京公网安备 11010802034615号
经营许可证编号:京B2-20210330
说量化研究难,
“知其然知其所以然,知其然知其何以用”
7月25-27日三天
经管之家学术研讨会
特邀请量化研究大师和当红社会定量分析名师王存同教授
带我们从线性回归走向因果推断!
因果推断(causalinference),缘起人类的本能或经常自发提出的一个简单问题:为什么(why)?事实上,作为科学研究的核心与宗旨——因果推断就是关于此问题的严肃思考、科学验证或因果分析(causal analysis)。目前,因果推断模型与方法受到了经济学、金融学、社会学、管理学、人口学及公共卫生等领域的重视和青睐,并成为实证研究的核心利器。但因果推断并非轻而易举之事,正如约翰・杜威(John Dewey)所述,“科学的法则与规律,并不位于自然界的表层,而是隐藏在暗处,我们必须主动利用精心设计的探索技巧把它们从自然中剥离出来。”
研讨会概要
会议时间:2020年7月25-27日(三天)
会议方式:远程直播,提供三天录播回放
会议安排:9:00-12:00, 14:00-17:00, 研讨
会议详情:http://www.peixun.net/view/1661.html
嘉宾简介
王存同老师
人口学博士,中央财经大学教授。
博士毕业于北京大学(与 University of Michigan 合作培养),博士后研究员就职于美国伊利诺伊大学(University of Illinois at Urbana-Champaign)。主要从事社会统计及计量经济分析、人口健康学等领域的研究与教学。2013年入选教育部新世纪优秀人才计划,兼任北京大学社会科学方法培训教授、美国PAA、国际IUSSP会员及IUSSP 社会科学定量方法培训专家组成员、美国伊利诺伊大学合作研究员及中国青少年性健康教育委员会副主任委员等。曾在《中国社会科学》《社会学研究》,ChineseSociological Review, Schizophrenia Research 等期刊发表论文近百篇,出版著作6 部;主持国家社科基金项目2 项、横向课题 12 项。
小插曲:
王存同教授长期兼任北京大学等多个高校社会科学方法的培训教授,授课生动活泼,通俗易懂,拥有众多粉丝。每逢王老师在中央财经大学沙河校区(距市区约2小时地铁的距离) 开讲时,小伙伴们便像候鸟般赶赴沙河。每次上课总是座无虚席,或席地而坐、或背墙而立......若想在教室前排的过道台阶上抢个位置,那可是要早早出动的。
专题概况
因果推断模型与方法是现代社会科学研究者利用计量模型发表高水平实证论文的核心利器。《从线性回归走向因果推断》(From Linear Regression to CausalInference)专题讨论会,重在讨论如何利用Stata软件进行因果推断。在专题讨论与演示中,将因果推断模型与统计软件的应用与操作有机结合,力图与大家在较短时间内分享因果推断的基本思想、原理、模型、方法及适用范围,并以真实数据为演示案例,与大家分享因果推断的思辨、模型构建、软件应用及结果解读的能力,为发表高水平的实证研究论文奠定基础。
在专题讨论的内容安排上,基于对线性回归模型核心内容及计量建模方法、原则的回顾,将利用大量篇幅讨论因果推断的基本概念、思想、原理、方法及模型应用。
专题讨论特色
1、专题讨论定位明确。该专题讨论并非专业数理统计学教学或计量培训课程,不会出现烦琐的公式推导。专题讨论重在应用,即在基本熟悉因果推断思想的基础上,进行数据分析、软件应用及模型解读,实现理论与应用的结合。
2、讨论重点突出。讨论因果推断原理及主流模型时,重点关注基本统计思想及应用范围、条件、数据处理难点及模型参数的解读。
3、内容细致实用。应用Stata软件来加强与实现因果推断模型、方法的分享与讨论,各专题都附带完整的Stata实现过程(do文档)和真实数据,大家无需进行烦琐编程,即可快速实现数据分析及建模任务。
4、在线参与沟通。大家可自带数据运行,并在线答疑。
5、论文经验分享。与大家分享定量研究论文写作、投稿、修改,以及与编辑部、导师和合作者沟通的实用技巧。
6、嘉宾风格鲜明。专题讨论嘉宾认真敬业,讲课风趣幽默,引人入胜,有强大的人格魅力,感染力极强,屡屡被学生评为计量教学“人气最佳”的教授,为全国学生最受欢迎的计量模型教学的教师之一。他多年在北京大学等高校主讲社会科学定量方法暑期培训专题讨论,多名学生评价其“统计专题讨论如小说般引人入胜,不忍下课”、“讲解系统且实用性强”,已有多名学生成功应用所学发表高水平量化论文若干。
专题内容
本专题讨论主要涵盖如下六个专题(每讲3个小时)。在讲解每个模型时,都将结合完整的 Stata 实现文档与学员共同进行实例操作,并提供完整的 .dta, .do 文档等资料,以便大家演练和应用。
各讲主要内容及参考文献列举如下:
专题1 多元回归与建模原则
作为因果推断的基础——多元回归
基本假定与计量模型的脉络及发展
计量建模原则与分析策略
案例与Stata操作
专题2~3 因果推断:工具变量回归(Instrument variable, IV)
内生性问题与解决路径
工具变量选择的方法及分类
工具变量的检验
工具变量回归模型(2SLS+GMM)
案例与Stata操作
专题4-6 因果推断:常用方法与模型
回归模型与因果解释
尤尔-辛普森悖论
Rubin因果模型(Rubin Causal Model, RCM)
决策理论因果模型(decision-theoretic causality)
因果图(Causal Diagram: DAGs)
格兰杰因果关系检验(Granger causality test)
双重差分估计(difference in differences estimate, DID)
倾向值匹配法(propensity score matching, PSM)
固定效应模型(fixed effect model, FEM)
随机效应模型(random effect model, REM)
断点回归设计(regression discontinuity design, RDD)
案例与与Stata操作
专题读物
研讨会费用
3600元/3200元(学生优惠价仅限全日制本科及硕士在读)
提供“会议费”发票及会议通知(电子版和纸质版)
优惠信息
1、经管之家学术班老学员9折优惠(含专题课学员);
2、王存同老师老学员8折优惠;
3、2人同行9折优惠;
4、3人及以上同行8折优惠。
(以上优惠不叠加)
报名咨询
尹老师
电话:010-53352991
QQ:42884447
邮箱:yinna@pinggu.org
WeChat:yinyinan888
报名流程
1、点击https://passport.pinggu.org/login/index?appId=21&redirect=http%3A%2F%2Fwww.peixun.net,在线提交报名信息;
2、论坛账号登录,提单支付(支持支付宝,微信,银联(公务卡));
3、缴费后发送会议资料;
4、7月24日下午进行远程测试;
5、会议后快递发票与会议通知。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18