阿水实证通的博客

从 TWFE 的负权重到 LP-DiD：用局部投影重写动态双重差分

YZT_Research — Mon, 09 Nov 2026 15:25:26 +0800

Dube et al. (2025) 提出局部投影双重差分法（LP-DiD），解决分期处理下传统双向固定效应（TWFE）的负权重问题。通过仅比较“新处理组”与“清洁控制组”（即至未来时期仍未处理的单位），LP-DiD 在平行趋势假设下可一致估计各队列处理效应的凸加权平均，且权重非负。该方法兼容重加权与回归调整（RA）以实现等权ATT，计算高效，模拟显示其显著优于TWFE，在真实数据中复现银行自由化对劳动收入份额的影响时亦更稳健。

2026年经管实证研究最值得安装的五个开源项目

YZT_Research — Mon, 09 Nov 2026 15:24:35 +0800

本文分享作者为经管社科研究者整理的AI实证工作流“五件套”。核心不是找能写代码的模型，而是构建“有规矩、能运行、可验证”的研究体系：前两层为Skill（方法判断与论文规范），后三层为Tool（Zotero、Stata调用与执行）。重点推荐AERS与Econ Writing Skill实现研究逻辑闭环，stata-cli与stata-mcp打通本地运行能力，强调结构化输出与安全部署。最终目标是让AI从“会写”变为“真跑、真验、真可信”。

AI 时代的可信测量：从生成变量到有效推断

YZT_Research — Tue, 03 Nov 2026 16:53:02 +0800

Melissa Dell与Ashesh Rambachan在2026年论文《The Measurement Revolution?》中指出，AI虽大幅降低测量成本，使海量非结构化数据可转化为变量，却将可信度问题前置。研究者面临“测量选择式p-hacking”风险：不同模型、提示词生成的变量可能引致结论漂移。论文提出三阶段测量框架——发现、构念定义与观测，并强调需通过代表性验证样本校正系统误差，将AI预测视为缺失数据插补。可信推断依赖严谨的验证设计，而非单纯模型准确率。研究者应先定义概念、记录变量生成过程、让

CausalEGM｜高维控制变量怎么处理？图解思路，附 R 与 Python 代码

YZT_Research — Tue, 03 Nov 2026 16:52:38 +0800

本文解读了2024年发表于PNAS的CausalEGM方法，针对高维协变量下的因果推断难题，提出将变量分解为四类特征：共同影响处理与结果的混杂信息、仅影响处理的特征、仅影响结果的特征，以及用于重建原始数据的辅助信息。该方法通过联合训练编码器、解码器与处理/结果模型，结合生成式建模与分布约束，在模拟与半模拟数据中表现出更优的平均处理效应估计精度。其核心优势在于系统性分离变量功能，提升混杂控制效率，但依赖研究者对变量因果角色的先验判断，且性能受限于数据质量与模型假设。

梳理2856篇论文、3358项国奖后，我给2027年能源经济学术创意大赛整理了12个选题方向

YZT_Research — Tue, 03 Nov 2026 14:27:13 +0800

准备2027能经大赛，还没想好选题？从2856篇期刊论文和3358项国奖题目中，整理出12个研究方向，附数据线索、方法提醒和13页调研报告，帮你把热门话题变成具体问题。

STATA CLI：我把 Stata 接进了命令行，也接进了 AI 工作流

YZT_Research — Tue, 12 May 2026 13:51:24 +0800

Stata-CLI：为Stata打造的命令行工具，让实证研究融入自动化工作流摘要： stata-cli是一个命令行工具，旨在解决Stata在自动化工作流中的接入难题。它将Stata的强大功能暴露在终端环境中，支持直接执行代码、运行do-file、查看数据和帮助文档等操作。该工具特别针对AI时代的需求设计，具有三大核心优势：(1)支持结构化JSON输出，便于AI解析；(2)提供守护进程模式，解决Stata启动延迟问题；(3)实现轻量级交互，降低分析迭代成本。通过命令行接口，研究者可以更高效地批量处理模型文件

Stata Help Skill：让 AI 不再凭感觉写 Stata，精准提升Agent的stata code的生成

YZT_Research — Sat, 09 May 2026 16:03:16 +0800

AI 写 Stata 代码时，最容易出问题的地方不是不会写，而是 option 名称和命令语法容易“凭感觉”。我做了一个 stata-help Skill，让 Agent 通过 Stata MCP 读取本机 .sthlp/.hlp/.ihlp 帮助文件，并用 translate, translator(smcl2txt) 转换成纯文本。这样，Agent 在回答 oneclick 、 reghdfe 、 ddml 等命令问题前，可以先查本机官方文档，再生成代码和解释。

