueva prueba. Esta nueva prueba se deriva de la diferencia máxima estandarizada entre los dos grupos de sujetos de prueba en la limitación del tiempo medio de supervivencia (RMST). Los datos de la prueba se basan en varios momentos seleccionados Evaluación de las diferencias entre los grupos de RMST. La prueba conjunta involucra el valor p mínimo de la prueba de Cox / log-rank y RMST, que está debidamente estandarizada para obtener la distribución correcta bajo la hipótesis nula global. Este artículo presentará un nuevo comando power_ct, que se utiliza para simular el cálculo de la potencia y el tamaño de la muestra de la prueba conjunta. power_ct apoya el efecto del tratamiento con o sin PH. Este artículo compara la prueba combinada con la prueba de Cox / log-rank en el caso de PH y sin PH. Finalmente, este artículo proporciona pautas para calcular el tamaño de la muestra para permitir una posible ausencia de PH al experimentar antes del evento.
Análisis de potencia y tamaño de la muestra para la prueba combinada de Royston-Parmar en ensayos clínicos con un resultado de tiempo transcurrido hasta el evento
Resumen: Los ensayos controlados aleatorios con un resultado de tiempo transcurrido hasta el evento generalmente se diseñan y analizan asumiendo riesgos proporcionales (PH) del efecto del tratamiento. El cálculo del tamaño de la muestra se basa en una prueba de rango logarítmico o la prueba de Cox casi idéntica, de ahora en adelante llamada prueba de Cox / rango logarítmico. Los peligros no proporcionales (no PH) se han vuelto más comunes en los ensayos y se reconocen como una amenaza potencial para interpretar el efecto del tratamiento del ensayo y el poder de la prueba de rango logarítmico, de ahí el éxito del ensayo. Para abordar el problema, en 2016, Royston y Parmar (BMC Medical Research Methodology 16: 16) propusieron una "prueba combinada" de la hipótesis nula global de curvas de supervivencia idénticas en cada brazo del ensayo. La prueba de Cox / log-rank se combina con una nueva prueba derivada de la diferencia máxima estandarizada en el tiempo medio de supervivencia restringido (RMST) entre los brazos del ensayo. La estadística de prueba se basa en evaluaciones de la diferencia entre brazos en RMST durante varios puntos de tiempo preseleccionados. La prueba combinada implica el valor p mínimo en las pruebas de Cox / log-rank y basadas en RMST, debidamente estandarizadas para tener la distribución correcta bajo la hipótesis nula global. En este artículo, presento un nuevo comando, power_ct, que usa simulación para implementar cálculos de potencia y tamaño de muestra para la prueba combinada. power_ct admite diseños con PH o sin PH del efecto del tratamiento. Proporciono ejemplos en los que el poder de la prueba combinada se compara con el de la prueba de Cox / log-rank en escenarios de PH y no PH.
2.
Resumen de la prueba de raíz unitaria basada en la regresión de Dickey-Fuller directa e inversa : este artículo presenta el comando adfmaxur, que se utiliza para ejecutar Leybourne (1995, Oxford Economics and Statistics) sobre el número de observaciones y el número de rezagos en el variable dependiente en la regresión Boletín 57: 559-571) Estadísticas de raíz unitaria. Este último puede ser especificado por el usuario o se puede utilizar la configuración predeterminada. Este artículo utiliza un ejemplo para ilustrar el uso del comando adfmaxur.
Pruebas de raíz unitaria basadas en Dickey hacia adelante y hacia atrás - Regresiones más completas
Resumen: En este artículo, presentamos el comando adfmaxur, que calcula el estadístico de raíz unitaria de Leybourne (1995, Oxford Bulletin of Economics and Statistics 57: 559–571) para diferentes números de observaciones y el número de rezagos de la variable dependiente en las regresiones de prueba. Este último puede ser especificado por el usuario o determinado endógenamente. Ilustramos el uso de adfmaxur con un ejemplo empírico.
