耶鲁大学《应用实证计量方法》PhD课程：系统掌握因果推断与前沿计量工具

今天，我们向大家介绍一门来自耶鲁大学的研究生宝藏课程——由 Paul Goldsmith-Pinkham 教授（因其在 Bartik 工具变量方面的贡献而闻名）开设的《应用实证计量方法》（Applied Empirical Methods）。

这门课程的特点非常鲜明：聚焦实战。它直接从应用场景出发，系统梳理了主流实证计量方法的核心逻辑、使用场景与实践操作，旨在帮助研究生快速建立方法论直觉，并将其应用于自己的研究论文中。

课程内容紧扣国际顶级期刊的实证实践，全面覆盖了两大核心模块：

第一模块：基础识别策略。内容包括潜在结果框架、有向无环图、随机实验设计、倾向得分匹配、干预与溢出效应、半参数估计、分位数回归、惩罚回归、二值与多元选择模型、生存分析、多层模型和贝叶斯收缩等。

第二模块：进阶因果推断工具。内容包括双重差分法、事件研究法、合成控制法及其变体、各类工具变量方法（包括 Bartik 工具变量和模拟工具变量）、断点回归设计，以及机器学习在因果推断中的应用（如用有监督学习进行预测与异质性处理效应估计，用无监督方法处理非结构化数据），还有部分识别框架下的计量策略。

通过学习这门课，学生能够系统地掌握何时、为何以及如何使用这些工具，并理解不同方法组合应用的逻辑。课程配套的幻灯片、讲义及可打印的学习材料都非常详实。据教授介绍，完成课程后主要收获包括：对主流实证方法及其局限了然于心；能够自信地讨论半参数推断、合成控制等前沿话题；在阅读文献时，能更专注于方法背后的因果逻辑而非被技术细节困扰。

课程还推荐了几本广受好评的参考书，如 Angrist & Pischke 的《基本无害的计量经济学》、Scott Cunningham 的《因果推断：The Mixtape》、Miller & Aronow 的《Agnostic 统计学基础》，以及 Kieran Healy 的《数据可视化：实用入门》。

以下为该课程完整的大纲（Syllabus）与推荐阅读文献，为有志于深入数据分析与因果推断的研究者提供了清晰的学习路径。

课程的所有资料，包括幻灯片、笔记和代码等，均已在 GitHub 上开源。

Applied Empirical Methods
Course Pages
1. https://github.com/paulgp/applied-methods-phd

对于希望系统提升计量经济学实证研究能力，尤其是掌握现代因果推断方法的研究生和青年学者而言，这门课程无疑是一个极具价值的学习资源。它的内容设计体现了学术研究与实际应用的紧密结合，是通往前沿实证研究的一条高效路径。