Vibe Regging不写一行代码做回归：免费用Trae+Stata MCP+Skills实现全自动经管实证分析，手把手教学

YZT_Research — Tue, 17 Mar 2026 14:14:16 +0800

把隐性知识转化为显性指令的过程，就是知识真正内化的过程。这套工作流的价值，不在于让你更快地完成一篇论文——虽然确实快了一个数量级——而在于它改变了研究的生产方式：从依赖个人技艺的手工作坊，走向基于标准化流程和可复用知识资产的现代化生产。这才是Vibe Regging的真正含义：不是随意地跑回归，而是在深度理解的基础上，让技术替你处理那些不需要创造力的部分，把时间还给真正的思考。

没有好工具变量，怎么做因果识别？AutoIV 方法与一篇中国经验证据

YZT_Research — Fri, 26 Dec 2025 11:03:32 +0800

那么，如何指导这两个网络“各司其职”，准确地分离出各自所需的信息呢？

当工具变量遇上深度学习：DeepIV如何看透因果？

YZT_Research — Fri, 26 Dec 2025 10:55:57 +0800

想象一下，我们要研究机票价格（处理变量 P）对销量（结果变量 Y）的真实影响，但又受到了无法观测的“会议需求”（混杂因素 E）的干扰。这时，我们需要找到一个“局外人”，它就是工具变量（Z）。这个“局外人”必须满足三个苛刻的条件：相关性 (Relevance)：它必须能影响机票价格 P。例如，燃油成本的波动。航空公司会根据燃油成本调整票价，所以燃油成本与票价是相关的。排他性 (Exclusion)：它只能通过影响票价来影响销量 Y，而不能有任何“秘密通道”直接影响销量。

把握2025年中央经济工作会议信号：新一轮经济学研究该怎么选题？

YZT_Research — Thu, 25 Dec 2025 16:37:57 +0800

2025年中央经济工作会议为我们描绘了一幅复杂而充满希望的经济图景。作为研究者，我们的任务就是用严谨的理论和扎实的证据，去理解这幅图景背后的逻辑，评估各项政策的得失，并为未来的优化提供洞见。从宏观的政策组合到微观的企业行为，从前沿的科技创新到基础的民生保障，本次会议提出的每一个重点任务，都值得我们投入心力，深入挖掘。希望这份选题指南能成为你学术探索的起点，让我们一起，用实证的力量，为中国经济的高质量发展贡献智慧。

DoubleML+FLAML实现双重机器学习超参数的自动调优（python实现路径）

YZT_Research — Thu, 25 Dec 2025 13:14:53 +0800

本文介绍了如何将自动化机器学习（AutoML）工具FLAML与DoubleML框架结合，实现机器学习模型的自动调优。主要内容包括：使用FLAML为DoubleML框架中的部分线性回归模型（PLR）自动调优XGBoost模型，包括结果模型和处理模型的优化配置通过三种方式实现调优：在全样本上调优、评估调优效果以及在交叉验证折内调优展示了如何创建自定义接口将FLAML集成到DoubleML中，实现训练过程中自动调优实验使用合成数据，包含1000个观测值和50个协变量，结果表明自动化调优过程能有效优化模型性

我用 Gemini3 打造了一个经管实证神器，10 分钟搞定Stata全套代码！

YZT_Research — Wed, 10 Dec 2025 16:00:21 +0800

用Gemini3pro生成经管领域学术生产力神器，可自动生成Stata代码框架。用户只需输入研究主题，AI即可生成变量定义及从基准回归到机制分析的完整代码模板。该工具虽不能直接运行（需数据支持），但能快速构建研究框架，特别适合科研新手入门实证分析。目前支持一键复制代码，但需注意模型可能存在的学习数据不足问题。

「能源经济选题必看」从第十四届中国能源经济与管理学术年会看选题创新（附名单）

YZT_Research — Tue, 09 Dec 2025 17:21:13 +0800

第十四届中国能源经济与管理学术年会论文选题呈现多维度创新趋势：一是学科交叉融合，形成复合型研究议题；二是紧扣双碳目标下的"效率-公平-安全"三角平衡等核心矛盾；三是运用AI、博弈论等新方法拓展量化研究深度；四是研究主体从企业延伸至家庭个体，空间尺度拓展至网络与流域；五是注重政策工具组合与市场机制设计。未来研究将深化自然科学与社会科学的融合，构建多尺度动态模型，探索全球治理与本土实践的互动机制。

