为推动我国经济、统计等社会科学量化研究方法学习与应用，培养和训练社会科学相关领域的青年学者、硕博士研究生，促进社会科学相关领域研究方法科学化规范化，
《python爬虫与stata应用能力提升与实证前沿寒假工作坊》
提供一个高水平的学术交流、研究方法普及与研究经验分享的学术平台。工作坊采用模块式教学方法，不仅侧重经济、统计等社会科学量化基本方法的介绍，而且更加注重研究设计与研究选题训练，注重理论与实践相结合，培养学员的社会科学量化分析研究的综合能力。
在过去的两年间，Python一路高歌猛进，成功窜上“最火编程语言”的宝座。更可怕的是，Python不仅仅在程序员的圈子里很火热，在程序员的圈子外也十分受欢迎，从经济学、管理学、会计学到医学等等都在学习这样一门语言。主要原因在于，无论是Web程序开发、桌面程序开发还是科学计算、图像处理，Python都可以胜任。
本工作坊邀请走在爬虫分析和实证前沿前端的学者，可谓
更强联手的重磅组合，期待在不断升级的富有现场即视感的软件平台，给您带来最前沿计量理论与扎实操作基础并重的高质量课程。
开班时间
1月9-10日
Python爬虫&文本数据分析(模块
Ⅰ
）
1月11-16日
Stata 应用能力提升与实证前沿(模块Ⅱ)
地点
浙江
·
杭州（浙江工商大学）
邓旭东
：
哈尔滨工业大学(HIT)管理学院信息管理系统方向在读博士。曾在多所大学做数据采集和文本分析
分享
，运营【公众号：大邓和他的Python】主要分享Python、爬虫、文本分析、机器学习等相关内容。
江艇：
香港科技大学商学院经济学博士，中国人民大学经济学院副教授，人大国家发展与战略研究院研究员，人大微观数据与实证方法研究中心副主任，美国哥伦比亚大学商学院访问学者。主要研究领域为经济增长与发展、城市经济学、新政治经济学，在Economics Letters、Review of Development Economics、《经济研究》、《管理世界》、《世界经济》等国内外著名学术刊物上发表多篇论文。曾应邀在多所高校讲授“应用微观计量经济学”短期前沿课程，学员反响热烈。
司继春
（慧航）：
上海对外经贸大学统计与信息学院助理教授，主要研究领域为微观计量经济学、产业组织理论。在 Journal of Business and Economic Statistics、《财经研究》等学术刊物上发表多篇论文。其实，大家更熟悉的是知乎上大名鼎鼎的[慧航]，拥有 219,753 个关注者，获得过 110,578 次赞同，他就是司继春老师 —— [慧航]。
王非：
美国南加州大学经济学博士，中国人民大学劳动人事学院副教授，人大国家发展与战略研究院研究员，全球劳动组织（GLO）会员，中国就业研究所副研究员。主持国家自然科学基金青年科学基金项目。主要研究领域为劳动经济学、人口经济学、主观福祉等，在 PNAS，Journal of Happiness Studies，Journal of Population Economics，China Economic Review，《人口研究》等国内外权威期刊上发表多篇论文。曾多次讲授微观实证研究方法，广受好评，《Stata简明讲义》作者。
Python跟英语一样也是一门语言
环境配置、pip安装
jupyter notebook使用方法
数据类型
for循环、if逻辑、try-except
常用函数、常用库
常见问题解决办法
网络爬虫原理
开发者工具使用
数据抓包
requests库
pyquery库
元素（数据）定位
数据存储（txt，csv）
案例1：天涯论坛
案例2：大众点评
案例3：BOSS直聘
案例4：百度企业信用
案例5：京东评论
文本分析应用场景
txt、pdf、word等类型文件的数据读取
中文分词-jieba库
可视化-pyecharts库
英文通用情感词库-Harvard-IV4
英文金融会计领域情感词库Loughran&MCdonald
常见的中文情感词典
中文情感词典的构建及使用
数据分析-pandas库
案例1-词频统计
案例2-制作词云图
案例3-海量公司年报文本分析
案例4-使用情感词典进行情感计算
什么是机器学习
监督学习与非监督学习
使用机器学习进行文本分析的步骤
表达文本数据信息的方式（独热编码、词袋法、TF-IDF）
文本可读性计算
公司年报信息含量(标准信息与特有信息)计算思路
理解特征矩阵、语料、文档、特征
机器学习库-sklearn语法学习
了解协同过滤-推荐系统
案例1-在线评论情感分析
案例2-文本分类
案例3-LDA话题模型
案例4-用户画像
了解文本分析在经管研究中使用情况，可以参考
[1]沈艳,陈赟,黄卓．文本大数据分析在经济学和金融学中的应用：一个文献综述[EB/OL].
