计算社会科学

学习因果推断、模拟、贝叶斯建模、机器学习、模型解释与新形式的社会数据。

优先编写

课程 3 · 12 个学习单元 · 每单元约两小时学习

开始之前

先修要求:已学过回归分析并具备 R 操作能力,或具备同等知识。

学习单元安排

选择下方学习单元。规划中的单元仅展示课程目标、先修要求与实践任务,尚无课程正文。

学习单元 主题 学习目标 状态
1 因果推断 区分因果目标量、识别假设与回归相关关系。 规划中
2 模拟与蒙特卡洛方法 使用重复模拟考察抽样变异与估计量表现。 规划中
3 基于主体的建模 联系主体规则、互动与涌现的社会模式。 规划中
4 贝叶斯建模 联系先验、似然、后验计算与模型检验。 规划中
5 机器学习 区分模型训练、调参和留出数据评估。 规划中
6 双重机器学习 解释借助辅助模型、正交得分与交叉拟合进行因果效应估计。 规划中
7 SHAP 分析 解释特征对预测的贡献,并区分预测解释与因果效应。 规划中
8 作为社会数据的文本 解释预处理与表示方式如何影响基于文本的测量。 规划中
9 作为社会数据的图像 评估从图像提取的社会测量指标及其效度与局限。 规划中
10 空间分析 联系坐标、地理单元、空间模式与社会问题。 规划中
11 社会网络分析 区分关系、节点属性、网络结构与网络汇总指标。 规划中
12 计算社会科学项目 为社会研究问题匹配计算方法与验证策略。 规划中