![](/__local/0/5E/AF/FBD3A8DFABD5AF4C0F3C48A9282_FCF08C1E_758F0.jpg)
第九届应用社会科学研究方法研修班于8月23日正式结课。本次研修班由基础模块、专题模块以及高级研讨模块构成。基础模块包含《STATA与应用回归分析基础》与《类别数据分析》课程,授课教师分别为美国佛罗里达国际大学社会学副教授赖庆博士与澳门大学社会学副教授蔡天骥博士;专题模块包含《计算社会科学入门》与《空间数据分析》课程,授课老师分别为美国爱荷华大学社会学系助理教授施永仁博士与纽约城市大学皇后学院社会学系副教授徐宏伟博士。
高级研讨模块由五场网络讲座构成。第一场网络讲座为北京大学社会研究中心的董浩老师带来的《历史人口大数据的社会科学应用前沿》;第二场是耶鲁大学社会学系的臧晓露老师带来的《公共政策与家庭中的溢出效应》;第三场是哈佛大学社会学系的周翔老师带来的《去偏差机器学习与因果推断》;第四场是加拿大英属哥伦比亚大学的钱岳老师带来的《Social Impacts of the COVID-19 Pandemic: Preliminary Findings》;最后一场是来自香港科技大学社会科学部的张涵老师带来的《社会科学中的图片数据应用》。
受新冠疫情的影响,本次研修班改为zoom/腾讯会议平台+直播(部分)授课。自8月2日至8月23日,研修班为来自海内外高校的老师、硕士和博士研究生共600余正式学员提供了一次量化课程盛宴。
基础模块全程进行直播,《STATA与应用回归分析基础》累计学习人数共3859人;《类别数据分析》累计学习人数共1157人。高级研讨模块向公众开放两次直播,讲座《历史人口大数据的社会科学应用前沿》累积在线观看人次共1337次;讲座《公共政策与家庭中的溢出效应》累积在线观看人次共1983次。
《STATA与应用回归分析基础》
本课程从应用的角度介绍多元线性回归分析方法,全程使用 STATA软件进行操作,内容涵盖三个部分:线性回归模型的估计与阐释,模型的主要假定、诊断及修正,以及回归修辞策略。
第一部分,课程除了介绍标准线性模型估计与阐释,还讨论了各种特殊情况及其对策;第二部分介绍了线性模型的基本假定,重点了讨论如何认识和处理忽略变量偏误、多重共线性、以及异方差性等问题;最后,本课程介绍社会科学文献中常见的回归修辞,并批评常见的量化研究误区,旨在帮助学员使用回归方法写作有品味的研究文章。
《类别数据分析》
类别变量回归模型作为线性回归模型的延伸, 包括对二分变量, 定序变量 , 多项变量以及频次的回归分析。在对基本概念和模型估计简介之后,本课程主要集中在模型构建与解释, 以及如何应对在社会科学运用中常见的问题。
作为线性回归的延伸, 本课程要求学员对线性回归的基本假设、解释、以及模型构建有基本了解,同时对基本数学符号及运算法则(比如对数运算)有所了解。
《计算社会科学入门》
本课程包括两部分,第一部分内容介绍数据科学,讲解计算社会科学与传统社会科学的区别、问卷数据的缺陷、大数据缺陷与其分析过程,以及介绍如何用Python编程语言来作大规模的数据收集、数据清理、科学分析和存储等实用操作;第二部分内容则介绍若干计算社会科学方法,如机器学习(包括无监督学习、监督学习、强化学习),社会网络分析(包括网络的基本思想、网络拓扑的常见概念、双模网络),文本分析等。
《GIS应用于空间分析》
本课程从社会学、人口学、流行病学、公共卫生、应用统计等跨学科角度介绍社会科学中的空间数据分析。课程中主要涉及到R软件的学习与使用。课程内容分两大部分:(1)探索性空间数据分析; (2) 空间统计模型。
探索性空间数据分析主要介绍空间数据的三种类型; 空间数据的读取与编辑; 蒙特卡洛计算机仿真与贝叶斯统计; 空间点过程与聚类分析; 空间自相关等基本概念与方法。空间统计模型主要介绍针对不同空间数据类型的空间计量模型分析。
根据课程反馈数据,学员们对课程的授课部分与答疑部分均给予较高评价,并认为老师讲解的内容大多能够解决他们在实际的学习和研究过程中遇到的问题。
应用社会科学研究方法研修班是国内众多量化研修班的重要一支,一直致力于培养国内的量化研究人才。通过此次第九届研修班的进一步推进,更多的学员了解了本研修班的文化,增加了对上海大学的了解,这为下一届研修班的举办奠定了必要基础,同时也有利于让更多的学生老师在未来针对特定项目与上海大学进行合作。(数据科学与都市研究中心供稿)