Stata2R · 针对 Stata 用户的 R 课程

\[\Huge {\color{blue}{Stata}}{\color{red}{\stackrel{{\color{orange}{+}}}{\rightarrow}}}{\color{green}{R}}\]

能读懂、能复现、能改进

 

1. 为什么要学这门课？

A. 狐狸还是刺猬？

在计量和统计方法的快速发展和学科交叉融合的时代，越来越多的人开始从「刺猬」转变为「狐狸」(ps，刺猬只会一种非常有效的防身术——蜷缩起来；而狐狸则有很多种防身术。…… 二者过得都不错)。

世界银行的 DIME (Development Impact Evaluation) 项目组聚集了很多出色的经济学家。自 2020 以来，DIME 开始了一个培训项目，名为 R for Advanced Stata Users (github-课件)。其项目介绍为：This material was developed by the DIME Analytics team as an introduction to R Statistical Package for its staff. It builds upon knowledge of Stata to explore features of R with impact evaluation applications in mind.

我的推测是，多数 DIME 的学者都有 Stata 的使用经验，此时，学习 R 的最佳路径就是「迁移学习」，即将已经习得的概念、方法和经验迁移到新的学习对象上。这显然是一个行之有效的学习方法。

B. Stata2R 模式：why？

其实，Stata2R 这一表述并不准确，感觉像是从 Stata 转向了 R。更准确的表述应该是 \({\color{blue}{Stata}}{\color{red}{\stackrel{+}{\rightarrow}}}{\color{green}{R}}\)：基于 Stata 的经验更快地学习 R，进而充分发挥 Stata 和 R 的比较优势来高效完成研究任务。

(1) \({\color{blue}{Stata}}{\color{red}{\stackrel{+}{\rightarrow}}}{\color{green}{R}}\) 模式的必要性。  从连享会分享的几个前沿专题课程来看，这种工作模式非常必要，也非常奏效。比如，杨海生老师的「政策学习专题」会同时使用 Stata 和 R 来讲解，王菲菲老师的「文本分析」课程全程使用 R。越来越多的 Top 期刊论文 会同时使用 Stata 和 R 甚至多种软件来完成。

(2) 打消顾虑。  有些同学一直对 R 心存顾虑，认为学习门槛高，开源特征导致用户要花很多时间来应对各种莫名奇妙的错误信息。但这一切在最近五年中发生了实质性的变化：R 有了新生态。得益于 Hadley Wickham 等大牛出色地开发和整合工作，R 已经形成了一个多元化、模块化的生态系统。(1) 新手们无需在众 R 包之间穿梭，只需安装 tidyverse, ggplot2,tidyr, purrr, tidymodel 等几个包，就以应对多数分析任务，因为每个包其实就是针对某一类任务而开发的模块。(2) R 可以将「统计分析+可视化+写作」无缝衔接起来，可以实现「数据收集和清洗 → 统计建模 → 论文和报告撰写 → 成果展示」整个流程。比如 RStudio 提供的 R Markdown，可以很方便地撰写实证研究报告、幻灯片，甚至是讲义，并以 HTML，PDF 等格式输出；Shiny 可以方便实现 APP 的制作，网页生成，用于成果展示；新近推出的 Quarto 平台，则可以方便地将 R, Python, Julia 等整合在一起，实现统计分析和可视化报告、幻灯片甚至是电子书的制作。换言之，软件 (工具) 之间的界限会越来越模糊。

Hadley Wickham

(3) 学科之间的交叉融合趋势。很多 Top 期刊的论文会由多位合作者协作完成，大家可能有着不同专业背景，擅长的领域或使用的统计软件也不同，可以发挥各自的比较优势。因此，一篇文章中同时使用多种软件或语言不足为奇，比如：

  • Stata + R (Deryugina et al., 2019, AER, Bajari et al., 2015, AER)；
  • Stata + Python (Butters et al., 2022, AER)
  • Stata + Matlab (Corbae and D’Erasmo, 2021, Econometica)
  • R + Matlab (Bernanke, 2020, AER)

