当因果推断

遇见DDML和DeepSeek-

基于设计的计量经济学

2025年 8月 成都专场

已拉群发资料：

每章都有配套do文档：

培训安排：

培训时间：2025年8月14-17日（四天）

培训安排：上午9:00-12:00；下午14:00-17:00；课后答疑

培训方式：成都现场同步线上直播

* 参加现场提供交通住宿指南，会议酒店住宿提供协议价（含早）；

* 现场班根据缴费顺序安排座位，现场名额限30人。

* 现场与远程均提供录播回放，赵西亮老师亲自答疑。

讲师介绍

赵西亮教授，现任厦门大学经济学院和王亚南经济研究院经济学教授、博士生导师。

清华大学经济管理学院数量经济学专业博士，美国康奈尔大学和芝加哥大学访问学者，加拿大西安大略大学经济系博士后。

长期从事中国经济和应用计量经济学研究，编著教材《基本有用的计量经济学》，被京东评为“十大构思细腻的大学教材”之一。

赵教授在《经济研究》、《经济学》（季刊）、《数量经济技术经济研究》、《World Economy》等国内外重要期刊发表论文数余篇，同时是China Economic Review，《经济研究》、《管理世界》、《经济学（季刊）》、《世界经济》等国内外重要期刊的匿名审稿人。

课程亮点

前沿理论与方法的深度剖析

赵西亮老师将带领我们深入学习统计推断的基本内容，从线性回归、饱和模型、二元选择模型，到带惩罚项的线性回归，如Lasso、岭回归等，再到Neyman正交、Double Lasso等前沿方法，让我们对参数估计方法有全面而深刻的理解。同时，详细讲解潜在结果框架、因果图等理论基础，帮助我们构建坚实的因果推断理论体系。

因果推断全流程的系统讲解

课程涵盖了因果推断的整个流程，从定义因果效应参数，到选择合适的识别策略，再到估计统计参数，每一步都详细讲解，让学员能够清晰地掌握因果推断的逻辑框架。无论是随机化实验、非混杂性条件下的因果效应估计，还是工具变量法、固定效应方法、双重差分法等具体方法的应用，都有详尽的案例分析和实操指导。

高维数据与因果推断的紧密结合

随着大数据时代的到来，高维数据成为了我们研究中常见的挑战。课程新增的高维协变量下的统计推断和因果推断方法，将帮助我们更好地应对这一挑战。通过学习Chernozhukov等人发展的理论，包括双重Lasso和双重机器学习等方法，学员能够掌握在高维数据环境下进行因果推断的有效途径。

人工智能大模型的助力

结合DeepSeek/Grok + Stata数据处理，是本次课程的一大亮点。借助人工智能大模型的力量，我们可以更高效地进行数据编程和学术研究。这不仅能够提高数据处理的效率，还能为研究提供新的思路和方法，让学员在科研工作中如虎添翼。

实战案例与实操指导

课程中将通过大量的实战案例，帮助学员更好地理解和应用所学知识。从班级规模与学习成绩的研究，到种族与就业歧视的分析，再到移民冲击和工资的影响等，这些案例覆盖了经济学研究的多个领域，让学员能够将理论与实际相结合，提升解决实际问题的能力。同时，课程还提供实操指导，让学员在实践中掌握各种方法的应用技巧。

课程收获

理论知识的全面升级

学完本课程，你将对统计推断和因果推断有全新的认识。不再局限于传统的线性回归等方法，而是能够掌握多种前沿的参数估计和因果推断方法，如双重机器学习、因果中介分析等。同时，对因果效应参数、统计参数和统计量之间的区别有清晰的理解，能够准确地定义研究问题中的因果效应参数，为后续的分析奠定坚实的基础。

研究方法的灵活运用

课程涵盖了多种因果推断方法，如随机化实验、匹配、倾向指数匹配、逆概率加权、工具变量法、固定效应方法、双重差分法等。通过学习这些方法的理论基础和应用实例，你将能够根据不同的研究问题和数据特点，灵活选择合适的方法进行因果推断。无论是处理复杂的高维数据，还是面对交错政策等特殊情境，都能够运用所学方法进行准确的因果效应估计。

科研效率的显著提升

借助DeepSeek/Grok + Stata数据处理，你将掌握如何利用人工智能大模型来提高科研效率。从数据的预处理、清洗，到模型的构建和结果的解读，大模型都能够为你提供有力的支持。这将大大节省你的时间和精力，让你能够更专注于研究问题本身，提高科研工作的整体效率。

学术研究的深度拓展

通过学习课程中的前沿理论和方法，你将能够拓展自己的学术视野，为未来的学术研究提供更多的可能性。无论是深入研究某一领域的因果关系，还是探索新的研究方向和方法，本课程都将为你提供坚实的理论基础和实用的工具支持。同时，与其他学员的交流和互动，也将为你带来新的灵感和合作机会。

培训大纲

尹老师

电话：13321178792

QQ：42884447

WeChat：JGxueshu