當(dāng)因果推斷遇見DDML和AI

相似文件 換一批

是 否 +2 論壇幣

k人 參與回答

經(jīng)管之家送您一份

應(yīng)屆畢業(yè)生專屬福利!

求職就業(yè)群

趙安豆老師微信：zhaoandou666

經(jīng)管之家聯(lián)合CDA

送您一個(gè)全額獎(jiǎng)學(xué)金名額~ !

立即領(lǐng)取

感謝您參與論壇問題回答

經(jīng)管之家送您兩個(gè)論壇幣！

+2 論壇幣

在經(jīng)濟(jì)學(xué)研究中，我們常常面臨這樣的問題：

如何從海量的數(shù)據(jù)中準(zhǔn)確地識(shí)別出因果關(guān)系？

如何在復(fù)雜的現(xiàn)實(shí)情境中，找到那些隱藏在表象之下的真實(shí)影響因素？

因果推斷正是為了解答這些問題而生。

它要求我們首先明確目標(biāo)參數(shù)，即我們想要估計(jì)的因果效應(yīng)究竟是什么；

然后構(gòu)造識(shí)別策略，將這個(gè)不可觀測(cè)的因果效應(yīng)轉(zhuǎn)化為可以觀測(cè)的統(tǒng)計(jì)參數(shù)；

最后，通過構(gòu)造合適的估計(jì)量，利用樣本信息來估計(jì)這個(gè)統(tǒng)計(jì)參數(shù)，從而得到目標(biāo)參數(shù)的估計(jì)值

這一過程，不僅需要扎實(shí)的理論基礎(chǔ)，更需要靈活運(yùn)用各種方法和工具。

2025年的‘因果推斷’課程，緊跟學(xué)術(shù)前沿，進(jìn)行了重要更新。

新增了：

→ 高維協(xié)變量下的統(tǒng)計(jì)推斷和因果推斷方法，這在大數(shù)據(jù)時(shí)代尤為重要，因?yàn)楹芏鄷r(shí)候我們面臨的解釋變量個(gè)數(shù)甚至多于樣本量。

→ 同時(shí)，還增加了平行趨勢(shì)假設(shè)檢驗(yàn)方法及平行趨勢(shì)假設(shè)不滿足時(shí)的敏感性分析方法，這對(duì)于雙重差分等研究設(shè)計(jì)來說，是至關(guān)重要的檢驗(yàn)環(huán)節(jié)。

→ 此外，因果中介分析的理論和應(yīng)用介紹也被納入其中，幫助我們更好地理解因果作用的傳遞機(jī)制。

→ 而最令人興奮的是，課程將結(jié)合deepseek/Grok + Stata數(shù)據(jù)處理，借助最新人工智能大模型的力量，為科研助力，讓數(shù)據(jù)處理和分析變得更加高效、智能。

當(dāng)因果推斷遇見DDML和DeepSeek

基于設(shè)計(jì)的計(jì)量經(jīng)濟(jì)學(xué)

2025年5月 南京專場(chǎng)

培訓(xùn)時(shí)間：2025年5月1-4日（四天）

培訓(xùn)安排：上午9:00-12:00；下午14:00-17:00；課后答疑

培訓(xùn)方式：

• 現(xiàn)場(chǎng)：南京市鼓樓區(qū)酒店會(huì)場(chǎng)
  
• 線上：騰訊會(huì)議同步直播
  
  

參加現(xiàn)場(chǎng)提供交通住宿指南，會(huì)議酒店住宿提供協(xié)議價(jià)（含早）；

現(xiàn)場(chǎng)班根據(jù)繳費(fèi)順序安排座位，現(xiàn)場(chǎng)名額限30人。

*現(xiàn)場(chǎng)與遠(yuǎn)程均提供錄播回放，趙西亮老師親自答疑。

主講介紹

趙西亮教授，現(xiàn)任廈門大學(xué)經(jīng)濟(jì)學(xué)院和王亞南經(jīng)濟(jì)研究院經(jīng)濟(jì)學(xué)教授、博士生導(dǎo)師。