C. Stata2R 模式：How？

有趣的是，这种「\({\color{blue}{Stata}}{\color{red}{\stackrel{+}{\rightarrow}}}{\color{green}{R}}\)」的学习模式也被很多大牛采用。例如，对多期 DID 和 Bartik IV 估计都有深刻洞见的 Paul Goldsmith-Pinkham 就经常在 Stata 和 R 之间穿梭，还写了一篇有趣的博文 Comparing tidyverse R to Stata。在他给耶鲁大学的博士生们开设 Applied Empirical Methods 课程时，课件 中的代码总是不断地在 Stata 和 R 之间穿梭。事实上，十多年前就已经有这方面的教材了：

  • Muenchen, R. A., J. Hilbe. R for Stata Users[M]. Springer, 2010. -Link-, -Website-, PDF, Data-Codes
  • Oscar Torres-Reyna, Getting Started in \(R \leftrightarrow Stata\): Notes on Exploring Data (v. 1.0), 2010, Princeton University, -PDF-
  • Chuck Lanfear, R and Stata Equivalencies, -Link-, -Github-

 

2. 授课嘉宾

游万海，福州大学经济与管理学院副教授，主要研究领域为空间计量模型、分位数回归模型及应用，成果见诸《统计研究》，World Development, Energy Economics, Economics Letters, Finance Research Letters, Economic Analysis and Policy 等期刊，担任 Energy Economics, Economic Modelling 等期刊匿名审稿人。讲授《统计学》、《统计分析软件（R 语言）》和《计量经济学前沿》等课程，受邀在中国人民银行福州支行讲授「数据挖掘」专题。

 

3. 课程目标

本课程的目标帮助大家转换为新的工作模式：

\[{\color{green}{Task}} = {\color{red}{\beta_1}}{\color{red}{Stata}} + {\color{blue}{\beta_2}}{\color{blue}{R}} + v\]

对于一个老牌 Stata 用户而言，新的理念是：用 Stata 搞定 Stata 的事儿；用 R 搞定 R 的事儿。虽然很多时候 \(\beta_2\) 的取值很小 (e.g., 0.1 或 0.2)，但却能帮你节省很多时间，避免了重复造轮子，把更多的精力放在选题、研究设计、深度思考上。经过一段时间的磨合，大家可以找出让自己工作效率最高的 \({\color{red}{\widehat{\beta}_1}}\) 和 \({\color{blue}{\widehat{\beta}_2}}\)。

本次课程尝试通过对 Stata 和 R 在语法风格和使用方法上的对比讲解，辅以多篇 TOP 期刊论文复现，以期实现「能读懂 → 能复现 → 能发表」的目标。

  • 能读懂、能复现。 公开代码和数据是大势所趋，诸如 AER、QJE、JAE，以及中文期刊 中国工业经济、世界经济、数量经济技术经济研究 和 管理世界都已要求或建议公布数据和源代码，此外，很多作者也会在其主页公布数据和代码，如 James MacKinnon 和 Josh Angrist 教授等。要充分利用这些资源，就要求我们能读懂多种来源的代码，通过复现加深对前沿方法的理解。
  • 能追踪前沿方法。研读 Journal o Econometrics, Econometrica 等期刊所涉及的前沿方法时，要求我们不仅能读懂作者提供的代码，还要能适当修改和调整，应用于自己的研究中，以此达到跟踪和借力前沿方法目的。
  • 掌握实证分析的新流程：Stata + R。目前有不少发表于 QJE, AER 等期刊上论文都采用了这种「混合代码模式」，即数据清洗和多数实证分析用 Stata 完成；而涉及文本分析、机器学习等方面的内容，则用 R 来完成；最终的结果输出、绘图等可以转回 Stata。基本的原则是，不重复造轮子，尽量站在巨人的肩膀上。