3. validscale: comando para verificar la medición escala
Resumen: Las escalas de medición subjetiva se utilizan a menudo para medir áreas donde no se pueden observar las características del entrevistado, como la investigación clínica, la ciencia de la educación o la psicología. Para confirmar que el cuestionario es válido, se debe verificar la puntuación del cuestionario, es decir, se debe demostrar la validez, confiabilidad y sensibilidad de la medición psicológica. En este artículo, damos el comando validscale, que proporciona el análisis estadístico correspondiente para verificar la validez de la escala de medición subjetiva. También hemos desarrollado un cuadro de diálogo y el comando validscale pronto estará disponible en Stata.
validscale: un comando para validar escalas de medición
Resumen: Las escalas de medición subjetiva se utilizan para medir las características no observables de los encuestados en varios campos, como la investigación clínica, las ciencias de la educación o la psicología. Para ser útil, las puntuaciones resultantes del cuestionario deben estar validadas; es decir, deben proporcionar validez, confiabilidad y sensibilidad a las propiedades psicométricas. En este artículo presentamos el comando validscale, que realiza los análisis estadísticos necesarios para validar una escala de medición subjetiva. También hemos desarrollado un cuadro de diálogo, y validscale pronto se implementará en línea con Numerics by Stata.
4 、 使用 Beta 分布 对 有 界 因 变量 的 混合 回归 模型 进行 拟合 的 命令
Resumen: En este artículo, describimos el comando betamix, que es adecuado para modelos de regresión mixtos con variables dependientes acotadas en un intervalo. Este modelo es una generalización del modelo de regresión beta dilatada truncada introducido en Pereira, Botter y Sandoval (2012, Communications in Statistics — Theory and Methods 41: 907-919), Verkuilen y Smithson (2012, Journal of Educational and Behavioral Statistics 37: 82-113) El modelo de regresión beta mixta se utiliza para truncar las variables en la parte superior o inferior de la distribución. Betamix acepta variables dependientes definidas en cualquier rango, siempre que se conviertan al intervalo (0,1) antes de la estimación.
Un comando para ajustar modelos de regresión de mezcla para variables dependientes acotadas usando la distribución beta
Resumen: En este artículo, describimos el comando betamix, que se ajusta a modelos de regresión mixta para variables dependientes acotadas en un intervalo. El modelo es una generalización del modelo de regresión beta inflado truncado introducido en Pereira, Botter y Sandoval (2012, Comunicaciones en Statistics — Theory and Methods 41: 907–919) y el modelo de regresión beta mixto en Verkuilen y Smithson (2012, Journal of Educational and Behavioural Statistics 37: 82–113) para variables con apoyos truncados en la parte superior o inferior del distribución. betamix acepta variables dependientes definidas en cualquier rango que luego se transforman al intervalo (0, 1) antes de la estimación.
5. Prueba de correlación de secuencia en el modelo de panel de efectos fijos
Resumen: La prueba de correlación de secuencia actual del modelo de panel es muy Difícil de usar, No apto para modelos de efectos fijos, solo limitado a autocorrelación de primer orden. Para llenar este vacío, este artículo ha desarrollado recientemente tres nuevas pruebas.
Pruebas de correlación en serie en modelos de panel de efectos fijos
Resumen: Las pruebas de correlación en serie actuales para modelos de panel son engorrosas de usar, no son adecuadas para modelos de efectos fijos o se limitan a la autocorrelación de primer orden. Para llenar este vacío, implemento tres desarrollos recientemente . pruebas
6, ldagibbs: Comandos para el modelado de asignación potencial de Dirichlet
en Stata Este artículo presenta comandan los ldagibbs, que implementa el potencial de asignación de Dirichlet en Stata . La asignación de Dirichlet latente es el modelo de tema de aprendizaje automático más popular. El modelo agrega automáticamente documentos de texto en el número de temas seleccionados por el usuario, y el Dirichlet potencial asigna una distribución de probabilidad que representa cada documento como un tema y representa cada tema como una distribución de probabilidad en una palabra. Por lo tanto, la asignación de Dirichlet latente proporciona un método para analizar el contenido de grandes cantidades de datos de texto sin clasificar y una alternativa a las clasificaciones de documentos predefinidas.
