python双重差分代码_即将开班 | Python数据挖掘与Stata应用能力提升与实证前沿寒假工作坊...
1月25日上午
主讲人:邓旭东
课程安排:python语法入门
1、Python跟英语一样是一种语言
2、数据类型之字符串
3、 数据类型之列表元组集合
4、 数据类型之字典
5、数据类型之布尔值、None
6、逻辑语句(if&for&tryexcept)
7、列表推导式
8、理解函数
9、 常用的内置函数
10、文件路径库os库
11、数据清洗re库
12、数据存储csv库
13、初学python常出错误汇总
1月25日下午
主讲人:邓旭东
课程安排:数据采集
1、网络爬虫原理
2、发现网址规律
3、 网络访问requests库
4、网页解析pyquery库
5、实战:大众点评
6、如何解析json数据
7、实战: 知乎
8、实战: 微博
9、实战: 批量下载多媒体文件
10、实战: 批量下载上市公司定期报告pdf
11、实战: 各种宏观经济、金融、政治数据下载
12、爬虫知识点总结
1月26日上午
主讲人:邓旭东
课程安排:文本处理入门
1、文本分析概述
2、读取文件中数据(pdf、docx、txt、excel)
3、中文分词及数据清洗
4、实战: 词频统计(词云图制作)
5、实战: 中文情感分析(词典法)
6、实战: 将多文件数据汇总到一个excel
7、 数据分析pandas库快速入门
8、实战: 对excel中的文本进行情感分析
9、从pdf中提取表格数据
10、共现法扩展情感词典(领域词典)
11、从非结构化文本数据中提取结构化数据(文本数据清洗re库)
1月26日下午
主讲人:邓旭东
课程安排:文本分析进阶
1、了解机器学习
2、使用机器学习做文本分析的流程
3、scikit-learn机器学习库简介
4、文本特征抽取(特征工程)
5、实战:在线评论情感分析(机器学习法)
6、文本相似性(cos/编辑距离/jaccard)
7、实战: 使用文本相似性自动识别冲击(改变的)时间点
8、Kmeans聚类算法
9、LDA话题模型
10、文本分析在经管研究中的应用
11、补充: 如何在R语言中调用Python的代码
1月27日上午
主讲人:江艇
课程安排:因果推断导论
1、如何理解因果“识别”
2、随机实验:因果推断的参照系
3、观测性数据研究的根本挑战
4、回归模型与结构模型的区别
5、潜在结果模型
6、分配机制与识别假设
7、线性结构模型与潜在结果模型的关系
1月27日下午、1月28日上午
主讲人:江艇
课程安排:截面数据的参数和非参数方法
1、截面数据的非参数方法:匹配
2、截面数据的参数方法:控制回归
3、参数方法与非参数方法的比较
4、匹配方法的操作细节
5、控制变量与固定效应
6、系数稳定性理论:如何在回归中逃避控制
7、交互项模型与因果关系的作用机制
8、因果关系的作用渠道
1月28日下午
主讲人:江艇
课程安排:面板数据、双重差分及其与匹配的结合
1、面板数据固定效应模型的本质
2、双重差分方法的识别假设探究
3、几种主要的双重差分模型
4、双重差分模型的稳健性检验
5、双重差分与匹配的几种结合方式
6、面板数据的匹配操作细节
1月29日上午
主讲人:王非
课程安排:起点:文献阅读及理论建构
1、如何搜集研究所需的文献
2、如何快速有效阅读和整理文献
3、文献综述怎么写
4、如何借助简单理论深化经验研究:从回归模型搭建到经验研究“三件套”
1月29日下午
主讲人:王非
课程安排:基础:数据清洗与数据描述
1、公式化数据清洗,使纷繁庞杂的数据处理变得异常清晰
2、经验研究的拨乱反正:数据描述不只是一张表
3、常用数据清洗与描述的实战演示
1月30日上午
主讲人:王非
课程安排:进阶:工具变量法
1、工具变量法为什么是因果推断根本大法:工具变量法与其他“方法”的关系
2、工具变量经典方法与步骤系统化梳理
3、寻找工具变量的一般方法
4、应对弱工具变量的一般流程
5、工具变量经典论文的结果复制
1月30日下午
主讲人:王非
课程安排:拓展:断点回归、合成控制及方法进展
1、断点回归经典设计思路与实践步骤系统化梳理
2、断点回归前沿论文的结果复制
3、合成控制经典步骤及最新发展的系统化梳理
4、合成控制前沿论文的结果复制
5、因果推断方法最新发展介绍及演示
1月31日上午
主讲人:司继春
课程安排:线性回归基础
1、外生性与自然实验介绍
2、线性回归模型基础
3、系数的解释与模型设定:平方项、交叉项的解读与使用
4、系数的解释与模型设定:加权最小二乘以及权重的使用
5、线性回归中固定效应的使用
6、控制变量的选择
7、统计推断:异方差稳健标准误与聚类标准误
8、多方程回归及其假设检验
1月31日下午
主讲人:司继春
课程安排:线性面板数据模型
1、面板数据的基本设定
2、随机效应模型与混合最小二乘
3、一阶差分模型与固定效应模型
4、不同估计量之间的关系和选择
5、线性面板数据中的时间固定效应与时间趋势
6、交互固定效应模型
2月1日上午
主讲人:司继春
课程安排:面板数据与因果推断:双重差分模型及其扩展
1、双重差分模型的基本设定及共同趋势假设
2、双重差分模型的标准设定
3、多期的双重差分模型设定
4、平行趋势检验的方法
5、三重差分模型、回归控制法简介
6、模糊双重差分模型(Fuzzy DID)
7、异质性处理效应下的双向固定效应估计量(Chaisemartin and D’Haultfoeuille, 2020)
2月1日下午
主讲人:司继春
课程安排:面板二元选择模型
1、基本的Probit、Logit回归简介
2、二元选择模型中系数的解释和汇报
3、随机效应Probit、Logit回归
4、固定效应Probit、Logit回归
python双重差分代码_即将开班 | Python数据挖掘与Stata应用能力提升与实证前沿寒假工作坊...相关推荐
- python 双重差分模型_双重差分模型DID python操作
搬运网站:https://blog.csdn.net/Claire_chen_jia/article/details/106903842?utm_medium=distribute.pc_aggpag ...
