Py学习  »  机器学习算法

基于机器学习的因果推断方法

数量经济学 • 1 月前 • 58 次点击  
GPT代表着人工智能领域的一个重大飞跃,它的到来预示着已跨入了AI 4.0的新纪元。在理解上下文、进行连续对话、整合跨领域知识以及创造新颖文本等关键领域,GPT展现了革命性的进展。这一变革不仅影响着教学方式,更深刻地影响着科研工作者学术研究的方法和路径,也为专业发展和学术研究带来了新的机遇和挑战。

本课程基于2017--2024年数量经济学Stata寒暑假经典课程,原理+操作+论文+前沿,为大家带来AI辅助的机器学习与因果推断前沿课程。

轻松玩转机器学习与因果推断

突破传统学习束缚,解锁AI无限可能!


20217--2024,Stata经典课程已经开设8年


2025年1月New

新课纲、新升级

AI赋能科研

AI辅助Stata机器学习与因果推断学术应用

AI+因果推断+双重机器学习(Stata操作)等前沿内容

原理+操作+论文+前沿

超长回放,详询工作人员报名


目前经济学实证研究已经从相关关系转而强调因果关系,即从研究“结果的原因”转向研究“原因的结果”,而如何进行分析,就需要掌握因果推断方法。 现有的基于面板数据的处理效应/因果推断估计方法大致可以分为以下七类,即匹配法(Matching)、断点回归法(regression discontinuity, RD)、双重差分法 (diference-in-diferences,DID)、合成控制法(synthetic control methodSCM))、回归合成控制法 (HCW/RCM)、基于因子的估计方法和基于机器学习的方法。

而这些方法目前出现了很多新进展,例如


由于机器学习方法所展示出的强大精准预测能力,使得经济学家发现机器学习可以提升因果效应估计的可靠性和准确性(Varian(2016),Athey(2017)),目前机器学习已经融入到因果推断工具中,并得到国际主流经济学界的认可,随之应用到因果推断研究中的论文数量也大幅增加。


而上述机器学习与因果推断结合的方法,在过去的Stata寒暑假研讨班以及直播课程中,都有详细讲解。详见推文

😆2024Stata暑假班--精彩片段--机器学习与断点回归

😅2024Stata暑假班--精彩片段--机器学习与合成控制法

🌈2024Stata暑假班--精彩片段--双重机器学习DDML

🤣机器学习&因果推断--2024Stata暑假班--精彩片段

2024Stata暑假班--精彩片段--双重机器学习DDML 

2024年8月Stata暑期班回顾丨因果推断&机器学习应用&异质性DID前沿&双重机器学习专题回顾

24年8月Stata暑假班因果推断&机器学习应用双重机器学习

直播回顾--机器学习基本原理、机器学习与双重差分、断点回归应用等

为帮助大家更精确的掌握基于机器学习思想的因果推断方法,进阶因果推断与机器学习前沿,数量经济学特别推出2025年1月GPT辅助的机器学习与因果推断专题课。

🤣往期Stata初高级专题课--板书截图

🍎2025年1月机器学习与因果推断专题课

机器学习专题:包含目前前沿的双重机器学习Stata应用(包含论文复刻、双重机器学习DDML在因果推断中的应用等前沿),机器学习与因果推断中双重差分、断点回归、合成控制法等应用

机器学习基本原理、惩罚回归(Lasso回归、岭回归、弹性网、Lasso扩展模型等)、 Lasso在因果推断中的应用 、机器学习在因果推断中的应用 、双重机器学习DDML专题

因果推断专题:主讲SCM、RD、DID、异质性DID、PSM等因果推断及异质性DID前沿,含动态+静态合成DID、空间DID、标准DID、三重差分、PSM-DID、PSM-DDD、异质稳健估计量等前沿专题

Stata课程开设已8年

2017-2024年

课程好评!