清華大學(xué)經(jīng)濟(jì)管理學(xué)院數(shù)量經(jīng)濟(jì)學(xué)專業(yè)博士，美國(guó)康奈爾大學(xué)和芝加哥大學(xué)訪問學(xué)者，加拿大西安大略大學(xué)經(jīng)濟(jì)系博士后。長(zhǎng)期從事中國(guó)經(jīng)濟(jì)和應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)研究，編著教材《基本有用的計(jì)量經(jīng)濟(jì)學(xué)》，被京東評(píng)為“十大構(gòu)思細(xì)膩的大學(xué)教材”之一。

趙教授在《經(jīng)濟(jì)研究》、《經(jīng)濟(jì)學(xué)》（季刊）、《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》、《World Economy》等國(guó)內(nèi)外重要期刊發(fā)表論文數(shù)余篇，同時(shí)是China Economic Review，《經(jīng)濟(jì)研究》、《管理世界》、《經(jīng)濟(jì)學(xué)（季刊）》、《世界經(jīng)濟(jì)》等國(guó)內(nèi)外重要期刊的匿名審稿人。

課程亮點(diǎn)：
1. 前沿理論與方法的深度剖析
深入學(xué)習(xí)統(tǒng)計(jì)推斷的基本內(nèi)容，從線性回歸、飽和模型、二元選擇模型，到帶懲罰項(xiàng)的線性回歸，如Lasso、嶺回歸等，再到Neyman正交、Double Lasso等前沿方法，讓我們對(duì)參數(shù)估計(jì)方法有全面而深刻的理解。
同時(shí)，詳細(xì)講解潛在結(jié)果框架、因果圖等理論基礎(chǔ)，幫助我們構(gòu)建堅(jiān)實(shí)的因果推斷理論體系。

2. 因果推斷全流程的系統(tǒng)講解
課程涵蓋了因果推斷的整個(gè)流程，從定義因果效應(yīng)參數(shù)，到選擇合適的識(shí)別策略，再到估計(jì)統(tǒng)計(jì)參數(shù)，每一步都詳細(xì)講解，讓學(xué)員能夠清晰地掌握因果推斷的邏輯框架。
無(wú)論是隨機(jī)化實(shí)驗(yàn)、非混雜性條件下的因果效應(yīng)估計(jì)，還是工具變量法、固定效應(yīng)方法、雙重差分法等具體方法的應(yīng)用，都有詳盡的案例分析和實(shí)操指導(dǎo)。

3. 高維數(shù)據(jù)與因果推斷的緊密結(jié)合
隨著大數(shù)據(jù)時(shí)代的到來，高維數(shù)據(jù)成為了我們研究中常見的挑戰(zhàn)。課程新增的高維協(xié)變量下的統(tǒng)計(jì)推斷和因果推斷方法，將幫助我們更好地應(yīng)對(duì)這一挑戰(zhàn)。通過學(xué)習(xí)Chernozhukov等人發(fā)展的理論，包括雙重Lasso和雙重機(jī)器學(xué)習(xí)等方法，學(xué)員能夠掌握在高維數(shù)據(jù)環(huán)境下進(jìn)行因果推斷的有效途徑。

4. 人工智能大模型的助力
結(jié)合DeepSeek/Grok + Stata數(shù)據(jù)處理，是本次課程的一大亮點(diǎn)。借助人工智能大模型的力量，我們可以更高效地進(jìn)行數(shù)據(jù)編程和學(xué)術(shù)研究。這不僅能夠提高數(shù)據(jù)處理的效率，還能為研究提供新的思路和方法，讓學(xué)員在科研工作中如虎添翼。

5. 實(shí)戰(zhàn)案例與實(shí)操指導(dǎo)
課程中將通過大量的實(shí)戰(zhàn)案例，幫助學(xué)員更好地理解和應(yīng)用所學(xué)知識(shí)。從班級(jí)規(guī)模與學(xué)習(xí)成績(jī)的研究，到種族與就業(yè)歧視的分析，再到移民沖擊和工資的影響等，這些案例覆蓋了學(xué)術(shù)研究的多個(gè)領(lǐng)域，讓學(xué)員能夠?qū)⒗碚撆c實(shí)際相結(jié)合，提升解決實(shí)際問題的能力。同時(shí)，課程還提供實(shí)操指導(dǎo)，讓學(xué)員在實(shí)踐中掌握各種方法的應(yīng)用技巧。

