导言
“数智时代”加速到来，经济社会运行数据可被广泛储存、采集和挖掘，以ChatGPT、DeepSeek等为代表的大语言模型（LLM）不断涌现迭代，掀起实证研究变革，我们开发全网首个系统的Stata大语言模型与实证研究课程，助力学者科研精进！
课程深度挖掘Stata通过多种方式调用大模型的潜力，一方面将大模型的智能化能力融入Stata工作流，实现代码生成、数据清洗、可视化报告、结果解读等环节的效率跃升与思路拓展，另一方面，开发个性化stata大模型命令实现批量数据标注、大数据分类、结构化信息提取、文本指标构建等顶刊典型应用。通过《经济研究》、Management Science、The Review of Financial Studies等顶刊案例实现可迁移的Stata大模型应用能力。
-购课礼包:本课附赠价值 499 元的python基础教程，内容涵盖Windows与Mac系统的环境配置、安装指南以及Python基础入门教学。
1. 课程概览
导言
课程深度挖掘Stata通过多种方式调用大模型的潜力，一方面将大模型的智能化能力融入Stata工作流，实现代码生成、数据清洗、可视化报告、结果解读等环节的效率跃升与思路拓展，另一方面，开发个性化stata大模型命令实现批量数据标注、大数据分类、结构化信息提取、文本指标构建等顶刊典型应用。通过《经济研究》、Management Science、The Review of Financial Studies等顶刊案例实现可迁移的Stata大模型应用能力。
-购课礼包:本课附赠价值 499 元的python基础教程，内容涵盖Windows与Mac系统的环境配置、安装指南以及Python基础入门教学。
课程名称：Stata大语言模型与实证研究
课程时间：2025年10月25日下午14:00-18:00
授课方式：腾讯会议线上直播＋课后回放（至少保留两年）
前置要求：stata基础操作和Python基础语法
报名方式：
扫码报名
课程特色：
1.前沿性：配套5个经管场景实战案例，对标顶刊论文中的研究场景
2.实战性：全流程实操，可直接复制的代码与操作指引
3.跨工具融合：详解Stata调用大模型的各种路径，打通Stata与Python生态
Draven老师，毕业于西南财经大学,曾任职国内某大型公共调查数据库高级数据工程师,从事大数据实证研究4年,擅长Stata、Python、SQL等语言。
3. 课程大纲
模块一：课程概述与前置准备
1. 课程内容与学习路径
Stata与大模型结合的应用场景：自动化代码生成、结果解读、文本数据处理、研究思路拓展
案例1：以学术研究中的数据分析流程为例，展示大模型如何赋能Stata工作流
2. 环境配置与工具准备
- 必备软件：
Stata 16及以上版本（支持Python集成）
Python 3.8+环境
代码编辑器（在vscode中编写stata代码）
- API与密钥：
大模型API申请（OpenAI API、deepseek、阿里云通义千问等）
- Stata插件安装：
Plain Text
* 安装Stata-Python交互工具
ssc install python
* 安装HTTP请求工具
ssc install httplib2
* 安装JSON处理工具
ssc install jsonio
- Python库安装：
Bash
pip install openai paddlepaddle baidu-aip requests stata_setup
模块二：大模型提示词工程基础
1. 提示词设计基本原则
明确任务目标
提供上下文信息
设定角色引导
规范化提示词实战
2. 结构化提示与输出格式控制
使用Markdown格式约束输出
加入错误处理提示："如果代码可能存在潜在问题，请用注释说明"
多轮对话技巧：基于大模型输出进行迭代优化
3.大语言模型实证研究应用场景
（1）全球顶级期刊（Nature、PNAS、Financial Times 50等）大语言模型应用范式总结：金融学、经济学、管理学、社会科学
（2）大模型在数据分析中的典型应用场景
数据清洗代码生成：处理缺失值、异常值、格式转换
数据变量生成：结构化信息提取、数据标注
统计模型选择建议：根据数据类型推荐合适的分析方法
结果解读与可视化：将回归输出转换为自然语言解释
研究思路拓展：基于初步结果提出进一步分析方向
模块三：Stata中调用大模型的实现方法
1. Stata调用大模型的三种方式
- 方式1：通过Stata的shell命令调用Python脚本
适用场景：复杂交互、批量处理
优势：灵活性高，可充分利用Python生态
- 方式2：利用Stata的Python集成功能
适用场景：中等复杂度任务，需要Stata与Python变量交互
优势：无需切换环境，变量传递方便
- 方式3：通过HTTP请求直接调用API
适用场景：简单查询，轻量级交互
优势：无需Python，纯Stata代码实现
2. 高级应用：大模型辅助自动化报告生成
从Stata导出规整分析结果表格（回归系数、描述性统计）
调用大模型将结果转换为结构化分析报告
自动生成结论与政策建议
3. 大语言模型数据分析初探
案例1：大语言模型区分数字经济项目——基于4817项2025年国家社会科学基金立项名单的分析
参考文献：
金星晔,左从江,方明月,等.企业数字化转型的测度难题：基于大语言模型的新方法与新发现[J].经济研究,2024,59(03):34-53.
模块四：Stata个性化大模型命令开发及顶刊复现
1、基于通义千问开发属于自己的个性化大模型stata命令
2、多模型协作完成复杂任务：基于Bert模型和deepseek进行数据标注
案例2：大模型情感分析——分析股吧文本数据，提取情感倾向并与定量变量关联
流程实现：用Stata加载包含文本变量的数据集；调用大模型对文本进行情感分析（生成情感分数）；将情感分数作为新变量保存到Stata数据集；分析情感分数与其他变量的相关性
参考文献：
Jha, Manish, Hongyi Liu, and Asaf Manela. “Does finance benefit society? A language embedding approach.” The Review of Financial Studies (2025): hhaf012.
案例3：大模型文本变量构建——基于中国上市公司年报构建制造服务化指标（GPT）
参考文献：
Niu, Yimeng, et al. "The bullwhip effect in servitized manufacturers." Management Science 71.1 (2025): 1-20.
案例4：大语言模型进行大数据分类：使用Stata调用 deepseek-r1 模型判断2005-2024上市公司高管绿色背景
案例5：大语言模型结构化信息提取
使用Stata调用大语言模型进行文本主要内容提取——2005-2025年省政府工作报告中的经济增长目标提取
参考文献：
陆瑶,施函青,周欣怡.中国企业数字技术风险暴露对企业价值的影响——来自大语言模型的文本分析证据[J].经济研究,2025,60(02):73-89.
4. 课程报名
课程价格
拼团购买：（10.27前支付）799元；
可按照实际支付金额开具电子发票
价格包含：直播课程+录播回放+课程资料+课程答疑（仅开课前支付能进答疑群）
如有以下优惠，购买前找“学知老师”领取优惠券。
优惠一
扫码成为超级课程会员
4. 课程售后
课程发票/课程通知
联系“学知老师”可领取课程开课通知、结课证书、可报销发票等证明。
课程退款
在课程未开始前，接受“7天无理由退款”，由于是知识付费，一旦直播课开始后，不接受退款。退款请联系“学知老师”。