目标人群：

  • 立志做学术研究的小白，想掌握两种以上的软件，以便紧跟统计学和计量经济学的前沿方法；
  • 有一些 Stata 基础，想学习文本分析和机器学习等在 R 中能够轻松实现的前沿方法；
  • 使用 Stata 多年的老手，了解很多新方法的原理，但发现对于很多新方法，作者只提供 R 代码或关键代码是 R 写的。

 

4. 课程详情

T1. Stata2R：基础知识 (3 小时)

本节尝试通过对比，将大家已经掌握的 Stata 经验迁移到 R 语言的学习中。主要内容包括：(1) 厘清 Stata 和 R 在语法和使用上的区别，了解 R 中对象和函数等概念和用法，掌握函数返回值的获取方式；(2) 基于 tidyverse 进行数据基本操作，包括数据导入导出和变量操作等，保证代码语法风格的统一性；(3) 基于 RStudio 讲解动态文档和幻灯片等制作，可直接用于报告或者达到 SSCI 发表要求的格式框架，打通实证分析的最后一公里。

  • 操作界面初识
  • 面向过程和面向对象编程
  • 基于 tidyverse 的数据基本操作
  • 基于 Rstudio 的动态文档/幻灯片制作
  • 案例：经典最小二乘回归模型实现

T2. R 语言进阶：语法与数据处理 (3 小时)

数据处理是实证研究中至关重要的一环，预计占据了整个实证研究工作的三分之一。本部分将分别就数值型、文本型和日期型数据进行讲解，掌握dplyr、stringr和lubridate常用函数与用法，学习常用数据清洗步骤 (数据的横向合并和纵向追加、长宽数据变换等)，为论文写作奠定基础。

  • 数据结构：向量 (vector)、矩阵 (matrix)、数组 (array)、数据框 (data.frame) 和列表 (list)：创建/引用/增加/删除
  • 基于 dplyr 数值型数据整理
  • 基于 stringr 文本型数据整理
  • 基于 lubridate 日期型数据整理
  • 实例

T3. Stata2R：实践运用 (3 小时)

本部分针对实证论文中常用的模型，针对同一研究问题，利用 Stata 和 R 语言进行同步处理，从而完成对比学习，以期达到事半功倍的效果。

  • OLS 回归模型
  • 经典面板数据模型
  • DID 模型
  • 空间面板数据模型

T4. 非 R 莫属 (3 小时)

与 Stata 相比，R 在网页爬取、机器学习和自然语言处理等方面有着独特的优势，本讲就当前较为热门且被使用较多的静态/动态网页爬取和自然语言处理 (如：文本挖掘、文本分词) 为示例，对 R的优势进行介绍；最后，基于ggplot2，就实证论文中关键步骤数据/结果可视化进行讲解。

  • 静态和动态网页爬取
  • 自然语言处理
  • 基于 ggplot2 包可视化
    • 数据可视化
    • 实证结果可视化

T5. Stata2R：论文复现 I (3 小时)

从方法角度来看，一篇论文往往涉及多种计量方法的综合应用；从论文构成角度来看，一篇论文由多个部分组成，通常涉及数据搜集、数据清洗、统计分析和结果展示等部分。然而，不同软件有各自的擅长点和专注点，因此，一篇论文通常结合多门软件完成。

本专题以 QJE 和 AER 上所发表的论文为例，拆解其中用到 Stata 与 R，一方面帮助学员能够读懂论文代码，另一方面能够对其中的代码做一些基本的修改，并将论文方法和代码用于自己研究中，达到「能读懂，能复现」的目标。