課程收獲
1. 理論知識(shí)的全面升級(jí)
學(xué)完本課程，你將對(duì)統(tǒng)計(jì)推斷和因果推斷有全新的認(rèn)識(shí)。
不再局限于傳統(tǒng)的線性回歸等方法，而是能夠掌握多種前沿的參數(shù)估計(jì)和因果推斷方法，如雙重機(jī)器學(xué)習(xí)、因果中介分析等。同時(shí)，對(duì)因果效應(yīng)參數(shù)、統(tǒng)計(jì)參數(shù)和統(tǒng)計(jì)量之間的區(qū)別有清晰的理解，能夠準(zhǔn)確地定義研究問題中的因果效應(yīng)參數(shù)，為后續(xù)的分析奠定堅(jiān)實(shí)的基礎(chǔ)。

2. 研究方法的靈活運(yùn)用
課程涵蓋了多種因果推斷方法，如隨機(jī)化實(shí)驗(yàn)、匹配、傾向指數(shù)匹配、逆概率加權(quán)、工具變量法、固定效應(yīng)方法、雙重差分法等。通過學(xué)習(xí)這些方法的理論基礎(chǔ)和應(yīng)用實(shí)例，你將能夠根據(jù)不同的研究問題和數(shù)據(jù)特點(diǎn)，靈活選擇合適的方法進(jìn)行因果推斷。無(wú)論是處理復(fù)雜的高維數(shù)據(jù)，還是面對(duì)交錯(cuò)政策等特殊情境，都能夠運(yùn)用所學(xué)方法進(jìn)行準(zhǔn)確的因果效應(yīng)估計(jì)。

3. 科研效率的顯著提升
借助deepseek/Grok + Stata數(shù)據(jù)處理，你將掌握如何利用人工智能大模型來提高科研效率。從數(shù)據(jù)的預(yù)處理、清洗，到模型的構(gòu)建和結(jié)果的解讀，大模型都能夠?yàn)槟闾峁┯辛Φ闹С�。這將大大節(jié)省你的時(shí)間和精力，讓你能夠更專注于研究問題本身，提高科研工作的整體效率。

4. 學(xué)術(shù)研究的深度拓展
通過學(xué)習(xí)課程中的前沿理論和方法，你將能夠拓展自己的學(xué)術(shù)視野，為未來的學(xué)術(shù)研究提供更多的可能性。無(wú)論是深入研究某一領(lǐng)域的因果關(guān)系，還是探索新的研究方向和方法，本課程都將為你提供堅(jiān)實(shí)的理論基礎(chǔ)和實(shí)用的工具支持。同時(shí)，與其他學(xué)員的交流和互動(dòng)，也將為你帶來新的靈感和合作機(jī)會(huì)。

培訓(xùn)大綱



獲取培訓(xùn)通知、會(huì)議邀請(qǐng)聯(lián)系人：
JG學(xué)術(shù)劉老師
TEL：18600257362
WX：jgzjwanzi

掃碼加我 拉你入群

請(qǐng)注明：姓名-公司-職位

以便審核進(jìn)群資格，未注明則拒絕

分享0 收藏2 回帖

關(guān)鍵詞：DDM dml 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究 stata數(shù)據(jù)處理 王亞南經(jīng)濟(jì)研究院

往期學(xué)員評(píng)價(jià)及
課后學(xué)員群答疑

趙教授編著的教材《基本有用的計(jì)量經(jīng)濟(jì)學(xué)》被京東評(píng)為“十大構(gòu)思細(xì)膩的大學(xué)教材”之一，其核心貢獻(xiàn)在于：