Ldagibbs: un comando para el modelado de temas en Stata usando la asignación de Dirichlet latente
En este artículo, presento el comando ldagibbs, que implementa la asignación de Dirichlet latente en Stata. La asignación de Dirichlet latente es el modelo de tema de aprendizaje automático más popular. Los modelos de temas agrupan automáticamente los documentos de texto en un número de temas elegido por el usuario. La asignación de Dirichlet latente representa cada documento como una distribución de probabilidad sobre temas y representa cada tema como una distribución de probabilidad sobre palabras. Por lo tanto, la asignación de Dirichlet latente proporciona una forma de analizar el contenido de grandes datos de texto sin clasificar y una alternativa a las clasificaciones de documentos predefinidas.
7 、 探索 边际 处理 效应: 使用 Stata 进行 灵活 的 估计
En entornos donde se muestran tanto los niveles como los beneficios, el efecto de tratamiento marginal (MTE) nos permite ir más allá del efecto de tratamiento promedio local y estimar la distribución del efecto general. Este artículo describe la teoría detrás de MTE e introduce mtefe, que utiliza varios métodos de estimación para ajustarse a los modelos MTE. mtefe es más avanzado y flexible que el margen existente (Brave y Walstrum, 2014, Stata Journal 14: 191-217) y puede calcular varios parámetros del efecto del tratamiento en función de los resultados. Utilizo algunos ejemplos para ilustrar el uso de mtefe.
Explorando los efectos del tratamiento marginal: estimación flexible usando Stata
En entornos que exhiben selección tanto en niveles como en ganancias, los efectos del tratamiento marginal (MTE) nos permiten ir más allá de los efectos del tratamiento promedio local y estimar la distribución total de los efectos. En este artículo, examino la teoría detrás de MTE y presento el paquete mtefe, que utiliza varios métodos de estimación para ajustarse a los modelos MTE. Este paquete proporciona importantes mejoras y flexibilidad sobre los paquetes existentes como margte (Brave y Walstrum, 2014, Stata Journal 14: 191–217) y calcula varios parámetros de efecto del tratamiento en función de los resultados. Ilustraré el uso del paquete con ejemplos.
8 、 利用 Stata 对 相关 随机 系数 模型 进行 拟合 和 解释
En este artículo, presentamos la instrucción de contribución comunitaria randcoef, que es aplicable a los efectos aleatorios relacionados y los modelos de coeficientes aleatorios relacionados discutidos en Suri (2011, Econometrica 79: 159-209). Aunque este método existe desde hace 10 años, su uso está limitado por el complicado proceso de estimación de la distancia mínima óptima. randcoef puede acomodar hasta 5 rondas de datos de panel y ofrece varias opciones, incluidas matrices de ponderaciones alternativas para estimar variables explicativas endógenas. También utilizamos datos de muestra para el análisis posterior a la estimación para facilitar la comprensión e interpretación de los resultados.
Ajuste e interpretación de modelos de coeficientes aleatorios correlacionados utilizando Stata
En este artículo, presentamos el comando de contribución de la comunidad randcoef, que se ajusta a los modelos de efectos aleatorios correlacionados y de coeficientes aleatorios correlacionados discutidos en Suri (2011, Econometrica 79: 159-209). Si bien este enfoque ha existido durante una década, su uso se ha visto limitado por la naturaleza computacionalmente intensiva del procedimiento de estimación que se basa en el estimador de distancia mínima óptima. randcoef puede acomodar hasta cinco rondas de datos de panel y ofrece varias opciones, incluidas matrices de ponderaciones alternativas para la estimación y la inclusión de regresores endógenos adicionales. También presentamos un análisis posterior a la prueba utilizando datos de muestra para facilitar la comprensión e interpretación de los resultados.
