小编同学在中部某高校，有天神秘兮兮打电话给小编说，能不能帮他发表一篇c刊，他现在要评职称，其他条件都够了，就差一篇C刊了。可怜小编只是自媒体编辑啊，臣妾做不到啊。小编的另外一个博士同学，人称“数据小王子”，因为数据玩得好，发了几篇权威期刊（有一篇是《中国社会科学》），竟然破天荒在博士毕业时直接留校。
世界如此残酷，你却视而不见。很多人对写作和发表定量分析的文章非常头疼，自变量、因变量、工具变量、控制变量，各种变量傻傻分不清楚，线性回归和logistic回归雌雄不辨，看到高水平期刊上发表的定量文章更是云里雾里找不着北。索性搞点调查、整点理论，写些不痛不痒的三段论文章，有时候连自己都不相信自己的观点。但是现实是，在很多社科经管领域，定量研究发表的概率还是高于定性研究。游戏规则如此，你玩不玩？
其实也不简单，但是没有那么难。定量研究不等于统计学，定量研究是通过统计分析工具分析现有数据，得出结论。统计的事情，有统计学家帮我们做了。我们只需要操作好软件，懂得在什么情况下用什么方法和模型就好了。我们会开车，并不需要懂得造车原理。说白了，就是会建模。建模这个事情，其实就是要知道，什么情况下用什么模型，再把数据导进来，解读下就成了。我见过很多毫无数学基础和统计学基础的人，量化文章却写的很好。无他，掌握了模型的使用条件而已。模型是对意义和关系的解读，模型里也映射着一个现实世界。心理学研究表明，人们在面对复杂问题的时候，会出现排斥心理。那些复杂模型让很多人望而却步，同时，讲授高级定量方法的老师，能否做到“是真佛只说家常话”，实在是一种很高的要求，很少有人能够满足这一点。学的人怕，讲的人又讲不好，久而久之，很多人对定量研究和方法提升失去了兴趣和信心。长此以往，再想写出量化文章就更是难于上青天了。
定量研究有多种方法和模型，我们在学习的时候，应该先学习什么呢？其实这里面有一个循序渐进、从低到高的客观过程。在掌握基本的统计学基本原理（主要是单变量和双变量的描述和推论方法）以后，我们学习进阶方法第一关要逾越的，就是经典线性回归模型。它要处理和解决的是多变量与因变量之间的因果关系问题。线性回归模型主要是针对因变量是连续变量的回归，而社会科学研究所涉及的变量绝大多数都是非连续型变量（也称作分类变量），所以针对此类变量必须使用“分类数据分析”方法。这是社会科学研究应用最广泛的一种方法。分类数据分析方法通常分为两部分：描述统计与解释统计（主要是logistic回归方法）。线性回归和logistic回归多针对于“状态变量”的研究，而“生存分析”方法则针对的是“时间变量”。针对该种变量，则有更复杂和更高级的回归分析方法。
由上可见，经典线性回归模型是统计学模型的基础，也可以说是一些复杂模型的起点。但如果只掌握了经典线性回归模型，要想在高水平期刊发表文章还是远远不够的。必须掌握更复杂的回归分析方法，例如上述提到的logistic回归、分类数据分析及生存分析等方法。为此，我们精研数千篇国内外顶级期刊定量文章，结合规范定量论文写作所必须掌握的中高级统计及计量经济模型，研发了《高级回归分析方法与定量论文写作》这门课程。这门课程将覆盖经典线性回归之上的高级回归分析模型，让你一次学个够。
没有学不会的模型，只有教不好的老师。学长给大家请来了一位老师，据说他最擅长的就是全程无尿点，讲课像小说一样生动。据说，听了他课程的人，至少已经发表一篇以上的量化文章。他，就是王存同老师。
王存同，人口学博士、教授。博士毕业于北京大学（与University of Michigan合作培养），博士后研究员就职于美国伊利诺伊大学（University of Illinois at Urbana-Champaign）。目前在国内任职于中央财经大学，从事社会统计及计量经济分析、人口健康学等领域的研究与教学。2013年入选教育部新世纪优秀人才计划，兼任北京大学社会科学方法培训教授、美国PAA、国际IUSSP会员及IUSSP社会科学定量方法培训专家组成员、美国伊利诺伊大学与芝加哥大学合作研究员及中国青少年性健康教育委员会常务委员等。曾在SSCI/SCI或中文CSSCI索引期刊发表论文近百篇，出版著作6部；主持国家社科基金项目2项、横向课题12项；以子课题负责人身份参与国家重大自然科学基金2项、国家部委横向课题10余项。
《高级回归分析方法与定量论文写作》涵盖了社会科学实证研究中线性回归基础之上的进阶统计模型（常见于国内外知名期刊或发表物），适用于经济学、社会学、人口学、政治学、管理学、心理学、法律学等专业高年级本科生、研究生、博士生及中青年教师。本课程力图使学员在较短时间内了解常用模型的基本思想、原理、条件及适用范围，并以真实数据为演示案例，培训学员模型构建、软件应用及结果解读的能力，提高学员定量论文写作的水平。
