发帖
雷达卡
Southern Methodist University 的 ECO 4370 / 6370 Computing in Economics，2026 年秋季学期由 Zhan Gao 主讲。课程站把讲义、数据集、作业与项目指南全部公开挂在网页上：19 个讲义文件（从 R 入门到 LLM 应用，最后一份是 PDF）、25 个可直接下载的数据文件、两份带完整解答的作业，以及期末项目的规范。
这门课不是计量理论课，它解决的是另一个问题：想法有了、数据有了，怎么在机器上把分析做出来并且可复现。
课程定位：补传统计量课与真实数据之间的缝
课程总览讲义里对"为什么开这门课"写得很直白：传统计量与方法是课内训练，真实世界的问题需要动手实现，而实现要靠数据可视化、清洗与整理、模拟、云端计算、关系型数据库、机器学习这些技能。讲义还正面回应了生成式 AI：工具在进步，但更重要的是知道你和模型在背后做什么，你的角色是那个清楚"做什么、怎么做、为什么这么做"的管理者。
学习目标有六条：用 R 写出可执行的复现代码做分析与可视化；用 shell 工具与 Git 做版本管理与协作；从多种来源收集、清洗、组织数据；实现因果推断与经济预测的计量方法；实现基础机器学习算法；产出包含数据、代码与文档的完整可复现项目。
语言选择上，讲义说得很清楚：Python 完全可以，但本课材料不用 Python。这句话对准备跟做的人很重要，别指望在这里找到 pandas 版本。
评分：项目占 55%
| 组成 | 权重 |
| 作业（3 次，每次 5%） | 15% |
| 随堂考试（2 次，每次 15%） | 30% |
| 课程项目（提案 10% + 终期展示 25% + 终稿与复现仓库 20%） | 55% |
时间节点：作业 1 在 9 月 11 日、作业 2 在 10 月 2 日、作业 3 在 11 月 13 日；随堂考试 1 在 10 月 6 日、考试 2 在 11 月 17 日；项目提案在 10 月 22 日展示、23 日交两页文稿；终期展示 12 月 8 日，终稿与复现仓库 12 月 15 日。项目要求两人一组，从提案到终稿都用 GitHub 仓库协作，提案是 10 分钟展示加 5 分钟问答，终期展示 20 分钟。
几个硬性规定：作业用 Jupyter Notebook、Quarto 或 R Markdown 提交，迟交不接受，延期必须提前获批；随堂考试不设补考，除非有医生证明。所有材料都在 Canvas 上发布和提交，项目仓库除外。
19 讲的主题与配套数据
讲义按顺序排，每一讲基本都配一份可以直接下载的数据：
| 讲次 | 主题 | 配套数据 |
| 0 | 课程总览 | 无 |
| 1 | R 编程基础 | 无 |
| 2 | R 编程进阶 | 无 |
| 3 | Shell 脚本 | 无 |
| 4 | Git 与 GitHub | 无 |
| 5 | 数据整理与清洗 | 无 |
| 6 | 截面、时间序列与面板数据 | cps09mar.csv、PredictorData2018.xlsx |
| 7 | 空间数据与 GIS | china_map_dt.Rdata、counties_treated.Rdata |
| 8 | 文本数据 | 无 |
| 9 | 中心极限定理与自助法 | web-browsers.csv |
| 10 | 线性回归 | oj.csv、redfinLA3.csv、web-browsers.csv |
| 11 | 逻辑回归 | spam.csv、tripadvisor.RData |
| 12 | 机器学习基础 | 无 |
| 13 | 正则化回归 | browser-totalspend.csv、browser-domains.csv、browser-sites.txt |
| 14 | 树与随机森林 | CAhousing.csv、nbc_demographics.csv、nbc_showdetails.csv、prostate.csv |
| 15 | 无监督学习 | protein.csv、rollcall-votes.csv、rollcall-members.csv、2024-07-fredmd.csv |
| 16 | 因果推断 | causal_inference_data.zip（俄勒冈实验）、abortion.dat、us_cellphone.csv、dw_experimental_data.csv |
