计量主题1：

• 课程介绍；概率论与统计学知识复习：
• 本讲为引导课程，主要介绍接下来学习所必须掌握的概率论与统计学知识。
• 同时介绍接下来的课程安排。

计量主题2：

• 一元线性回归模型及其统计推断：
• 线性回归模型，线性回归模型的系数估计，一元回归中的t统计量，关于回归系数的假设检验，回归系数的置信区间等内容。

计量主题3：

• 多元线性回归模型及其统计推断：
• 遗漏变量偏差，多元回归模型，多元回归中OLS估计量的分布，多重共线性，回归中单个系数的假设检验，置信区间，联合假设的检验等内容。

计量主题4：

• 非线性回归函数：
• 非线性回归函数的一般建模方法，多项式模型，对数线性模型，线性对数模型，双对数模型，交互项与交互作用，非线性函数的示例等内容。

计量主题5：

• 基于多元线性模型进行研究评判：
• 模型的内部和外部有效性，多元回归分析内部有效性的影响因素，利用回归进行预测的示例等内容。

计量主题6：

• 面板数据方法：
• 面板数据的特征，面板数据的分析方法，个体固定效应和时间固定效应，固定效应回归的假设和固定效应回归的标准误，双重差分方法的基础理论等内容。

计量主题7：

• 工具变量方法：
• 工具变量概念的引入，单个回归变量和单个工具变量的工具变量估计量，一般工具变量回归模型，工具变量有效性的检验，工具变量的来源，工具变量的实际应用等内容。

计量主题8：

• 两种实证分析中重要的计量方法：双重差分方法（DID）与断点回归方法（RD）：
• 双重差分方法的理论根据，双重差分方法的作用，双重差分方法的实际应用举例；断点回归方法的理论根据，断点回归方法的作用，断点回归方法的实际应用举例等内容。

计量主题9：

• 二值因变量模型：
• 二值因变量的含义，线性概率模型，probit回归， logit回归，logit和 probit模型的在估计和推断中的应用等内容。

计量主题10：

• 大数据及其预测；时间序列初步：
• 大数据的简要介绍，时间序列数据和序列相关性，自回归，包含其他预测变量的自回归，自回归分布滞后模型，滞后长度选取，非平稳性的类型等内容。

Stata操作课程1：

• Stata软件的简介与基础操作：
• 本讲主要介绍： Stata软件的主要作用与使用该软件所必需掌握的基础操作。

Stata操作课程2：

• 一元线性回归及其统计推断的Stata实现：
• 本讲主要介绍：在Stata中构建线性回归模型，估计相应的系数和区间，进行假设检验，根据模型进行预测，测算拟合优度。

Stata操作课程3：

• 多元线性回归及其统计推断的Stata实现：
• 本讲主要介绍：在Stata中构建多元线性回归模型，估计相应的系数和区间，进行单个变量和总体的假设检验，如何看待回归中遗漏数据和无关数据。

Stata操作课程4：

• 指示（虚拟）变量的应用与有限因变量回归的Stata实现：
• 本讲主要介绍：在Stata中生成并应用指示变量，线性概率模型的构建，处理效应的计算，二值因变量模型在Stata中的实现，logit模型，多项式logit与条件logit，有序选择模型。

Stata操作课程5：

• 面板数据模型与双重差分（DID）方法的Stata实现：
• 本讲主要介绍：混合模型，固定效应模型的估计方法与估计量，随机效应模型与Hausman检验，回归方程组与似不相关回归; 使用Stata软件估计双重差分模型，平行趋势检验。

Stata操作课程6：

• 工具变量（IV）方法与断点回归（RD）方法的Stata实现：
• 本讲主要介绍：两阶段最小二乘法，针对内生性的Hausman检验，工具变量外生性检验，弱工具变量检验；断点回归的基本图示，清晰断点与模糊断点，断点回归的命令，结果分析。

Stata操作课程7：

• 时间序列初步：
• 本讲主要内容：在Stata里定义时间序列，滞后和差分运算符，有限分布滞后，序列相关检验，自回归模型，AR模型。

作业1：

• 为巩固所学的概率论与统计学及一元回归知识，需要进行练习的一些相关习题。

作业2：

• 为巩固所学的一元回归和多元回归中的相关知识，需要进行练习的一些相关习题。

作业3：

• 为巩固所学的多元回归和非线性回归中的相关知识，需要进行练习的一些相关习题。

作业4：

• 为巩固所学的面板数据回归和虚拟变量的相关知识，需要进行练习的一些相关习题。

作业5：

• 为巩固所学的工具变量回归中的相关知识，需要进行练习的一些相关习题。

作业6：

• 为巩固所学的二值因变量回归中的相关知识，需要进行练习的一些相关习题。

作业7：

• 为巩固所学的时间序列回归中的相关知识，需要进行练习的一些相关习题。