登录/注册 搜索
首页 / SEO基础 / seo基础知识文档型 「Stata+R」了!助教招聘关于我们温馨提示
返回

seo基础知识文档型 「Stata+R」了!助教招聘关于我们温馨提示

浏览次数:45 分类:SEO基础

连享会:R 语言初级

多开一扇门:我要「Stata+R」了!

妇科知识文档_seo基础知识文档型_qc知识培训文档

目录

6. 报名和缴费信息

7. 听课指南

8. 助教招聘

关于我们

温馨提示: 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码,直达原文:

妇科知识文档_qc知识培训文档_seo基础知识文档型

1. 课程概览方式: 网络直播 + 20天回放授课方式: 幻灯片+R 实操演示,全程电子板书+R 演示截图,课后以 PDF 形式分享给学员。授课嘉宾: 游万海 (福州大学)全程答疑: 15 位经验丰富的助教,答疑文档公布于 课程主页课程主页: PDF课纲:报名链接: 助教招聘 15 名: #

2. 授课嘉宾

seo基础知识文档型_qc知识培训文档_妇科知识文档

游万海,福州大学经济与管理学院副教授,主要研究领域为空间计量模型、分位数回归模型及相关实际问题的应用,已在《World Development》、《Energy Economics》、《Economics Letters》、《Finance Research Letters》、《Journal of Cleaner Product》、《Energy Sources, Part B: Economics, Planning, and Policy 》、《统计研究》等期刊发表学术论文 30 余篇,担任《Energy Economics》、《Journal of Cleaner Product》、《Economic Modelling》、《International Review of Economics & Finance》等期刊匿名审稿人。

3. 为什么要 Stata+R ?

我从 2003 年开始接触 Stata,几乎每天都用,快 20 年了。过去的一年中,我追踪因果推断、机器学习、政策学习 (Policy Learning)、模型平均化 (Model Averaging) 等领域的最新进展时,发现很多新方法的实现多以 R 语言为主。我逼自己花了 1 个多月去了解 R 语言,发现她有很多可爱之处,完全打消了我多年来对开源软件的误解。

与几位好友交流的结论是:一个软件包打天下的时代已经过去了,我们需要同时掌握多种工具,原因如下:

其一,学科之间的交叉融合。很多 Top 期刊的论文会由多位合作者协作完成,大家来自不同学校、不同专业,既有思想碰撞又可以发挥各自的比较优势。因此,一篇文章中同时使用多种软件或语言不足为奇,比如:

其二,统计和计量方法的快速发展。同样一个政策评价问题,往往有多种各有优劣的识别方法,为了确保结果的稳健性,往往需要同时使用多种方法和模型进行估计和检验。这也为实证分析工作提出了新的挑战:如何有效掌握多种方法,合理应用之?此时,同时掌握多个工具便是很好的选择。比如,就面板数据模型而言,Stata 具有绝对优势seo基础知识文档型,然而,在机器学习、文本分析和可视化等方面,R 语言和 Python 明显占优。尤其是最近十年中,很多基于大数据、机器学习发展出来的因果推断方法都是由统计学家主导的,而 R 是他们的主要工具。相比之下,Stata 在这些领域的更新速度就显得过于缓慢了。

目前,Stata 官方已经提供了与 Python 的交互功能,应该很快就会提供与 R 语言的交互 (目前,外部命令 rcall, rsource 等命令已经可以在 Stata 中执行 R 命令)。从 R 和 Python 的角度来看,二者都可以很轻松地读入 Stata 格式的数据,甚至执行 Stata 命令。

在这种大趋势下,我们的问题不再是「我该学习 哪种 软件?」,而是「我该学习 哪几种 软件?如何搭配?」

大体建议如下:

当然,这里只是列举各个工具的典型优势,至于最终选择 Stata+R 还是 Stata+Python,抑或其它组合完全取决于我们的研究领域和个人的偏好。

简言之,我们应该 掌握多种软件和语言,把更多的精力放在选题、深度思考上,而不是 重复造轮子,把精力放在复杂编程上。

对于多数已经具有 Stata 基础的同学而言,R 或 Python 很容易上手,大道至简,很多基本思想和语法都相通。即使仅仅掌握如何在 R 软件中调用各类包,学会运行命令也足为我们开启一扇新的大门。

作为一个 Stata 老用户,我为自己的「叛变行为」感到自豪,这种「反叛」意味着更开放、更包容的学习态度。

基于上述考虑,连享会在后续的课程中会尝试促进各个工具软件的融合使用。本次课程seo基础知识文档型,我们邀请了有多年 R 使用和编程经验的游万海老师,帮助大家搭建起 R 语言的学习框架,以便为后续的进阶学习打好基础。

by 连玉君 (连享会课程负责人)

2022/9/9

4. 课程导引

作为一门免费、开源的语言,R 被广泛应用于 数据挖掘、机器学习、数据可视化、计量经济学和空间统计 等领域。正是因为其拥有众多使用者,大量的外部包被开发应用于各个领域 (18549 个,截止 2022.8.28)。这也是 为什么 R 体积小,功能却如此多 的原因所在。

R 用户群体非常庞大,且呈现逐年递增趋势,资源丰富,遇到的问题大都能找到答案,如 统计之都论坛、RWeekly、stackoverflow 等。这就带来很多益处,包括:

在此次课程中,力求通过三天课程的系统学习,实现如下目标:

其一,建立起 R 的基本架构,熟知 R 能做什么、如何做,以期为后续学习打下宽厚扎实的基础;

其二,掌握使用 R 进行实证分析的流程,从数据导入与整理、模型估计、表格图形输出,以及文档的制作。这样可以避免繁琐的图表插入,大大提高论文写作效率。

在内容安排上,基本上遵循了由浅入深,循序渐进的原则。

第 1-3 讲 依序介绍 R 的基本用法、常规数据处理、程序编写,学习这些内容对于提高实证分析能力和分析效率大有裨益。同时,也会同时列出一些常用命令的 Stata 和 R 代码,通过平行的比较,以便大家将 Stata 的经验迁移到 R 语言学习中,做到融会贯通。其实,不管是 Stata,R,或是 Python,都可以相互调用。比如,借助 PyStata,用户可以直接在 Stata 17 中执行 Python 指令;R 中最受欢迎的编辑器 RStudio 可以直接运行 Python 指令,稍加设置即可调用 Stata 指令。

第 4-5 讲 介绍文本分析处理和文本数据分析方法,包括各类文本数据的读取、匹配、抽取等,以及文本相似度、文本复杂度计算和主题模型。

第 6 讲 介绍实证分析可视化中常见图形的绘制,包括散点图、线形图、相关矩阵图、雷达图等,通过讲解,希望各位同行不仅能够自行绘制这些图形,更重要的是要了解这些图形的应用场景。

具体说明如下:

5. 专题介绍A1. R 语言基础A2. R 语言程序A3. 数据处理A4. 文本数据清洗A5. 文本数据分析A6. 实证分析可视化参考文献

您好!请登录

点击取消回复

    购物车

    X

    我的足迹

    X
    FUNION飞优免费测评网站质量:
    定制方案
    x

    力荐定制全网营销型网站已有10967548位客户定制营销型网站方案

    网站类型*
    建站目的*
    建站周期*
    行业类型*
    公司名称* 姓名* 手机号码*
    适合您的网站类型 ? 建站类型 ? 建站目的 ? 建站要求? 建站预算? 预期周期? 交付周期?
    我要定制

    飞优

    网站建设 | SEO优化 | SEM托管 | 信息流推广 | 口碑营销

    姓名
    邮箱
    手机
    留 言: