凡是搞计量经济的，都关注这个号了
邮箱：econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
接“Susan主导的斯坦福”机器学习与因果推断”公开课程正式对我们开放了”，今天，推荐诺奖得主, 前AER主编Esther Duflo给MIT学生讲计量, 因果推断和机器学习的课程《给社会科学家的数据分析课》。
下面是该门课程的具体内容，各位学者可以直接前往观看，群友也可以直接在计量社群观看。
给社会科学家的数据分析课：简介
课程描述
本课程介绍了利用数据回答文化、社会、经济和政策领域问题的方法。我们将从概率和统计的基本概念开始，然后涉及现代数据分析技术：回归分析和计量经济学、实验设计、随机对照试验（以及A/B测试）、机器学习和数据可视化。我们通过真实世界的例子和前沿研究来说明这些概念，而且，还将提供关于使用统计软件R的指导，并为学生提供进行自主实证分析的机会。阅读作业
本课程没有统一的教材，我们将从多个来源获取参考材料。在课程的前半部分，有一本概率和统计的书可能会有所帮助，比如 Larsen 和 Marx 的《Introduction to Mathematical Statistics and Its Applications》，DeGroot 和 Schervish 的《Probability and Statistics》，或 Lindgren 的《Statistical Theory》。第一本可能是最简单且最具论述性的。第二本是一本优秀但稍微困难一些的书。第三本是一本很好的参考书，但不提供太多直觉。找不到一本教材可以覆盖课程后半部分的大部分内容，但 Wooldridge 的《Introductory Econometrics》和 Stock 和 Watson 的《Introduction to Econometrics》都与我们将要学习的内容有一定重叠，并且在未来可能会有所帮助。此外，我们还推荐Sara Ellison 所著的《Data Analysis for Social Scientists: A Foundational Crash Course》。日程安排
第一周：介绍：介绍使用R软件，并进行练习。推荐网上学习更多相关资源。介绍数据及数据分析的力量，概述课程内容。第二周：概率基础、随机变量、联合分布和数据收集：概率基础和随机变量的介绍。讨论分布和联合分布。介绍通过调查、网页抓取和其他数据收集方法收集数据。第三周：数据描述、随机变量的联合与条件分布：研究中保护人类研究对象的原则和实践步骤。讨论核密度估计。在第二模块的基础上，介绍联合、边缘和条件分布。第四周：随机变量的联合、边缘和条件分布及函数：类似地，在第二周的基础上，介绍随机变量的函数。讨论分布的矩、期望和方差。回归分析的基础。应用：将一些概率原理应用于拍卖分析。第五周：特殊分布、样本均值、中心极限定理和估计：讨论特殊分布的性质，并提供几个例子。统计学：介绍样本均值、中心极限定理和估计。第六周：评估和推导估计量、置信区间：推导和评估估计量。构建和解释置信区间。介绍假设检验。第七周：因果关系、分析随机实验和非参数回归：在实验中理解随机化。介绍非参数回归技术。第八周：单变量和多元线性模型：深入讨论线性模型和多元线性模型。第九周：运行回归的实际问题和遗漏变量偏误：协变量、固定效应和其他函数形式的介绍。介绍回归不连续设计。第十周：内生性、工具变量和实验设计：理解内生性问题；介绍工具变量和两阶段最小二乘法，并讨论如何评估工具的有效性。讨论如何设计有效的实验，并提供印度尼西亚的示例。数据可视化原理，提供精心制作的数据可视化示例。第十一周：机器学习和数据可视化简介：介绍使用机器学习进行预测。包括调整和训练。
关于机器学习，参看：1.机器学习之KNN分类算法介绍: Stata和R同步实现（附数据和代码），2.机器学习对经济学研究的影响研究进展综述，3.回顾与展望经济学研究中的机器学习，4.最新: 运用机器学习和合成控制法研究武汉封城对空气污染和健康的影响! 5.Top, 机器学习是一种应用的计量经济学方法, 不懂将来面临淘汰危险！6.Top前沿: 农业和应用经济学中的机器学习, 其与计量经济学的比较, 不读不懂你就out了！7.前沿: 机器学习在金融和能源经济领域的应用分类总结，8.机器学习方法出现在AER, JPE, QJE等顶刊上了！9.机器学习第一书, 数据挖掘, 推理和预测，10.从线性回归到机器学习, 一张图帮你文献综述，11.11种与机器学习相关的多元变量分析方法汇总，12.机器学习和大数据计量经济学, 你必须阅读一下这篇，13.机器学习与Econometrics的书籍推荐, 值得拥有的经典，14.机器学习在微观计量的应用最新趋势: 大数据和因果推断，15.R语言函数最全总结, 机器学习从这里出发，16.机器学习在微观计量的应用最新趋势: 回归模型，17.机器学习对计量经济学的影响, AEA年会独家报道，18.回归、分类与聚类：三大方向剖解机器学习算法的优缺点（附Python和R实现），19.关于机器学习的领悟与反思，20.机器学习，可异于数理统计，21.前沿: 比特币, 多少罪恶假汝之手? 机器学习测算加密货币资助的非法活动金额! 22.利用机器学习进行实证资产定价, 金融投资的前沿科学技术! 23.全面比较和概述运用机器学习模型进行时间序列预测的方法优劣！
24.用合成控制法, 机器学习和面板数据模型开展政策评估的论文！25.更精确的因果效应识别: 基于机器学习的视角，26.一本最新因果推断书籍, 包括了机器学习因果推断方法, 学习主流和前沿方法，27.如何用机器学习在中国股市赚钱呢? 顶刊文章告诉你方法！28.机器学习和经济学, 技术革命正在改变经济社会和学术研究，29.世界计量经济学院士新作“大数据和机器学习对计量建模与统计推断的挑战与机遇”，30.机器学习已经与政策评估方法, 例如事件研究法结合起来识别政策因果效应了！31.重磅! 汉森教授又修订了风靡世界的“计量经济学”教材, 为博士生们增加了DID, RDD, 机器学习等全新内容！32.几张有趣的图片, 各种类型的经济学, 机器学习, 科学论文像什么样子？33.机器学习已经用于微观数据调查和构建指标了, 比较前沿！34.两诺奖得主谈计量经济学发展进化, 机器学习的影响, 如何合作推动新想法！35.前沿, 双重机器学习方法DML用于因果推断, 实现它的code是什么？
下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。
