课纲速览: 第一天:系统学习传统 DID 与多期 DID 核心知识,涵盖模型构建、AI赋能的 Stata 自动化实现、平行趋势及安慰剂检验实操,并精读 3 篇顶刊例文掌握实证应用。 第二天:深入讲解 DID 模型扩展与空间 DID,掌握 PSM-DID、模糊 DID 的自动化实现与优化,学习空间效应分解及溢出效应下的稳健估计,同时精读 6 篇经典例文完成理论与实操的结合。 第三天:系统梳理交叠 DID 最新应用脉络,讲解 TWFE 估计偏误来源与交叠 DID 检验方法,结合AI 实现识别、图示法及 Bacon 分解等自动化操作,并解读 4 篇核心文献掌握理论与应用逻辑。 第四天:全面学习交叠 DID 各类主流估计量,从组别 - 时期平均处理效应到合成 DID,依托AI完成各估计量的 Stata 自动化实现与应用,同时解读 9 篇经典文献,实现理论、代码与实证研究的深度融合。
课纲速览: 第一天:夯实 Python网络爬虫入门知识,讲解爬虫核心原理与基础语法,结合实操完成简单静态网页的数据爬取与处理,掌握 AI 辅助爬虫的基础思路。 第二天:深入学习动态网页爬虫技术,掌握 Selenium、Playwright 等工具的使用,解决验证码、IP 代理等爬虫常见问题,借助 AI 工具优化爬虫代码编写效率。 第三天:开启文本分析核心学习,讲解文本数据清洗、分词、特征提取等基础操作,掌握 TF-IDF、Word2Vec 等经典方法,结合 AI 实现文本预处理的自动化。 第四天:进阶学习文本分析高阶应用,涵盖深度学习文本分类、情感分析等内容,整合爬虫与文本分析全流程实现实战应用,同时讲解 AI 辅助文本分析的高阶技巧与师资教学落地方法。
三大课程共同核心优势
AI 深度赋能:所有课程均融合 AI 大模型,实现代码自动化、写作智能化、分析高效化,告别低效科研;