凡是搞计量经济的，都关注这个号了
邮箱：[email protected]
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
前些日，咱们圈子引荐了①“实证研究中用到的200篇文章, 社科学者常备toolkit”、②实证文章写作常用到的50篇名家经验帖, 学者必读系列、③过去10年AER上关于中国主题的Articles专辑、④AEA公布2017-19年度最受关注的十大研究话题, 给你的选题方向，受到各位学者欢迎和热议，很多博士生导师纷纷推荐给指导的学生参阅。
之前，咱们小组引荐了1.Python中的计量回归模块及所有模块概览，2.空间计量软件代码资源集锦(Matlab/R/Python/SAS/Stata), 不再因空间效应而感到孤独，3.回归、分类与聚类：三大方向剖解机器学习算法的优缺点（附Python和R实现），4.机器学习第一书, 数据挖掘, 推理和预测，5.从线性回归到机器学习, 一张图帮你文献综述，6.11种与机器学习相关的多元变量分析方法汇总，7.机器学习和大数据计量经济学, 你必须阅读一下这篇，8.机器学习与Econometrics的书籍推荐, 值得拥有的经典，9.机器学习在微观计量的应用最新趋势: 大数据和因果推断，10.机器学习在微观计量的应用最新趋势: 回归模型，11.机器学习对计量经济学的影响, AEA年会独家报道，12.机器学习，可异于数理统计，13.关于机器学习的领悟与反思等，受到很多年轻学者的推崇和积极评价。
上一日，咱们引荐了“因果推断研究小组惊动了阿里巴巴！”，受到了很多业界和学界人士的热烈欢迎。今天，咱们引荐“Python做因果推断的方法示例, 解读与code”，让各位学者了解一下Python在因果推断中的使用情况。Python与Matlab、R、Stata等软件某种程度上相似，通过pip install安装packages，然后import这个package里的程序进行模型参数估计；而且，很多package开发者都会附上docs，里面有或简或繁的操作示例。如此看来，只是换了一套工具做模型估计，而计量思想都是一致的，因此这对经常关注圈子和社群的学者不会太难。
下面是咱们使用Python做的倾向得分匹配(PSM倾向匹配详细步骤和程序, 让Match进行到底，2.执行PSM的标准操作步骤, 不要再被误导了，3.PSM,RDD,Heckman,Panel模型的操作程序，4.逐年匹配的PSM-DID操作策略, 多时点panel政策评估利器，5.PSM-DID, DID实证完整程序百科全书式的宝典，6.分位数DID, PSMDID, 政策前协变量平衡性检验操作步骤和案例，7.PSM和马氏匹配已淘汰, '遗传匹配'成因果推断匹配之王，8.广义PSM,连续政策变量因果识别的不二利器)、双稳健估计(因果效应中的双重稳健估计值, 让你的估计精准少误)、OLS估计(MIT广为流传的政策"处理效应"读本)、分层估计(1.粗化精确匹配CEM文献推荐, 程序步骤可复制，2.无需检查协变量平衡性的CEM匹配, 到底有多神气和与众不同)，皆出自causalinference程序。而对于经常使用的回归分析，各位学者可以参看这个模块“Python中的计量回归模块及所有模块概览”。
**Python中的因果推断程序包介绍
Causal Inference in Python, or Causalinference in short, is a software package that implements various statistical and econometric methods used in the field variously known as Causal Inference, Program Evaluation, or Treatment Effect Analysis.
重要链接如下：
The official website for Causalinference is
https://causalinferenceinpython.org
The most current development version is hosted on GitHub at
https://github.com/laurencium/causalinference
Package source and binary distribution files are available from PyPi at
https://pypi.python.org/pypi/causalinference
For an overview of the main features and uses of Causalinference, please refer to
https://github.com/laurencium/causalinference/blob/master/docs/tex/vignette.pdf
A blog dedicated to providing a more detailed walkthrough of Causalinference and the econometric theory behind it can be found at
https://laurencewong.com/software/
该程序包主要特征：
1.Assessment of overlap in covariate distributions
2.Estimation of propensity score
3.Improvement of covariate balance through trimming
4.Subclassification on propensity score
5.Estimation of treatment effects via matching, blocking, weighting, and least squares
程序包说明文档
长按以上二维码即可阅读文档
长按以上二维码即可阅读示例
对Python做计量估计感兴趣的学者，可以到社群或相关研究小组交流讨论。
拓展性阅读
1.用R语言做Econometrics的书籍推荐, 值得拥有的经典，2.18+1张图掌握R软件的方方面面, 还有谁, 还有谁?，3.用R语言做空间计量, 绝不容错过的简明教程，4.R软件中的时间序列分析程序包纵览，5.R软件画图指南针,摆脱丑图不是梦，6.平滑转移自回归模型(STAR)应用与在R软件的操作，7.用R语言做空间计量, 绝不容错过的简明教程，8.R语言函数最全总结, 机器学习从这里出发，9.R语言ggplot2的小抄, 绘图总结查阅，10.送|R语言全套视频和资料，异常珍贵的材料，11.2卷RDD断点回归使用手册, 含Stata和R软件操作流程
下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。
2年，计量经济圈公众号近1000篇文章，
Econometrics Circle
controller方法入参注解 java controller常用注解
目录SpringBootcontroller层service层dao层实体类注解配置事务注解启动类MybatisSpringDataJpa-主键生成策略一、SpringDataJpa标准用法二、Hibernate主键策略生成三、通过@GenericGenerator自定义主键生成策略SpringBootcontroller层1、@Controller
@Controller 用来响应页面，表示当