讲解如下四篇论文的实证分析和代码复现过程：

  • Bajari, P., Nekipelov, D., Ryan, S. P., & Yang, M. (2015). Machine learning methods for demand estimation. American Economic Review, 105(5), 481-485. -Link-, -Replicaton-
  • Le Barbanchon, T., Rathelot, R., & Roulet, A. (2021). Gender differences in job search: Trading off commute against wage. The Quarterly Journal of Economics, 136(1), 381-426. -Link-, -Replicaton-
  • Harding, M. C., & Lamarche, C. (2021). Small steps with big data: using machine learning in energy and environmental economics. Annual Review of Resource Economics, 13, 469-488. -Link-, -Replicaton-
  • Dong, Y., & Kolesár, M. (2023). When can we ignore measurement error in the running variable?. Journal of Applied Econometrics. -Link-, -Replicaton-

T6. Stata2R：论文复现 II (3 小时)

跟踪文献、借力前沿方法是当前实证计量的一个主要套路。其中面临的一个难题是所需模型是否有现成代码。我相信很大一部分人在考虑是否采用某模型之时，首先想到的是能否有现成的代码可以套用。然而，代码可能基于不同语言编写的，因此，我们应该掌握多种软件和语言，把更多的精力放在选题、深度思考上，而不是重复造轮子，把精力放在复杂编程上。

本专题通过重现 3-4 篇发表于 Top 期刊上的论文 (AER、QJE、JAE)，与大家分享基于 R 语言的论文复制经验。课程将从基本的数据读取、程序放置、程序运行和 debug 等进行细致的讲解，课程之后有能力根据作者提供的代码和帮助文件，复制论文结果，并将之用于自己的研究中。

参考文献：

  • Mullainathan, S., & Spiess, J. (2017). Machine learning: an applied econometric approach. Journal of Economic Perspectives, 31(2), 87-106. -Link-, -Replicaton-
  • Belloni, A., Chen, D., Chernozhukov, V., & Hansen, C. (2012). Sparse models and methods for optimal instruments with an application to eminent domain. Econometrica, 80(6), 2369-2429. -Link-, -Replicaton-
  • Kelejian, H. H., & Piras, G. (2016). An extension of the j‐test to a spatial panel data framework. Journal of applied econometrics, 31(2), 387-402. -Link-, -Replicaton-
  • Canay, I. A. (2011). A simple approach to quantile regression for panel data. The Econometrics Journal, 14(3), 368-386. -Link-, -Replicaton-

 

5. 开课前预读资料

为提高听课效率，建议大家花点时间预先学习一下 R 的基础知识。学习 R 没你想象的那么困难，你只需要老老实实地对着 R4DS 操作一下就可以很快上手了。

R 入门和基础

  • \({\color{red}{R4DS}}\) | Hadley W., and G. Grolemund. 2023. R for Data Science. O’Reilly Media.
  • \({\color{red}{ModernDive}}\) | Ismay C., and A.Y. Kim, 2022. Statistical Inference via Data Science: A ModernDive into R and the Tidyverse. -在线阅读-.
    • 采用最新的 tidyverse 和 moderndive 包进行数据处理、回归分析、统计推断、Bootstrap 等。
    • 大量使用了管道 (pipe) 操作符，符合 R 代码的主流规范

其他：

 

6. 报名和缴费信息

  • 主办方： 太原君泉教育咨询有限公司
  • 标准费用 (含报名费、材料费)：499 元/人 (全价)
  • 联系方式：
    • 邮箱：wjx004@sina.com
    • 电话 (微信同号)： 王老师 18903405450 ; 李老师 18636102467

报名链接

报名链接： https://www.wjx.top/vm/tzLwRUz.aspx#

或 长按/扫描二维码报名：

缴费方式

方式 1：对公转账

  • 户名：太原君泉教育咨询有限公司
  • 账号：35117530000023891 (晋商银行股份有限公司太原南中环支行)
  • 温馨提示： 对公转账时，请务必提供「汇款人姓名-单位」信息，以便确认。

方式 2：微信扫码支付

温馨提示： - 支持公务卡转账：请使用已经绑定公务卡的「微信/支付宝/云闪付」等扫码付款 - 微信转账时，请务必在「添加备注」栏填写「汇款人姓名-单位」信息。