高级计量--AI辅助的因果推断及机器学习前沿专题

  • 时间:2025年1月16日--1月19日(远程班,4天)

  • 费用:原价5000元,11月15日前报名统一早鸟优惠价,4000元/人,学生优惠价详询工作人员

  • 授课形式:老师讲授指导、学员操作练习、答疑解惑。全程幻灯片/网页/pdf文档课件+Stata操作演示,电子板书+课程截图,课后知识点+板书等资料分享给学员

  • 课程资料:提供PPT、课程讲义以及完整的do文档等。全程电子板书+每日log等知识点总结均课后分享给学员

课程简介







本课程包括八大专题内容:

AI大模型基础课(赠送,4天课程时长外赠送的AI入门课)

一、Stata基础专题讲授Stata基础、数据管理、编程内容

二、中介效应专题

三、面板数据专题:包括静态面板数据专题、门槛回归模型,动态面板门槛模型

四、因果推断计量方法专题:倾向匹配得分(PSM)、断点回归(RDD)、合成控制法(SCM)、双重差分(DID)四大专题

五、异质性DID前沿专题:包含交错DID、异质稳健估计量以及DID新进展新应用等前沿内容

六、合成双重差分法、动态合成DID、空间DID等经典内容!

七、合成控制法前沿、回归合成控制法(RCM/HCW)等

八、机器学习专题:除机器学习基本原理外,还包括机器学习与因果推断中双重差分、断点回归、合成控制法等应用,双重机器学习Stata应用(论文复刻、双重机器学习DDML在因果推断中的应用等前沿)

面板数据及因果推断常用计量方结合原理+具体案例+论文复刻+Stata实操+前沿,介绍目前使用最为广泛的四大政策评估方法:倾向匹配得分(PSM)、倍差法(DID)、断点回归方法(RD)、合成控制法(SCM)。

DID前沿专题方法:三重差分(DDD)、DID拓展模型(PSM-DID、PSM-DDD)、异质性DID(交错DID、bacon分解、负权重诊断、异质稳健估计量)等。

中介效应、动态合成DID、空间DID、双重机器学习等经典内容!

更多内容详见课程大纲!

课程特色及亮点






  • 注重计量理论模型的连续性、系统全面性以及前沿性

    • 零基础起步,初级+高级,注重Stata软件基础操作以及论文分析模型操作技能,帮助你建立系统的计量体系
    • 中介效应、动态合成DID、异质性DID前沿等新内容
    • 面板数据专题及因果推断专题包括前沿的政策评估方法,全面系统讲解倾向匹配得分、双重差分、合成控制法、断点回归等前沿内容。
    • 机器学习前沿专题,包括机器学习基本原理、双重机器学习DDML在因果推断中的应用等前沿,机器学习与因果推断中双重差分、断点回归、合成控制法等应用
  • 交叠DID专题

    • 经济管理类实证研究的主流方法之一,双重差分方法,专题讲解DID,多期DID,DID扩展模型,例如DDD,PSM-DID、合成DID等
    • 针对双向固定效应模型TWFE中出现的偏误,进行交叠DID专题讲解,涵盖bacondecomp分解、负权重诊断方法(核心期刊上经常出现的)以及3种异质稳健性估计,分别为:组别--时期平均处理效应、插补估计量、堆叠估计量。

    • 完整论文复刻,为大家讲解常见的9种常规DID命令以及9种平行趋势检验和20+种安慰剂检验,帮助大家掌握目前这种使用最为广泛的计量方法

  • 理论方法与软件操作并重

    • 课程涵盖理论介绍、软件操作、案例应用、解释结果、论文讲解、论文复刻、全程答疑、前沿应用8位一体,手把手教你学Stata软件操作与分析
    • 4天进阶系统掌握Stata因果推断&机器学习高级应用
  • 完整的论文精讲以及论文复刻和写作

    • 通过系统学习,讲授计量Stata操作全流程以及论文精讲与复刻,使学员掌握重要期刊中的主流分析方法,
    • 提供do文档以及代码资料,能够完成论文复刻和写作
  • 小班教学,全程学习互动,立体化服务体系

    • 保证人数限制,更加注重课程互动,调动学员学习积极性
    • 全程幻灯片/网页/pdf文档课件+Stata操作演示,电子板书+课程截图,课后知识点+板书等资料全部分享给学员

课程内容







课程1:AI大模型入门基础课

课程信息:

