近年来，人工智能领域已经取得突破性进展，对经济社会各个领域都产生了重大影响，结合了统计学、数据科学和计算机科学的机器学习是人工智能的主流方向之一，目前也在飞快的融入计量经济学研究。表面上机器学习通常使用大数据，而计量经济学则通常使用较小样本，但这种区别日渐模糊，机器学习在经济学领域、特别是经济学与其它学科的交叉领域表现日益突出。R语言是用于统计建模的主流计算机语言，用于机器学习十分方便，且学习曲线相比于Python更加平滑，因此是进行机器学习的首选之一。在本次培训中，我们将从论文写作的实际需求出发，首先简单的介绍经济学的基本理论与研究方法，让您了解论文的选题方法与写作框架。随后重点从数据的收集与清洗、综合建模评价、数据的分析与可视化、数据的空间效应、因果推断等方面入手，让您用最快的速度掌握利用R语言进行经济学研究的技术。同时也会对论文写作中经常用到的辅助软件进行介绍，尽量降低论文写作的难度。
专题一 理论基础与软件介绍
1.1 经济学基础原理
主要内容：经济学思考范式，资源配置，效率与公平（古典经济学领域）
格里高利·曼昆，通俗的讲述了十大经济学原理
1.2 概率统计的基本思想
1.2.1 概率统计的常见概念
1.2.2 评价（单指标评价与复合指标评价）
1.2.3 因果推断
概念产生：因果推断(Causal Inference)是根据某一结果发生的条件对因果关系作出刻画的过程，推断因果关系的最有效方法是进行随机对照试验，但这种方式耗时且昂贵、也无法解释和刻画个体差异；因此考虑从观察数据中进行因果推断，这类框架包括潜在结果框架和结构因果模型，下文对结构因果模型的因果推理方法进行综述。
1.3 机器学习用于评价和因果推断（算法介绍）
1.3.1 KNN和Kmeans
1.3.2 德尔菲和AHP
1.3.3 熵权法
1.3.4 随机森林算法
1.3.5 神经网络
1.4 常用软件介绍
专题二 数据的获取与整理
2.1 数据类型的介绍
定量数据，定类数据，截面数据，时间序列数据，面板数据
2.2 数据的获取
2.3 数据的整理
专题三 常用评价方法与相关软件详细教学（案例详解）
3.1 农业碳排放计算
3.2 能源消费碳排放计算
3.3 综合评价方法
3.4 数据分析与数据可视化
3.5 随机森林回归建模
3.6 神经网络回归建模
专题四 写作要点与案例的讲解
4.1 整体写作要点
4.1.1 好的开始是成功的一半（引言）文章的选题来源
4.1.2 文献综述的写法
4.1.3 研究方法的选择与公式的编辑
4.1.4 数据分析与可视化（分析）
4.1.5 两种讨论方式的写法（讨论）
4.1.6 结论与摘要的写法
4.1.7 心态建设以及期刊选择与投稿
4.2 案例讲解
4.2.1 两种常见类型论文的介绍
实验类型的文章介绍
模型计算类文章介绍
4.2.2 案例
2000—2020年山西省农业碳排放时空特征及趋势预测
基于机器学习算法的新疆农业碳排放评估及驱动因素分析
西北地区碳排放的驱动因素与脱钩效应研究
中国农业高质量发展的地区差异及分布动态演进