在授课时间安排上，将利用少量时间进行线性回归知识的回顾，如经典线性回归、倾向分分析(PSM)、差分方程(DID)、断点回归(RDD)等，重点讲述分类数据回归模型、删截数据处理、生存分析及面板回归等，如二分类 (binary) / 多分类 (multinomial) logit / probit模型、定序回归模型 (ordered logit / probit models)、计数变量模型（count data, 包括Poisson回归、负二项回归及零膨胀模型等）、删截数据回归 (censored and truncated)、Tobit模型及Heckman模型、纵贯数据分析 (包括追踪/面板数据及事件史分析) (methods for longitudinal data, including panels and event histories)。
1、课程定位明确。并非专业统计学课程，课堂上不会有烦琐的公式推导，重在应用，即在基本熟悉各模型思想的基础上，进行数据分析及模型解读，实现理论与应用相结合。
2、讲解重点突出。讲解模型时，重点关注学术论文常用中高级模型，及其应用范围、条件、数据处理难点及模型参数的解读。
3、课件细致实用。如各模型都附带完整的Stata实现过程（do文档）和真实数据，学员无需进行烦琐编程，即可快速实现模型运用。
4、所有do文件全部奉送。本课程的重点不在于讲解各种模型的具体stata操作（见第2点），为了方便学员后续复习和提升巩固学习效果，将奉送所有do文件给大家。
5、现场参与沟通。如学员可自带数据运行，并现场解疑。
6、论文经验分享。如与学员分享定量研究论文写作、投稿、修改，以及与编辑部、导师和合作者沟通的实用技巧。
7、讲师风格鲜明。授课者风趣幽默，感染力强。在北京大学主讲全国高校教师社会科学定量方法暑期培训课时，多名学员评价其“统计课程如小说般引人入胜，不忍下课”、“讲解系统且实用性强”，已有多名学员应用所学成功发表量化研究论文。
如果你已经有一定的社会调查方法、社会统计或计量经济学基础及经典线性回归的基础，有一定的SPSS/STATA软件操作基础，希望学习更高级的统计模型和方法，发表高水平期刊论文，欢迎你来参加。
如果你不具备上述基础，但仍然想要参与，我们也为您准备了基础网络自学课程，让你尽快补齐短板，具体请加学长微信咨询。
▍我们推荐的必备学习材料：
● 必备教材
Greene, W. H. (2011). Econometric Analysis (7th). Prentice Hall. (已有中译本)
Cameron, A. C., & Trivedi, P. K. (2005). Micro-econometrics: Methods and Applications. Cambridge university press (已有中译本).
Powers, D. A., & Xie, Y. (2008). Statistical Methods for Categorical Data Analysis(2nd). San Diego, CA: Academic Press (已有中译本).
● 建议书目
谢宇：《回归分析》，社会科学文献出版社，2010。
Beddo, V., & Kreuter, F. (2003). A Handbook of Statistical Analyses using STATA (3rd). Chapman & Hall/CRC.
Wooldridge, J. M. (2014). Introductory Econometrics: A Modern Approach (5nd). Mason, OH: South-Western (已有中译本).
Long, J. S., & Freese, J. (2005). Regression Models for Categorical Dependent Variable Using Stata (2nd). College Station, TX: Stata Press.
Hamilton, L. C. (2009). Statistics with STATA: Updated for Version 10. Belmont, Calif. Cengage Learning (已有中译本).
● 经典论文荐读
联系客服