- python彩票结果分析_即将放弃Python 2.7的不止有Numpy,还有pandas和这些工具
原标题:即将放弃Python 2.7的不止有Numpy,还有pandas和这些工具 机器之心报道 参与:黄小天.路雪.李泽南 最近,Numpy 团队的一份声明引发了数据科学社区的关注:这一科学计算库即 ...
- python画动物代码_如何用python画简单的动物_后端开发
python3.x完全兼容python2.x吗?_后端开发 可以说是完全不兼容.相对于Python的早期版本,Python3是一个较大的升级,为了不带入过多的累赘,Python 3.0在设计的时候没有 ...
- python嵌入c代码_怎样把Python代码嵌入到C程序
匿名用户 1级 2017-11-03 回答 这篇文章主要介绍了将Python代码嵌入C++程序进行编写的实例,尽管通常还是Python代码中调用C++程序的情况较多...需要的朋友可以参考下 把pyt ...
- 用python画机器猫代码_如何用Python画一只机器猫?| 原力计划
原标题:如何用Python画一只机器猫?| 原力计划 作者 | 人邮异步社区 责编 | 胡巍巍 出品 | CSDN博客 自信心是成功的源泉,对刚入门编程行业的初级程序员来说,多敲代码多做项目就是构建自 ...
- python下面的代码_求下面python代码的差别。
展开全部 题主32313133353236313431303231363533e78988e69d8331333433633436你好, 你不明白上面代码的原因,是因为你没弄明白python包导入的相 ...
- python项目软件代码_七套Python库快速提升您项目的代码可维护性,软件工程,代码库...
保护项目未来可维护性的一种理想方式,在于利用外部库检查您的代码运行状况.以下是目前开发人员最喜爱的的代码梳理库,它们能够以强制方式执行一致性样式,并确保项目在成熟之后仍具备可接受的测试覆盖率. 当软件 ...
- python求表面积代码_用于计算python中的体积或表面积的良好算法
我正在尝试计算3D numpy数组的体积(或表面积).在许多情况下,体素是各向异性的,并且我在每个方向上具有像素到厘米的转换因子. 有没有人知道找到工具包或包来做上述的好地方? 现在,我有一些内部代码 ...
- python语言画图代码_零: python matplotlib 画图进阶(含完整代码)
导论: 在科研和研究的过程中,无论是哪个学科或者将来走上工作岗位,可视化是非常重要的一个环节. 这里的重要性,在我看来有三点:人是视觉动物,老板看你工作做的怎么样,paper reviewer看你研究 ...
最新文章
- 打造自己的树莓派监控系统3--canvas.js绘制数据
- NAT+VLAN+CHAP实验配置(一)
- 计算机操作原理进程调度算法---先来先服务,短进程优先(C语言)
- Linq to Entities in Ado.net EF的事务
- 在Ubuntu中安装及配置java
- docker 每次都得source /etc/profile以及如何查看Docker容器环境变量、向容器传递环境变量
- ora--12154 :TNS :could not resolve the connect identifier specified 错误处理
- html5 响应式背景图
- perl学习笔记(1)
- 百元价位的水下相机?!1000个去海边的人有900个选择了它!
- js中判断数组中是否含有某个字符串方法
- linux下c++版本线程池的实现
- 解决git push报错error: failed to push some refs to 的问题
- 传染病模型——波利亚坛子
- OpenStack网络QoS
- 前端笔记:飞机航线图
- JAVAFX_Effect效果介绍
- 检测浏览器是否接受Cookies(Downmoon)?
- 【图像配准】多图配准/不同特征提取算法/匹配器比较测试
- 这几道tomcat面试题,最后两道难倒我了
热门文章
- 使用GPS坐标查询国家以及城市名称,reverse_geocoder包用法
- opengl画立方体、朝向问题
- 2019年猪年颁奖典礼、公司年会、跨年晚会、科技会议、年终答谢会之幕布背景展板PSD模板-第三部分...
- 代码绘制一个动态樱花树
- html5弹球游戏的实现,html5版弹球游戏
- MLIR (Multi-Level Intermediate Representation)
- Linux内网网络测速(打流)工具iperf3使用教程
- Python graphics库详解
- 单片机仿真器的原理介绍
- 智慧楼宇篇 1 —— 室内定位技术(一) - RFID室内定位技术