统计

「假设检验八讲」第1讲：为什么要“假设”总体？——统计推断的逻辑起点 「假设检验八讲」第2讲：p值到底是什么？——从“显著”到“有多显著” 「假设检验八讲」第3讲： t 检验的诞生：从啤酒厂到显著性检验 「假设检验八讲」第4讲：原假设和备择假设，到底怎么设定？ 「假设检验八讲」第5讲：第一类错误和第二类错误——统计学的两难选择 「假设检验八讲」第6讲：方差分析——从多组比较到显著性分解 「假设检验八讲」第7讲：显著性不代表重要性——从统计结果到实际意义 「假设检验八讲」第8讲：从显著性到推理——从p值到AI的统计思维之路 变量取对数的 6 个判断标准：别再把 log 当默认步骤 不同学科如何理解“样本量”？ 常用数据统计分析方法 常用统计图的优缺点：不同数据类型如何选择？ 抽样推断的逻辑：10个人能代表1000个人吗？ 抽样误差的秘密：为什么民调结果总是“±3%”？ 初识（隐）马尔可夫模型｜一种预测未来的算法 从《文学文摘》到杜鲁门大逆转：抽样方法的故事 方差分析第1讲：方差分析到底在比较什么？ 方差分析第2讲：t 检验、方差分析、回归是一回事吗？ 方差分析第3讲：为什么“事后检验”这么容易被误用？ 方差分析第4讲： 方差不齐、正态性不满足，方差分析还能用吗？ 方差分析第5讲：什么时候不该用方差分析？ 方差分析第6讲：审稿人是怎么看方差分析结果的？ 回归分析第10讲：F 显著但 t 不显著，我们应该怎么办？ 回归分析第11讲： 回归分析前，到底要不要把变量标准化？ 回归分析第12讲： 共线性——原因、诊断与解决办法 回归分析第13讲： 岭回归：让回归系数不再“乱跳”的方法（共线性系列二） 回归分析第14讲：为什么逐步回归不能用了？ 回归分析第15讲：LASSO 回归---自动帮你选变量的现代方法 回归分析第16讲： Elastic Net---它能解决 LASSO 做不到、Ridge 不擅长的事 回归分析第17讲：回归结果里最容易被误读的 6 个地方 回归分析第18讲：残差检验究竟要看什么？最容易被忽视的模型诊断 回归分析第19讲：异方差——最容易被忽视、却最容易导致误判的回归问题 回归分析第1讲：回归这个词从哪里来？它到底研究什么？ 回归分析第20讲：稳健标准误到底“稳健”在哪里？——为什么换个标准误，结论就变了？ 回归分析第21讲：自相关——残差图、DW 和自相关图该怎么看？ 回归分析第22讲：非线性与模型设定错误——为什么你的模型“统计显著”，却并不可信？ 回归分析第23讲：为什么经济学家如此偏爱对数模型（log）？ 回归分析第24讲：交互项——为什么平均效应有时候靠不住？ 回归分析第25讲：控制变量到底该不该加？什么时候“控制”反而是错的？ 回归分析第26讲：内生性：为什么“相关 ≠ 因果”？ 回归分析第27讲：样本量与回归——为什么显著性常常“不够用”？ 回归分析第28讲：一篇“站得住”的回归论文，至少要检查这 8 件事 回归分析第2讲：回归能回答什么？不能回答什么？ 回归分析第3讲：总体回归是什么？样本回归又是什么？误差项 ε 为什么是模型的灵魂？ 回归分析第4讲：斜率 β 的最基本含义：从均值比较到“最佳描述线” 回归分析第5讲：回归分析的前提条件是什么？ 回归分析第6讲：决定系数 R² 与调整 R²——解释力到底怎么看？ 回归分析第7讲：R² 等于相关系数平方吗？为什么机器学习里会出现负 R² ？ 回归分析第8讲：标准误、t检验 & F检验 回归分析第9讲：为什么 t 显著但系数很小？显著≠重要吗？ 降维分析系列第1讲：主成分分析和因子分析，到底有什么区别？ 降维分析系列第2讲：主成分分析到底在干什么？它真的能“解释”变量吗？ 降维分析系列第3讲：因子分析是在找“真正的原因”吗？ 降维分析系列第4讲：为什么 SPSS 里主成分在因子分析里面？ 降维分析系列第5讲：主成分OR因子 能不能直接拿去做回归？ 降维分析系列第6讲：因子到底取几个？特征值大于1 真的可靠吗？ 降维分析系列第7讲：为什么要旋转？旋转到底改变了什么？ 假设检验之后：显著性水平为什么几乎都设为 0.05？