报名AI赋能科研/GPT辅助Stata机器学习与因果推断学术应用
免费赠送AI大模型入门基础课
课程时间:2025年1月

课程地点:远程
课程详情,咨询工作人员

课程内容:

1、AI大模型基础
  • 了解GPT
  • GPT基本原理
  • GPT VS 传统搜索引擎
  • GPT与国内大模型比较

2、GPT基本管理

3、AI使用及基本操作

4、AI的指令操作

5、AI的使用技巧

6、文字提示(Prompts)与提示工程(Prompt Engineering)

  • 什么是Prompts
  • 文字提示(Prompts)为何如此重要
  • 如何使用Prompts提高ChatGPT生成回答的质量
  • 提示的高阶使用技巧

7、提示词训练方法与技巧

8、与AI对话的文本语言--Markdown

9、AI+学术+翻译+教育

  • 9.1 学术、翻译、教育类提示词
  • 9.2 实例演练

11.AI+Word:高效处理文档

11.AI+PPT:智能生成演示文稿

12.AI+工具:快速生成PPT

13.AI在Excel中的应用

14.AI辅助Stata学术应用


课程2:经济学研究中的机器学习与因果推断课


1 专题介绍(Stata 初级班)

第一讲:Stata简介与AI辅助应用

  • GPT在Stata中的基础应用
  • Stata常用基础知识
  • Stata简介:Why Stata?/What is Stata
  • 软件界面:The Stata Interface/What Stata Looks Like
  • 参考书籍推荐:Textbooks /ChatGPT辅助阅读 
  • log工作日志和do文档:What to Do First? Set a Working Directory/Keeping Track of Things(Do-files and log-files) 结合GPT协助生成、修改和解释do文件,提高自动化和准确性。
  • 命令以及帮助:The Command & Getting Help - 介绍Stata中的基本命令及其帮助功能,包括如何使用help、ssc install、findit等命令。
  • 利用ChatGPT快速获取外部命令解释和示例,或者为复杂命令提供一步步的指导。

第二讲:Stata数据管理与AI智能辅助

  • 数据导入与AI预处理:讲解如何将数据导入Stata,并介绍AI如何辅助进行数据预处理,包括数据清洗、格式转换等/导入导出 Import and Export等
  • 变量管理与AI自动化:Stata中管理变量,包括创建、修改和删除变量,AI自动化这些过程。数据管理Data management/排序Order, aorder, and move/变量标签Variable Labels and Notes
  • 数据清洗与AI智能检测*:AI辅助帮助检测和修正数据中的异常值和错误。
  • 数据转换与AI智能分析:包括变量类型转换等,并展示AI如何提供智能分析建议。/文字变量处理之数据类型转换Converting strings to numerics and vice versa(encode 、decode、 destring、 tostring 等)
  • 数据合并与AI辅助匹配:在Stata中合并数据集,并介绍AI如何辅助进行数据匹配和合并。(数据横向合并和纵向合并Append and merge(merge,包括一对一、一对多、多对一等合并,append、cross、joinby等,))
  • 案例研究:GPT辅助的数据管理实践 
  • 描述分析Describing the data (summarize)
  • 基础命令(table、tabulate、tabstat命令)
  • 互动总结:GPT辅助问题解答

第三讲:Stata编程、正则表达式与AI智能自动化

  • GPT辅助的Stata宏的介绍及使用技巧
  • GPT增强的Stata运算结果返回
  • GPT辅助的条件语句与循环语句 
  • GPT驱动的变量循环与命令执行
  • AI优化的循环语句:foreach和forvalues
  • GPT辅助的ado文件编写与profile设置
  • 案例研究:GPT在Stata编程中的应用
  • 互动环节:GPT辅助编程问题解答

第四讲:相关分析、回归分析与AI智能解析

  • GPT辅助的相关分析概述
  • AI增强的相关命令应用:  命令corr、pwcorr、pwcorr_a等应用
  • GPT辅助的线性回归模型估计
  • AI驱动的假设检验
  • AI智能的Stata结果输出
  • GPT辅助的模型诊断与优化
  • 案例研究:GPT在回归分析中的应用
  • 互动环节:GPT辅助分析问题解答

