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