| 17 | 时间序列 | fred_md_data.csv |
| 18 | 大语言模型与 AI | 讲义为 PDF；外部链接到 Hugging Face 的 llm-arena 偏好数据集 |
25 个数据文件里，几个值得先打开
cps09mar.csv 与 PredictorData2018.xlsx 是第 6 讲的两份主力：一份是当期人口调查的截面数据，一份是股票收益预测变量，这一讲要练的是同一套 dplyr 流程怎么在截面、面板、时间序列三种结构上换写法。
china_map_dt.Rdata 与 counties_treated.Rdata 是第 7 讲的空间数据，前者是中国地图的 sf 对象，后者是县级处理组名单，练的是把地图与政策变量接起来。第 10 讲的 oj.csv 是橙汁需求数据，经典到可以当价格弹性的入门例子；redfinLA3.csv 是洛杉矶房产挂牌数据，适合练真实世界的脏数据。
第 11 讲的 tripadvisor.RData 是评论数据，配 spam.csv 可以对比"文本分类"与"垃圾邮件过滤"两种任务的建模差别。第 16 讲的 causal_inference_data.zip 是俄勒冈健康保险实验的数据，因果推断里最干净的一类随机实验素材，配 abortion.dat 与 us_cellphone.csv 可以练不同识别策略。
第 17 讲的 fred_md_data.csv 是宏观大数据集，第 15 讲的 rollcall-votes.csv 与 rollcall-members.csv 是议员投票数据，练聚类与降维时比玩具数据有意思。想试大语言模型方向的，讲义直接给了 Hugging Face 上 5.5 万条人类偏好数据的入口，不用自己找语料。
两份作业已经带解答
作业 1 与作业 2 都以 Quarto 的 .qmd 和渲染后的 .html 两种形式给出，解答同样是 .qmd 加 .html，等于给了一份"题目、做法、渲染结果"的完整对照。作业 3 按课程安排要到 11 月 13 日才截止，站点上暂时没有。
这里有个必须提醒的细节：课程首页把作业 1 标为 9 月 13 日（周日）截止，而总览讲义里写的是 9 月 11 日（周五）。两处不一致，实际当然以 Canvas 为准。看旧页面排学习计划时，这类日期错位很常见。
环境怎么搭：
R、编辑器、Git，再加一个 Quarto
总览讲义给的清单是：装 R；装 RStudio 或 Positron；装 Git；注册 GitHub 并申请学生优惠；安装排障去 happygitwithr.com。系统相关的补充：Windows 装 Rtools，并建议装 Chocolatey；Mac 装 Homebrew 并配置 C++ 工具链；Linux 不用额外准备。
作业要求用 Jupyter Notebook、Quarto 或 R Markdown 提交，所以 Quarto 或 R Markdown 至少得跑通一个。RStudio 与 Positron 二选一即可，Positron 是较新的选择，界面更接近 VS Code。
读这套材料要注意的几点
站点没有独立的 syllabus 文件，大纲正文放在 Canvas，网页上只有"See Syllabus"一句，因此评分与政策的最终版本不在公开页面里。首页标题写 ECO 4370 / 6370，讲义内页写 ECON 4370 / 6370，同一门课两种写法，检索时两个都要试。
页面也没有标注任何开放许可或转载条款，讲义与数据集适合按原站入口阅读与自用。课程内容明确说明改编自 Grant McDermott 的 Data Science for Economists 与 Zhentao Shi 的同名课程，机器学习与因果推断部分基于 USC 的讲义与 Matt Taddy 的教材，引用时把这些来源一并标注更稳妥。
────────────────
课程站与 19 讲的直达地址、全部数据文件名与作业解答入口、评分与安装清单原文，回复本帖即可见。
把经管之家装进你常用的 AI 智能体中 一键快捷安装经管之家 MCP／技能，让 AI 帮你查教程、找数据、读论坛帖子。 检索、阅读公开帖子不收费，安装可申请领取：3 通用积分＋100 论坛币＋3 元论坛资金 说明： AI 算力按所用平台规则计算；附件按原帖条件获取；福利领取条件以活动页面为准。 |
京公网安备 11010802022788号