第五讲:GPT辅助面板数据专题

  • GPT辅助的面板数据模型概述
  • GPT辅助的面板数据模型分类与选择
  • AI增强的面板数据计量分析方法
  • GPT辅助的面板数据描述性分析
  • AI优化的混合面板回归模型
  • GPT辅助的随机效应模型操作及结果解释
  •  GPT辅助的固定效应模型操作及结果解释
  • GPT辅助的Hausman检验
  • AI集成的面板数据及Stata应用
  • AI驱动的高维/多维固定效应模型(后期讲解DID专题会用到该模型命令)
  • 用Stata做面板数据分析,程序代码应知应会
  • 案例研究:GPT在面板数据分析中的应用
  • 互动总结:GPT辅助面板数据分析问题解答:

第六讲:社会科学因果推断基础与AI增强分析

  • GPT辅助的社会科学中因果推断前言介绍
  • GPT增强的反事实因果框架
  • GPT辅助的随机对照实验分析
  • AI驱动的自然实验方法

第七讲:中介效应


2 机器学习与因果推断专题介绍(Stata 高级班)

第八讲门限回归与GPT辅助

  • 命令:xthreg、xtthres、threshold等
  • 门限回归理论介绍
  • 门限回归操作流程图
  • 截面门槛模型
  • 面板门槛模型
  • 面板单门限及多门限模型的操作应用
  • 门限回归操作以及结果解释等
  • 论文讲解以及课程总结
  • GPT辅助的门限模型综合研究以及深度分析
  • 参考文献
  • Hansen, B. E.  1999.  Threshold effects in non-dynamic panels:  Estimation, testing,  and inference.  Journal of Econometrics 93: 345-368.
  • Wang, Qunyong, 2015. "Fixed-effect Panel Threshold Model Using Stata," The Stata Journal, 15(1), 121-134.
  • 新增动态面板门槛操作及应用
  • 操作案例3:通货膨胀及人均GDP增长率门限回归案例(课后作业)
  • 论文应用3:动态门槛回归模型论文讲解第3篇
  • 互动环节:GPT辅助的门限回归问题解答
  • 作业与实践:GPT辅助的门限回归分析任务

第九讲倾向匹配得分(PSM)与GPT辅助分析

包括倾向匹配得分(PSM)是实践中应用最为广泛的一种匹配分析方法,基于可观测变量,将多个维度的变量变成一个变量,实现降维思想,通过PS值来定义变量的相似性,进而对非随机研究中混杂因素进行类似随机化的均衡处理,目的是减少选择性偏误,将干预组与之比较的对照组的不同结果归因于项目效应。

  • 倾向匹配得分简介
  • 传统的配对方法、假设、匹配方法、优缺点
  • 倾向匹配得分建模流程图
  • PSM操作命令及其具体应用
  • 案例4:参加培训与工资
  • 案例5:参加工会是否有助于获得更高的工资
  • 论文复刻4:新能源企业创新
  • 论文讲解:政策补贴
  • GPT辅助的课程内容整合与总结
  • 互动环节:GPT辅助的PSM问题互动解答
  • 作业与实践:GPT辅助的PSM分析任务


第十讲合成控制法 与GPT辅助政策评估

合成控制法,又名综合控制方法(Synthetic Control Methods),是由Abdie(2003)提出来的一种政策效果评估方法。Abdie(2003)将该方法用于评估恐怖冲突对巴斯克地区经济的影响效应。Abdie(2010)利用合成控制法研究了加州香烟控制法案对人均香烟消费效应。该方法通过对控制组个体进行加权平均,进而构造出与干预组实施政策前相似的合成控制组,用该合成控制组个体政策干预后的结果来估计干预组的反事实结果。

第十一讲:GPT辅助回归合成控制法
  • 面板数据政策评估分析方法/回归合成控制法模型简介
  • 回归合成控制法原文精讲
  • RCM及Stata操作应用
  • 案例6:99法案
  • 案例7:回归对内地影响
  • GPT辅助的课程内容整合与要点回顾

第十二讲:AI驱动的双重差分专题(DID)