Lectura extendida
Para obtener una recopilación de algunos métodos de medición, los académicos pueden consultar los siguientes artículos: ① "200 artículos utilizados en la investigación empírica, un conjunto de herramientas para académicos de las ciencias sociales", ② 50 publicaciones de experiencias famosas comúnmente utilizadas en la redacción de artículos empíricos, una serie de lectura obligada para estudiantes ③El álbum de artículos sobre temas chinos en la AER en los últimos 10 años. ④AEA anunció los diez temas de investigación principales que recibieron la mayor atención en 2017-19, brindándole la dirección de la selección de temas. ⑤La dirección de selección de temas clave de la principales revistas chinas en 2020, solo escriba el artículo Estas. Más tarde, presentamos una colección de artículos seleccionados que utilizan datos de CFPS, CHFS, CHNS para la investigación empírica. , ②Estas 40 micro-bases de datos son suficientes para su doctorado, de todos modos, confiando en estas bibliotecas para convertirse en profesor, ③¡La colección más completa de teclas de acceso directo en la historia del software Python, Stata, R! , ④ ¡100 álbumes de artículos seleccionados sobre diseño de regresión de punto de interrupción (difuso)! , ⑤ ¡32 artículos seleccionados de DID sobre el método de la doble diferencia! , ⑥ ¡33 artículos seleccionados de SCM sobre el método de control de síntesis! ⑦¡Recopilación de los últimos 80 artículos sobre el campo del comercio internacional de China! ⑧¡Recopilación de 70 artículos económicos recientes sobre la ecología ambiental de China! ⑨¡Una colección de artículos seleccionados utilizando investigación empírica de bases de datos CEPS, CHARLS, CGSS, CLHLS! ⑩Recopilación de los últimos 50 artículos utilizando el sistema GMM para realizar investigaciones empíricas!
Con respecto a algunas bases de datos de uso común, los académicos pueden consultar los siguientes artículos: 1. Estas 40 micro bases de datos son suficientes para su graduación de doctorado; 2. El procedimiento completo y los datos correspondientes de 160 pasos en la base de datos de empresas industriales de China; 3 .Provincias chinas / ciudades a nivel de prefectura Datos de luz nocturna; 4.1997-2014 versión autorizada del índice de comercialización de China; 5.1998-2016 PM2.5 promedio anual de las ciudades a nivel de prefectura de China; 6. Recopilación de bases de datos económicas y sociales en el círculo econométrico ( en la comunidad); 7. dialectos chinos, funcionarios, aprobaciones administrativas y la apertura de la base de datos del gobernador provincial; 8. datos de CO2 de China 2005-2015 por provincias e industrias; 9. evolución de los datos y problemas contemporáneos en la investigación del comercio internacional; 10. Manual de microdatos chinos de uso común en la investigación económica; 11. El viento durante el período epidémico. Guía de información y operación de terminales financieras; 12. Guía de operación de la base de datos CEIC; 13. ¿Qué es la base de datos de Ciencias Sociales y Gestión Económica de la Universidad Tsinghua Pekín? ¡celoso! 14. Las tres principales bases de datos chinas en el campo financiero, CSMAR, CCER, Wind y CNRDS, la última versión del manual de usuario 15.EPS, 16. ¡El curso de medición durante el período epidémico es gratuito y abierto! Datos de panel, inferencia causal, análisis de series de tiempo y aplicación de Stata.
Los siguientes artículos con enlaces cortos pertenecen a una colección, puede recopilarlos y leerlos, o no los encontrará en el futuro.
En 2,5 años, casi 1000 artículos de medición no ponderados en el círculo econométrico,
Puede buscar cualquier problema relacionado con la medición directamente en la barra de menú oficial de la cuenta,
Círculo de Econometría