经济与商务实证研究方法

Empirical Methods in Economics and Management Studies

2026 春季学期 | 中国人民大学商学院研究生课程

本课程围绕简约形式因果推断、因果机器学习、结构估计、LLM 文本分析与 AI 研究自动化五条主线展开，目标不是让学生“更快地写代码”，而是帮助学生在 AI 时代更稳健地提出研究问题、验证识别策略并组织可复现的研究流程。

进入第 4 周讲义 查看课程大纲

快速入口

本周讲义

第 4 周聚焦现代 DiD、交错处理与合成控制，是本学期方法链条的关键节点。

查看幻灯

查看详稿

课程大纲

查看课程目标、AI 使用规范、成绩构成、9 周安排与各周材料发布状态。

进入课程大纲

课程资源

集中查看环境配置、核心阅读、研究工具与本地文献库入口。

进入资源页

环境配置

第一次进入课程，建议先完成 VS Code、Python、Quarto 与 Stata/R 的基本配置。

查看安装与配置

本周安排

已发布 当前建议优先完成

第 4 周：现代 DiD 与合成控制

课程概览

简约形式因果推断

双重差分法、断点回归、工具变量、合成控制法与识别诊断。

因果机器学习

双重 / 去偏 ML、因果森林、异质性处理效应与模型验证。

结构估计

需求估计、引力模型、机制分析与反事实政策模拟。

LLM 文本分析

提示标注、效度检验、测量误差诊断与下游经验研究应用。

AI 研究自动化

审计轨迹、复现治理、智能编码与研究流程自动化。

课程动态

新发布 2026-04-25

第 2 周材料已发布

第 2 周《计算基础与工作流》课件与详细讲义现已上线，适合第一次搭建课程工作环境的同学优先使用。

查看第 2 周课件

查看第 2 周详细讲义

更新 2026-04-19

课程结构调整为 9 周

原先并列的 DiD 内容拆分为“经典 DiD”和“现代 DiD 与合成控制”两周，便于将识别逻辑、估计量差异与实操练习分开消化。

查看第 3 周讲义

查看第 4 周讲义

新发布 2026-04-18

第 1 周材料已发布

第 1 周聚焦研究设计、因果推断与 AI 时代的实证研究边界，可作为整个学期的方法总入口。

查看第 1 周课件

查看第 1 周详细讲义

第一次访问建议

第 1 步：完成安装与配置

先安装 VS Code、Python 插件、Quarto，并确认自己已准备好 Stata 或 R。

第 2 步：通读课程大纲

重点关注成绩构成、AI 使用规范与 9 周材料发布状态，避免把“课程承诺”和“已发布资源”混为一谈。

第 3 步：打开当前讲义

按“当前已发布材料”顺序学习，并优先完成对应实验室练习。

课程联系与安排

项目 信息
教师 陈志远
邮箱 chenzhiyuan@rmbs.ruc.edu.cn
办公地点 商学楼316（通州校区）
上课时间 周五 14:00-17:30
上课地点 商学楼103（通州校区）
答疑 预约制