双重差分法(DID)又名倍分法,是应用于社会经济领域的政策或项目评估,分别计算干预组与对照组在处理或干预实施前后的差异,再计算干预局与对照组之间变量量的差异,共进行两次差分,这就是双重差分。


第十三讲:基于GPT增强的DID专题2

双重差分法(DID)又名倍分法,是应用于社会经济领域的政策或项目评估,分别计

  • GPT辅助的三重差分模型DDD
  • AI驱动的PSM-DID方法创新
  • GPT辅助的PSM-DDD
  • GPT在DID/PSM-DID/PSM-DDD中的综合应用
  • 案例9:专利许可(精讲)
  • 案例10:医院改革与病人满意度(Stata17中新命令经典案例,Stata18种新增该案例新操作)
  • 案例11、智慧城市(石大千等,2018.06)
  • 案例12、高铁开通
  • 论文9:银行管制与收入差距
  • 论文10专利质押(2022.09)(精讲)
  • 论文11国家级新区(2020.07)(精讲,新增交叠DID及Bacon分解等DID全套操作)
  • 论文12排污权交易机制(2019.05 )(DDD模型等经典操作)
  • 论文13东道国数据(2023.02)(安慰剂检验最新操作)
  • 模糊DID


第十四讲:基于GPT增强的多时点DID/渐进DID/交叠DID/交错DID

理解DID出了什么问题?双向固定效应模型TWFE与异质性处理效应drdid和csdid

在实证研究中,对于交错 DID,过往的工作通常采用双向固定效应模型估计 , GoodmanBacon (2021) 从理论上指出,当处理效应存在异质性时,同一处理对于不同个体产生的效果存在差异,将会导致 TWFE 产生潜在的估计偏误。

多时点 DID 估计有偏的解决方法:针对在异质性处理效应下多时点 DID 存在的问题,分别可以进行诊断以及解决。“诊断方法”为Bacon系数分解定理, “三类解决方法”分别为组别时期平均法、插补法及堆叠型 DID 方法。

  •  多时点DID问题与TWFE估计的挑战

  • 交叠DID与AI增强分析

  • Bacon系数分解定理与AI应用

  • 负权重诊断法与GPT辅助

  • 组别-时期平均处理did_multiplegt、eventstudyinteract、csdid
  • 插补估计量did2s、did_imputation、event_plot、fect
  • 堆叠回归估计量:stackedev
  • Stata18新功能应用:异质性DID--hdidregress+xthdidregress(Stata18.0新版本异质性DID操作手册:hdidregress与xthdidregress
  • 案例13:单边离婚法案
  • 案例14城市群人口集聚
  • 例15低碳城市试点政策
  • 论文14:互联网基础设施
  • 论文15:企业绿色专利再配置

第十五讲:断点回归

断点回归(RD)是一种类似于随机实验的准实验分析方法,能够有效的利用相关条件来分析变量之间的因果关系。其主要思想是,个体中的某一关键变量即处理变量完全由连续变量X超过断点来决定,超过该断点也就是大于某一临界值,就会受到政策干预,否则没有受到政策干预。在断点回归分析中,小于某一临界值可以作为一个很好的控制组来反映断点右侧的情况。通过计算临界值样本左右两侧的差异,进而估计处理效应统计量。

  • AI增强的断点回归原理 
  • GPT辅助的精确断点回归
  • AI驱动的模糊断点回归 
  • AI集成的断点回归及Stata操作指导
  • GPT辅助的断点回归相关检验
  • AI增强的断点回归应用实例分析:

第十六合成DID


第十七空间DID

  • GPT辅助的空间DID模型简介 
  • GPT驱动的空间DID基本操作及相关检验
  • 空间DID基本操作及相关检验
  • 案例23:空间DID中Product数据案例

第十八讲:让GPT带我们玩转机器学习

第十九讲:基于GPT辅助的机器学习与因果推断

  • GPT辅助的Lasso在因果推断中的应用
  • GPT辅助的Lasso在合成控制法中的应用
  • GPT辅助的Lasso在回归合成控制法中的应用 
  • AI驱动的机器学习在因果推断中的应用
  • 机器学习在合成控制法、断点回归、双重差分、匹配法等中的应用

第二十讲:双重机器学习(DDML)与GPT辅助分析

学习优势







2017-2024年,Stata经典课程延续


1、重软件操作、重实战是课程一直以来的优势与好评。控制人数的小班教学以确保每一位学员真正学到操作技能。


2、理论与软件并重,手把手教学,零基础起步,小白也能学会的Stata研讨班!


