高級社會統計學前沿學術講座

課程申請人：本課程要求學生學過統計課程，主要對象為文科和社會科學領域的博士和碩士研究生。

教師簡介：梁玉成：香港科技大學社會科學部博士，副教授，現任中山大學社會學與社會工作系副系主任，中山大學社會科學調查中心副主任

課程計劃安排在7月5日到7月9日的一周内完成，5個主題，每個主題一天。課程材料由學校負責，免費發放。

申請方式：請到太阳集团1088vip研究生管理辦公室報名

招收學員工作郵箱：jquan1027@gmail.com

聯系電話：84113198

聯系人：全潔

一、回歸分析的應用：本部分為回顧和深化回歸分析的應用。内容包含針對連續變量，二項或二分變量得回歸分析，個人層次的計數數據、次序和名義多項響應變量， 以及相關的回歸模型。 

二、反事實分析：傳統的因果分析往往假定研究者已經控制了解釋因變量的重要因素，并且沒有遺漏重要自變項。但是通常研究使用的數據經常無法滿足這一假定，或是所觀察的對象并非是随機發生，因而經常會産生内生性或樣本選擇偏誤的問題，造成因果分析的不準确和偏差，甚至是錯誤。反事實分析的優點是能明确的找出傳統回 歸分析無法充分掌握的不同樣本群在基準線上的差異或是因果效果的異質性，進而進行準确的因果分析。本課程将介紹的傾向分數配對法（Propensity Score Matching，PSM），内生轉換模型（endogenous switching regression model）這兩個反事實分析的最主要方法。課程将講解對于實際的數據，如何去一步一步地去完成基于反事實分析技術的因果分析。

三、多層次模型：多層線性模型是用于分析具有嵌套結構特點數據的一種統計分析技術，多層統計模型又稱随機效應模型，是分析和處理具有層次結構特征數據的有力工 具，亦是當前國際上統計學研究中一個新興而重要的領域。課程将覆蓋 多層統計模型的數據結構、模型的先決條件以及與傳統模型的區别，随機截距模型和随機系數模型等内容。

四、增長曲線模型，潛類增長曲線模型：增長曲線模型是用于研究追蹤數據的一種統計分析方法。該方法适用于對觀察對象在多個時間點觀測得來的縱向研究資料的分析，廣泛的用于研究教育， 就業，健康，組織發育等涉及對變化過程進行的研究主題。該方法克服截面靜态數據的不足，可以幫助研究者分析變化的趨勢的諸多特征，以及趨勢的各種特征與其 他控制因素之間的複雜關系。潛類增長曲線模型能幫助研究者發現獨特的增長模式，以及隐藏在背後的因果機制。

五、列聯表的分析（對數線性模型）：對數線性模型是用于離散型數據或整理成列聯表格式的計數資料的統計分析工具。其主要的思想為：把各分組變量（包括自變量和因變量）各水平組合下 期望（或理論）頻數的自然對數表示為各分組變量及其交互作用的線性函數，通過計算求得模型中參數的估計值，進而運用方差分析的思想檢驗各主效應和交互作用 的效應大小。對數線性模型主要考察各分類變量間的交互作用（關聯性），在對數線性模型不但可以研究變量之間的相互關聯關系，還可以研究因果關系，以及因果 聯系的具體内涵。