1、培訓(xùn)過(guò)程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽(tīng)；
       2、免費(fèi)提供課后技術(shù)支持，保障培訓(xùn)效果。
       3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)?！詈细駥W(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書，提升職業(yè)資質(zhì)。專注高端技術(shù)培訓(xùn)15年，端海學(xué)員的能力得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)，端海的證書受到廣泛認(rèn)可。

1. 普通最小二乘法（OLS）
1.1OLS的基本原理
1.2解讀OLS回歸結(jié)果
1.3殘差分析與穩(wěn)健型估計(jì)
1.4 殘差分析與穩(wěn)健型估計(jì)
1.5 管理多個(gè)回歸結(jié)果
2.廣義最小二乘法（GLS）
2.1 GLS的基本思想
2.2 異方差
2.3 序列相關(guān)
2.4 似無(wú)相關(guān)模型（SUR）
3.非線性最小二乘法（NLS）
3.1 NLS的基本思想
3.2 NLS程序的編寫
3.3 范例：估計(jì)動(dòng)態(tài)部分調(diào)整模型
4.最大似然估計(jì)（MLE）
4.1 MLE的基本原理
4.2 似然函數(shù)的設(shè)定
4.3 程序的調(diào)試、起始值的設(shè)定和相關(guān)問(wèn)題
4.4 范例：線性回歸模型、Logit模型、Probit模型
5.工具變量法與GMM
5.1 內(nèi)生性問(wèn)題與工具變量法
5.2 兩階段最小二乘法（2SLS）
5.3 廣義矩估計(jì)法（GMM）
5.4 過(guò)度識(shí)別檢驗(yàn)（Sargan檢驗(yàn)與Hausman檢驗(yàn)）
5.5 弱工具變量問(wèn)題
6.時(shí)間序列分析
6.1 時(shí)間序列資料的處理
6.2 ARIMA模型
6.3 向量自回歸（VAR）模型：估計(jì)和檢驗(yàn)
6.4 向量自回歸（VAR）模型：因果檢定和沖擊反應(yīng)
6.5 單位根檢驗(yàn)
6.6 協(xié)整分析和誤差修正模型
6.7 ARCH模型（GARCH，E-GARCH，T-GARCH）
7.面板數(shù)據(jù)模型
7.1 靜態(tài)面板模型：固定效應(yīng) v.s. 隨機(jī)效應(yīng)
7.2 時(shí)間效應(yīng)、模型的篩選和常見(jiàn)問(wèn)題
7.3 異方差、序列相關(guān)和截面相關(guān)
7.4 內(nèi)生性問(wèn)題（面板IV-GMM估計(jì)）
7.5 動(dòng)態(tài)面板模型（Difference GMM和System GMM）
7.6 面板隨機(jī)系數(shù)模型
7.7 面板隨機(jī)前沿模型
7.9 面板協(xié)整分析
8.STATA高級(jí)程序
8.1暫元的高級(jí)功能
8.2暫時(shí)性物件
8.3輸入項(xiàng)
8.4輸出項(xiàng)
8.5可分組執(zhí)行的程序
8.6可重新顯示結(jié)果的程序
8.7子程序
8.8程序勘誤與調(diào)試
8.9幫助文件的編寫
9.模擬分析（Simulation）與自體抽樣（Bootstrap）
9.1隨機(jī)數(shù)的產(chǎn)生和常用分布
9.2Bootstrap
9.3 Jackknife（刀切法）
9.4 Permutation Tests（組合檢驗(yàn)）
9.5 Monte Carlo Simulation（蒙特卡羅模擬分析）
9.6 模擬數(shù)據(jù)的