3、重要的事情说三遍,我们课程理论+软件并重,手把手带大家操作学习,并提供完整do文档以及数据、讲义、资料等!


4、小白也能学会的计量方法课,原理+操作+论文+前沿应用。


立体化服务体系







立体化的服务体系,真正保障学有所成!

  • 1、系统化的知识体系。知识点精细,学习成长路径更放心;
  • 2、授课的方式,课程理论与软件并重,采用理论介绍+软件操作+论文应用+解释结果+讲解答疑五维一体,手把手教你学Stata软件操作与案例分析
  • 3、全程答疑。有学习上的疑问,可与老师沟通解答。
  • 4、零基础起步,理论与软件并重,手把手教学,小白也能学会的计量班。
  • 5、免费领取课程讲义,数据,do文档和参考文献pdf;
  • 6、免费领取课程赠送视频及全套资料(do文档以及数据、讲义、资料书等)

课程详情







开课时间:
  • 时间:2025年1月16日--1月19日(4天)
  • 参会人数:限额60人,报名成功与否以实际付款为准,不接受口头报名。
  • 价格:教师:4000元/人,学生价:3600元/人
  • 授课形式:老师讲授指导、学员操作练习、线上答疑解惑。
  • 课程资料:提供PPT、课程讲义以及完整的do文档等。

优惠信息






缴费成功后都享受如下优惠

  • 1.同一单位3人及以上报名,9折优惠;
  • 2.同一单位5人及以上报名,8折优惠
  • 3、以上优惠不叠加


    学习目标






    1、掌握计量经济学及Stata操作,能够运用Stata完成复杂的数据处理工作,并熟练运用Stata完成写作;

    2、了解常用模型的思路、原理和建模方法,从源头数据库等数据下载、搜集、整理、管理,到Stata数据操作,提高实证分析水平;

    3、学完本课程,你将可以更轻松的读懂期刊上论文,并帮助你根据相关计量模型和方法,独立完成计量经济学模型建模以及实证分析!

    4、掌握面板数据及因果推断方法与Stata实现,更好的发表核心期刊论文

    5、一次学习,准确掌握机器学习与因果推断两大学术工具!


    学习对象







    经济及社科类高校青年教师、博士生、硕士生、高年级本科生。


    (1  从事经济学或者社会科学研究。2 想用面板数据及因果推断&机器学习方法发表核心期刊论文的经济及社科类高校教师、博士生、硕士生、高年级本科生)


    如何报名







    报名流程

    1、电话咨询,给予反馈,确认报名信息。

    2、交费(微信、支付宝或者对公转账等),报名前请确认信息。

    3、开课前发送培训通知以及软件准备,电子版预习资料等。

    4、开课后领取发票及邀请函。

    ▲扫描二维码立即报名哦

    2025年1月Stata寒假班--机器学习与因果推断专题课


    注意事项







    1、即日起接受报名,具体报名截止日期根据实际招生而定,人员招满将关闭报名通道。


    2、为保护知识产权,课程资料仅供内部学习使用。


    3、本课程一经报名,不允退换。


    4、本次会议可提供增值税普通发票,如需开具(请联系微信:Xindream1992),并根据自己单位财务部门要求填写抬头和类目信息(一旦开具不能重开),发票类目为:会议服务费、信息服务费、培训费、会议费、咨询费等,报名时可以直接任选其一,其他类目无法开具。


    5、会议邀请函通知及课程试看和报名咨询等直接联系工作人员。本次会议最终解释权归计量经济学服务中心所有。


    在线咨询:

    王老师

    电话:18710973211

    微信:Xindream1992


    Python社区是高质量的Python/Django开发社区
    本文地址:http://www.python88.com/topic/175709
     
    58 次点击