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。
快速入口
本周安排
第 7 周：结构估计应用
- 核心主题：随机效用需求、价格弹性、合并模拟、进入博弈、引力模型与 AI 辅助结构工作流
- 幻灯： 第 7 周讲义
- 详稿： 第 7 周详细讲义
- 基础回顾： 第 6 周结构估计基础 ｜ 第 6 周算法补充讲义 ｜ 第 6 周详细讲义
- 后续安排：第 8 至第 9 周材料将按授课进度陆续发布
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 2026-05-22
第 5 周因果机器学习材料已发布
第 5 周讲解 prediction vs causal inference、LASSO/post-LASSO、DML、causal forests、HTE 和 AI 辅助变量选择审计，并配套 EconML 的 DML 实验。
新发布 2026-05-22
第 6 至第 7 周结构估计材料已发布
第 6 周讲解结构估计的模型原语、识别、仿真和数值基础；第 7 周进入需求估计、合并模拟、引力模型和政策反事实。
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。
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。
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。
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 |