Python&Stata数据分析课寒假工作坊

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。

时间地点

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）

主讲嘉宾介绍

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。

模块1 Python数据采集&文本数据分析

Day 1 上午  邓旭东

Python语法入门  

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

Day 1 下午 邓旭东

Python网络爬虫  

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

Day 2 上午 邓旭东

文本分析入门 

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

Day 2 下午 邓旭东

文本分析进阶 

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-计算消费者异质性信息

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.

模块2 Stata 应用能力提升与实证前沿

Day 1 上午 江艇

因果推断导论 

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（Heckman两步法）

Day 5 上午 王非

数据的获得及处理方法 

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

3、合成控制法的基本原理和前提假设

4、合成控制法的运算、解读和检验

5、合成控制法的软件操作及论文结果现场复制

Day 6 上午 王非

工具变量法理论与实操  

1、工具变量法的基本原理和前提条件

2、工具变量法的操作步骤

3、工具变量的寻找方法

4、工具变量的有效性检验

5、工具变量法的软件操作及经典论文现场复制

Day 6 下午 王非

断点回归法理论与实操  

1、断点回归法的基本原理及两类情形

2、断点回归法的估计过程

3、断点回归法的一揽子检验

4、断点回归法的软件操作及前沿论文现场复制

相关信息

参会费用

模块Ⅰ：2500元/人；

模块Ⅱ：4800元/人；

优惠政策：两个模块一起报名九折；三人及以上九折；五人及以上八折；老学员九折；学生优惠200元/人。交通与食宿费自理，提供歌江维嘉大酒店周边住宿信息。

住宿安排

工作坊签约四星级酒店，标间或大床房每天约350元，含自助早餐；或附近旅馆标间、大床房每天约200元，会务组提供住宿咨询。

交通路线指南

报到地点：钱塘新区高教园区东区27号大街301号(地铁1号线云水站旁)歌江维嘉大酒店；

1. 杭州东站 搭乘 地铁1号线下沙江滨方向（注意不要选择间隔的临平方向），40分钟即达 报到地点

2. 萧山国际机场 打的 约半小时到达报告地点

报名缴费信息

单位：杭州国商智库信息技术服务有限公司

开户银行： 中国银行杭州大学城支行

银行账户：6232636200100260588

报名时间：从即日起（按缴费顺序安排教室座位）。

咨询电话:  [phone]（丁老师）

欢迎大家

进群咨询！

特别提醒

为不影响各单位、老师、同学的日常工作和学习，工作坊安排在假期举办。如果一些机构寒假期间暂停财务工作，建议拟报名同学老师在之前办理相关事项，报到则可拿到发票，以免等到春季开学办理而可能有所影响相关程序。