教師基本資訊
課程大綱
電子書
線上討論室
課前應完成項目
討論室/書籤
評分方式
主題內容
參考書籍
Cheatsheets
上課步驟
作業
I Part I: OLS
1
OLS
1.1
因果關連
1.2
效應評估
1.3
選擇偏誤
1.4
條件式獨立
1.5
複迴歸模型
2
R in OLS
2.1
參考資料
2.2
setup
2.3
dataframe物件
2.4
資料處理：產生新變數 dplyr::mutate
2.5
因果問句
2.6
效應評估
2.7
進階關連分析
2.8
複迴歸模型
2.9
broom
2.10
模型比較
II Part II: Instrumental variables
3
IV
3.1
效應評估模型
3.2
最小平方法估計式
3.3
選擇性偏誤
3.4
複迴歸模型
邏輯推論潛在「選擇性偏誤」
變數訊息拆解
3.5
工具變數
變數訊息拆解
3.5.1
相關性條件(Relevance condition)
3.5.2
排除條件(Exclusion condition)
3.5.3
兩階段最小平方法
工具變數：香煙稅
3.6
兩階段最小平方法
3.7
認定條件
3.8
幾個範例
Endogeneity Bias
Neutrality of money
Labor supply and labor demand
3.9
最小平方法的幾何意義
正交投射
範例1：最小平方法
範例2：一個工具變數下的TSLS
範例3：二個工具變數下的TSLS
3.10
三個檢定
Q1: 排除條件檢定
Q2: 工具變數關聯性檢定
Q3: 遺漏變數偏誤（OVB）檢定
3.11
幾個觀念
4
R for IV
4.1
setup
4.2
資料結構觀察
4.3
產生新變數
4.4
迴歸模型
設定formulae
4.5
OLS估計
OLS結果比較
4.6
TSLS估計
假設檢定
III Part III: Panel Data
5
Panel
5.1
效應評估模型
5.2
遺漏變數偏誤
5.3
訊息拆解
5.4
固定效果模型
5.5
差分最小平方法
5.6
組內差異最小平方法
5.7
常見的固定效果模型
5.8
認定問題
效應變數變動面向
LSDV虛擬變數個數
5.9
廣義的固定效果模型
5.10
異質變異
5.11
隨機效果模型
5.12
Hausman檢定
6
R for panel data
6.1
引入資料
6.2
載入Panel套件：plm
6.3
初步資料觀察
6.4
組內差異
6.5
使用Dummies
OLS
Random effect
Fixed effect
模型比較
6.6
Hausman檢定
6.7
固定效果
IV Part IV: Difference in Differences
7
Difference-in-Differences (DiD) Estimation
7.1
效應評估模型
7.2
個體資料對上總體變數
7.3
訊息拆解
7.4
複迴歸模型
7.5
固定效果
組固定效果
時間固定效果
資料追踪/不追踪
7.6
時間效果固定/不固定
7.7
差中差(Difference-in-differences, DD)估計法
7.8
DD迴歸模型設計
7.9
誤差項自我相關與異質變質
7.10
聚類標準誤(cluster standard error)
參考資料
8
R for difference-in-differences
8.1
Data Import
8.2
資料屬性檢查
8.3
不同州，政策前後的改變
8.4
繪圖
整理資料格式：
tidyr::gather()
繪圖
8.5
Difference-in-differences
8.6
聚類標準誤：
library(clubSandwich)
8.7
Panel: Fixed effect
V Part V: Discrete Choice
9
Binary choice model
9.1
隨機效用模型（Random Utility Model）
9.2
最大概似估計法(Maximum Likelihood Estimation, MLE)
事件發生機率與參數
概似函數
最大概似估計法
9.3
Probit and Logit
Probit model
Logit model
9.4
配適度
9.5
邊際效果
9.6
漸近分配
10
R for Binary Choice Models
10.1
二元選擇模型
10.2
初步資料觀察
次數分配
條件機率
10.3
模型估計
Logit模型
Probit模型
10.4
配適度
(McFadden)Pseudo-R2
計算預測準確率
10.5
邊際效果
代表性個人
全體邊際效果平均
11
Multinomial choice model
11.1
Ordered choice（可排序選擇）
Goodness-of-Fit
概似函數
Marginal Effect
11.2
Unordered choice（不可排序選擇）
11.2.1
Random Utility
11.2.2
Multinomial Logit Model
11.2.3
Identification
11.2.4
Multinomial Probit
12
R for Multinomial Choice
12.1
多元可排序選擇模型(ordered)
12.2
多元不可排序
12.2.1
兩種常見資料格式
12.2.2
Formula
12.2.3
Multinomial logit
12.2.4
Multinomial Probit
Appendix
Appendix A: 線上討論
Hypothes.is
Gitter chatroom
Appendix B: GitHub
數量方法（一）
Appendix B: GitHub
如何更新forked repo:
說明影片