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.
在这篇文章发布后，群友推荐了另一个经济研究机器学习包codecon。说是，具有完整的指导，一行命令实现大部分nlp任务，对其帮助很大。这个codecon宗旨挺有意思，用开源的方式帮助经济学研究者轻松实践机器学习方法,推动AI for Economics 。
特点也非常符合AI for Economists，包括1.低代码:尽可能减少代码量与计算机知识要求,根据需求自动挑选模型、配置最优参数；2.为经济学而生:参考经济学最新研究成果,设计符合经济学研究需要的功能 ；3.清晰指南:从python安装,服务器租借与使用,到算法深度介绍；4.持续更新: codecon将追踪产业界、学术界最新动态持续更新。
关于机器学习：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？
具体如下，可以看看：
codecon v1.1 特点(26 Oct 2024)
经济学研究中大多数与文本分析相关任务都属于归类(Classification)问题。例如,情感分析(正向情感VS负向情感)、前瞻性分析(前瞻VS非前瞻)、是否与数字化转型相关(与数字化转型有关VS与数字化转型无关)。
Prof. Melissa Dell(2024) 提供了一个非常实用的经济学研究的文本分类任务实践流程,本次更新对该流程进行了完整实现与补充。
第一,文本分类的机器学习实现主要有两个途径
- 有监督学习:标注少量数据后训练基于深度学习的文本分类器
- 生成式AI标注:使用生成式AI,调整提示词,直接对文本进行标注
第二,在使用有监督学习方法之前,可以借助词向量(Embeddings)辅助启发、扩充标签- 训练集扩充:通过计算词向量之间的相似度(语意相似度)辅助拓展训练集
- 四行命令实现BERT文本分类器训练全流程(标签启发,训练集扩充、模型训练、模型预测)
经济学家非常喜欢 Prof. Melissa Dell 的工作,严谨、实用、有深度。上手也非常容易，只要跟着它的指南手把手安装和使用就行。安装
强烈建议新建一个虚拟环境以运行codecon库。如果你很熟悉虚拟环境或租借服务器的步骤，可以直接跳过；如果你是初学者，请一定仔细阅读以下使用-环境配置的说明后后再进行安装。
pip install codecon --upgrade -i https://pypi.org/simple
如果安装过于缓慢,可以打开全局梯子后重新pip，或者尝试
pip install codecon --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple
或者通过github clone此项目
git clone https://github.com/mickwzh/codecon.git
为了方便大家实践codecon, 准备了一个关于情感分类(二分类)的数据集供大家下载
百度网盘: https://pan.baidu.com/s/1dIrQQnOl6spZv6Jet48eQA?pwd=dvqm
提取码: dvqm
使用
环境配置
所谓环境，是指一套符合当前所需功能的工具包。python的方便之处在于有大量封装好的工具包；但这些工具包往往依赖于其他的工具包。- 假设
A和B两个python库分别使用的是C1和C2, C1和C2是C的两个不同版本，一个环境里通常只能安装一个C- 所以如果先安装了
A，就会导致安装B出错 (C的版本不兼容); 反之亦然。
如果你通过pip的方式安装codecon，其会自动配置好实现codecon的环境，但前提是你的旧环境中没有与codecon所依赖的工具包相冲突的工具包。这里提供了适合初学者上手的两种（无代码）创建新环境的方案：ANACONDA&Spyder(本地运行) 和 Featurize&JupyterNote(在线运行) 。点击可获取相应pdf版指南。关于具体使用等，可以具体看看它所在界面：
关于Melissa Dell，1.2020年小诺奖得主Dell关于如何做研究, 对年轻经济学家的建议！3.Mita, 2020小诺奖RDD女王最具影响力的成名作, 附数据和计量程序，4.“RDD女王”获2020年小诺奖！她的RD数据, 程序, GIS和博士论文可下载！关于她学术研究过程的最全采访！，5.世界计量经济学会宣布2020年新当选院士和新主席, 国人当选情况在情理之中但意料之外！6.AER上用断点回归设计RDD的实证文章有哪些？含程序和code, 不看至少需要收藏一下！7.如何做量化研究的文献评述, 基于政权变更, 集体行动和经济发展，8.TOP5的JPE新任主编和编辑介绍, 提前了解其研究方法和擅长领域! 9.TOP5上天才般神作, 没有足够的洞察, 很难想出这样的实证策略，10.她极度近视, 却凭该TOP5文掌控着关于殖民制度长期影响研究的话语权！
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。
8年，计量经济圈近2500篇不重类计量文章，
可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle
计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。