「能源经济学术大赛必看」4个宝藏级小众DID政策选题

YZT_Research — Tue, 09 Dec 2025 17:13:16 +0800

能源经济政策评估类研究正转向小众试点政策作为创新选题方向。本文推荐4个具有"DID实证研究价值"的交叉领域政策：1）绿色数字中心政策（驱动城市绿色创新）；2）国家可持续发展议程创新示范区（提升城市可持续竞争力）；3）生态环境智慧监测试点（抑制企业环境信息粉饰）；4）清洁能源消纳行动计划（促进可再生能源转型）。这些政策兼具准自然实验属性和数据可得性，均获2024-2025年最新文献支持，为能源经济竞赛提供选题切入点和方法参考。

能源经济学术创意大赛·泛能源大数据与人工智能·参考顶刊解析（视频讲解+复现代码）

YZT_Research — Thu, 20 Nov 2025 16:49:20 +0800

本文解析了《Environmental Impact Assessment Review》一篇关于土地利用生态经济权衡的顶刊论文，为能源经济学术创意大赛提供参考。论文以武汉为例，构建“多尺度+可解释机器学习”框架，量化土地利用变化中的生态成本（ESVC）与经济效益（LDEP），揭示非线性驱动机制。研究亮点包括：选题紧扣城市化痛点，多尺度数据体系（宏观-中观-微观），XGBoost-SHAP模型解析非线性效应，方法兼顾创新性与可解释性。对大赛的启示：1）选题需立足能源领域现实矛盾（如可再生能源并网权衡

能源经济大赛选题新参照：第九届中国绿色低碳发展论坛深度解析

YZT_Research — Thu, 20 Nov 2025 16:45:30 +0800

第九届中国绿色低碳发展论坛聚焦新质生产力、碳普惠政策、供应链数字化等前沿议题，为能源经济大赛选题提供了多维创新思路。研究强调问题导向与跨学科融合，如量化特高压设施全生命周期排放、设计碳普惠行为激励模型、探索数据要素市场化对绿色转型的驱动作用。论坛提出的15个高价值选题，覆盖政策协同、代际公平与技术突破等方向，兼具理论深度与实践价值，为破解“双碳”目标下的转型难题提供了方法论借鉴。

能源经济学术创意大赛·计量类实证论文示例·代码复现

YZT_Research — Wed, 12 Nov 2025 11:56:59 +0800

【能源经济大赛计量类论文冲奖攻略】本文聚焦人工智能（AI）对企业漂绿行为的抑制效应，基于2011-2022年中国上市公司数据，采用大语言模型ERNIE 3.0创新测量企业AI应用水平，揭示：1）AI显著降低企业漂绿程度15.7%（p<0.01）；2）作用机制包括提升运营效率、重塑人力资本和驱动绿色创新；3）效应在污染密集型、非国有和技术密集型企业中更显著。研究贡献在于：提出技术赋能的漂绿治理新路径，开发基于LLM的AI应用测量方法，为数字技术与环境治理交叉研究提供实证支持。政策启示强调AI监管工具开

从 “数据透明” 到 “生态公平”：数字监测的环境平权之路：环境政策did《环境空气质量标准》实验

YZT_Research — Wed, 12 Nov 2025 11:52:48 +0800

从河北的监测站到北京的APP，从企业的排污数据到公众的监督反馈，数字技术正在重塑中国环境治理的格局。这项研究告诉我们，环境不平等并非发展的必然代价——通过数字监测构建的"透明治理体系"，能让监管标准更统一、污染转移更困难、公众参与更有效。当然，技术只是工具。要实现真正的生态公平，还需要制度设计与技术应用的协同：既要通过数字手段打破信息壁垒，也要通过制度改革平衡地方政府的经济与环境责任；既要让监测数据"上得来"，也要让治理资源"沉下去"。

蚂蚁森林背后的“减碳密码”：公益碳普惠政策如何改变家庭碳排放？

YZT_Research — Tue, 04 Nov 2025 20:34:09 +0800

蚂蚁森林等公益碳普惠项目正悄然改变中国家庭的碳排放习惯。研究表明，这种非经济激励模式通过游戏化设计和社交互动，比物质奖励更能持续激发低碳行为。基于7亿用户数据的分析显示，参与家庭在交通、家电等直接排放领域减碳效果显著，尤其在城市和发达地区。项目通过"助推理论"降低参与门槛，"心理账户理论"将环保行为可视化，使低碳逐渐内化为生活方式。研究为消费端减排提供新思路：需加强数字普惠、注重长期环保意识培养，让减碳从义务变为习惯。