你真正需要搞懂的问题 均值、中位数、众数，到底什么时候该用哪个？ 面板数据分析系列第10讲：面板数据分析中，为什么变量经常不显著？ 面板数据分析系列第11讲：为什么在面板数据中，标准误的处理，往往比系数本身更重要？ 面板数据分析系列第12讲：群聚稳健标准误（Clustered SE）到底在修正什么？ 面板数据分析系列第13讲：群聚稳健标准误，应该聚类到哪一层？城市？企业？年份？ 面板数据分析系列第14讲：面板数据分析还要不要做异方差检验？ 面板数据分析系列第15讲：面板数据分析中能不能加入滞后项？ 面板数据分析系列第16讲：面板数据分析到底怎么做？一个完整流程示例（系列总结） 面板数据分析系列第1讲：为什么人人都在用面板数据？ 面板数据分析系列第2讲：为什么固定效应几乎成了默认选项，而随机效应却越来越少出现？ 面板数据分析系列第3讲：固定效应模型：一个完整的 Stata 示例 面板数据分析系列第4讲：随机效应模型：同一组数据，换一种假设，会发生什么？ 面板数据分析系列第5讲：固定效应稳妥，但它等同于“因果识别”吗？ 面板数据分析系列第6讲：Hausman 检验到底在检什么？为什么 90% 的人都理解错了 面板数据分析系列第7讲：什么时候只加个体效应不够？——时间效应到底在干什么 面板数据分析系列第8讲：双固定效应：为什么它成了现代实证研究的“默认配置”？ 面板数据分析系列第9讲：固定效应和稳健标准误，到底在解决什么问题？ 平均数、中位数、众数、百分比、百分点、同比、环比，Excel报表里最容易搞错的 7 个指标 缺失值，应当删掉还是补齐？ 如何发现和消除异方差？ 审稿人一句话：请补充敏感性分析 什么时候需要做平稳性检验，所有实证分析都必须做吗 什么是自由度？为什么总体方差和样本方差的公式不一样？ 实证研究常见误区(1)：为什么很多论文一开始就选错了研究问题？ 实证研究常见误区(10)：为什么稳健性检验，说服不了审稿人 实证研究常见误区(11)：为什么工具变量估计有时比 OLS 更不可靠 实证研究常见误区(12)：为什么实证研究总在寻找“外生冲击”，外生冲击到底是什么 实证研究常见误区(13)：为什么数据结构会影响回归结果 实证研究常见误区(2)：为什么很多论文的变量从一开始就选错了？ 实证研究常见误区(3)：为什么很多论文控制变量越加越多？ 实证研究常见误区(4)：为什么很多论文其实只是相关性研究？ 实证研究常见误区(5)：为什么很多论文模型看起来很复杂，但解释力却很弱？ 实证研究常见误区(6)：为什么很多论文的方法是“流行什么就用什么”？ 实证研究常见误区(7)：回归结果里，你不能只看p值 实证研究常见误区(8)：为什么很多论文把相关关系当成机制解释？ 实证研究常见误区(9)：当政策变量系数很大却不显著时，我们该怎么看 数据标准化：什么时候需要做？什么时候不需要做？ 数据的离散程度：平均数相同，但数据的差异可能很大 统计学101：论统计学显著性：P=0.05的起源 统计学的基本概念全解析：总体、样本、参数、统计量 统计学里那些让人头大的概念，我用大白话给你讲明白 为什么30被当作大样本和小样本的分界线？ 为什么标准误差要除以√n？——统计学的平方根法则 为什么叫“估计”，不叫“预测”？ 为什么叫“置信水平”，不叫“信心水平”，这个词的来源是什么？ 为什么收入分布总是“右偏”？——数据分布的秘密 为什么统计学里没有“绝对正确的样本量”？ 相关性分析（1）：相关系数到底在度量什么？——从散点图讲起 相关性分析（2）：皮尔逊相关系数 r 的真实含义——不要只看数字！ 相关性分析（3）：相关 ≠ 因果！为什么误把相关当因果很危险？ 相关性分析（4）：什么时候不能用皮尔逊相关？——分类变量、异常值与非线性陷阱 相关性分析（5）斯皮尔曼相关是什么？什么时候更好用？ 相关性分析（6）：相关矩阵怎么读？什么时候需要做偏相关和控制变量？ 相关性分析（7）：热力图怎么读？一眼看懂多个变量之间的关系 相关性分析（8）：相关分析的样本量到底要多少？ 系数显著但 R² 很低，该怎么办？ 演绎与归纳（deduction & induction） 异常值：是错误数据，还是重要信息？