1. 明確因果識(shí)別框架：

提出實(shí)證研究需區(qū)分因果效應(yīng)參數(shù)（causal estimand）、統(tǒng)計(jì)參數(shù)（statistical estimand）和估計(jì)量（estimator），強(qiáng)調(diào)分配機(jī)制（treatment assignment）在因果推斷中的核心作用；

2. 方法論創(chuàng)新：

系統(tǒng)整合隨機(jī)化實(shí)驗(yàn)、自然實(shí)驗(yàn)（如工具變量、DID、斷點(diǎn)回歸）等方法，并引入高維協(xié)變量處理（如Double Lasso）和交錯(cuò)DID的最新進(jìn)展（如Goodman-Bacon分解）；

3. 應(yīng)用拓展：

近期在因果中介分析領(lǐng)域取得突破，提出自然間接效應(yīng)和直接效應(yīng)的識(shí)別條件，應(yīng)用于教育回報(bào)、職業(yè)選擇等經(jīng)濟(jì)問題。

他主持的暑期課程（如2023-2024年北京現(xiàn)場(chǎng)班）結(jié)合Stata軟件實(shí)現(xiàn)，涵蓋從基礎(chǔ)理論到論文復(fù)制的全流程，吸引了大量學(xué)者參與。

趙西亮在《基本有用的計(jì)量經(jīng)濟(jì)學(xué)》中提出“因果識(shí)別三要素”框架（因果效應(yīng)參數(shù)、統(tǒng)計(jì)參數(shù)、估計(jì)量），強(qiáng)調(diào)分配機(jī)制（TreatmentAssignment）的核心地位，解決了傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)中因果推斷與統(tǒng)計(jì)推斷的混淆問題。這一框架被學(xué)界視為對(duì)Rubin因果模型和Pearl因果圖模型的整合與簡(jiǎn)化，更適合中國(guó)實(shí)證研究場(chǎng)景。

趙西亮在高維協(xié)變量處理（如Double Lasso）、交錯(cuò)DID（Staggered DID）的Bacon分解、因果中介效應(yīng)識(shí)別等領(lǐng)域有原創(chuàng)性研究，尤其近期提出的 “非參數(shù)中介效應(yīng)識(shí)別條件”突破了傳統(tǒng)線性模型的限制，被應(yīng)用于教育經(jīng)濟(jì)學(xué)與勞動(dòng)經(jīng)濟(jì)學(xué)研究。

趙西亮團(tuán)隊(duì)的研究（如戶籍制度對(duì)收入差距的影響、教育回報(bào)的異質(zhì)性分析）直接服務(wù)于國(guó)家發(fā)改委、教育部的政策制定，其因果推斷方法被政府部門采納為評(píng)估工具。

趙西亮的課程以 “問題驅(qū)動(dòng)”為核心，從研究設(shè)計(jì)出發(fā)，逐步拆解因果識(shí)別假設(shè)（如SUTVA、無(wú)混淆性），再引入匹配方法、工具變量等解決方案。其課程（如“因果推斷與政策評(píng)估”）通過完整復(fù)現(xiàn)經(jīng)典論文（如Card and Krueger的最低工資研究），幫助學(xué)生掌握從理論到代碼的全流程。

趙西亮在課程中系統(tǒng)講解“非隨機(jī)實(shí)驗(yàn)數(shù)據(jù)的處理”，例如：

如何利用合成控制法（SCM）評(píng)估區(qū)域政策；  

如何通過斷點(diǎn)回歸（RDD）解決模糊分配問題；  

如何用機(jī)器學(xué)習(xí)方法（如因果森林）處理異質(zhì)性因果效應(yīng)。

趙西亮的課程提供 “全鏈條”支持，包括：  

獨(dú)家整理的Stata因果推斷代碼庫(kù)；  

與騰訊混元大模型合作的AI輔助研究工具（如自動(dòng)生成DAG圖、檢驗(yàn)工具變量外生性）；  

與國(guó)內(nèi)外頂刊合作的數(shù)據(jù)復(fù)現(xiàn)項(xiàng)目（如《經(jīng)濟(jì)研究》論文的數(shù)據(jù)公開與解析）。

支持支持

支持一下

謝謝分享！

謝謝分享