http://www.ccer.pku.edu.cn/yjcg/tlg/242968.htm,2018-11-19
[2]Loughran T, McDonald B. Textual analysis in accounting and finance: A survey[J]. Journal of Accounting Research, 2016, 54(4): 1187-1230. Author links open overlay panelComputational socioeconomics
[3]王伟,陈伟,祝效国,王洪伟. 众筹融资成功率与语言风格的说服性-基于Kickstarter的实证研究.管理世界.2016;5:81-98.
[4]Wang, Quan, Beibei Li, and Param Vir Singh. "Copycats vs. Original Mobile Apps: A Machine Learning Copycat-Detection Method and Empirical Analysis." Information Systems Research 29.2 (2018): 273-291.
1、何为因果推断？
2、传统因果模型
3、实验数据与观测数据
4、观测数据研究的基本挑战
5、潜在因果模型
6、分配机制与识别假设
7、潜在因果模型与传统因果模型的关系
Day 1 下午
江艇
截面数据因果推断的参数和非参数方法（上）
1、非参数方法的工作原理
2、参数方法的工作原理
3、插曲之一：线性回归中的控制变量
4、插曲之二：交互项模型
Day 2 上午
江艇
截面数据因果推断的参数和非参数方法（下）
1、 参数方法与非参数方法的比较
2、 匹配方法实操
3、（选讲）逆概率加权与双重稳健估计
4、（选讲）条件平均处理效应
Day 2 下午
江艇
面板数据因果推断的参数和非参数方法
1、
面板数据固定效应模型
2、
双重差分法的识别和估计
3、
双重差分法常见问题剖析
4、
双重差分与匹配的结合
5、
（选讲）半参数双重差分估计
6、
非参数方法初步及其与参数方法的区别和联系
7、
（选讲）模糊双重差分
Day 3 上午
司继春(慧航)
Stata基础与Stata16新功能
1、
Stata基础：基本操作与数据操作、数据框操作
2、Stata基础：分类变量与数值变量的描述性分析
3、Stata进阶：宏
4、Stata进阶：条件与循环
5、Stata进阶：Stata与Python的结合
Day 3 下午
司继春(慧航)
OLS：预测与解释
1、如何估计条件期望：OLS
2、预测：过拟合、欠拟合与交叉验证
3、预测：使用LASSO回归进行变量选择
4、HCW方法的LASSO方法实例
5、作为因果推断的OLS：控制变量与固定效应
6、作为因果推断的OLS：系数的解释
7、作为因果推断的OLS：异方差稳健标准误与聚类标准误
Day 4 上午
司继春(慧航
)
面板数据与动态面板模型
1、面板数据：固定效应与随机效应
2、面板数据：交互固定效应
3、工具变量简介
4、动态面板模型的实现：差分GMM与系统GMM
5、动态面板应用举例
Day 4 下午
司继春(慧航)
离散选择模型与非线性模型选讲
1、
分位数回归
2、
离散选择模型：
Probit
、
Logit
回归
3、
计量经济学中的离散选择模型：理论基础与解释
4、
多元选择模型：多项
Logistics
回归
5、
多元选择模型：顺序选择模型
6、
多元选择模型：分类树、随机森林及其
Stata
实现
7、
其他非线性模型：删失样本模型（
Tobit
模型）、样本选择模型（
H
eckman
两步法）
1、常见公开数据库介绍
2、数据的获得和熟悉
3、数据清理流程
4、数据描述方法
Day 5 下午 王非
数据分析流程、遗漏变量偏误及合成控制法
1、数据分析“三件套”：稳健性、异质性和机制分析
2、遗漏变量偏误的估算
