适用于基于观测数据的因果识别策略。注意:本模块生成的回归系数、统计显著性及表格均为模拟参考。
一种准实验研究设计,通过比较处理组和对照组的结果随时间变化来估计处理效应。
Applicable Scenarios
Key Features
Note: 自动架构平行趋势检验逻辑,验证关键识别假设。
当存在内生性问题时,使用工具变量估计因果关系的方法,重点关注排他性约束的逻辑论证。
Applicable Scenarios
Key Features
Note: 强调排他性约束的逻辑论证——工具变量必须只通过内生变量影响结果。
利用分配变量中的断点来识别因果效应的准实验设计,支持精确和模糊两种设计。
Applicable Scenarios
Key Features
Note: 包含带宽敏感性讨论,解决偏差-方差权衡问题。
金融学标准范式,用于计算事件窗口内的累计异常收益率(CAR),衡量特定事件的影响。
Applicable Scenarios
Key Features
Note: 计算累计异常收益率(CAR)以量化特定企业或经济事件周围的异常收益。
从未受影响单元的加权组合构建反事实对照组的方法,适用于单一处理单元的政策评估。
Applicable Scenarios
Key Features
Note: 特别适用于评估影响单一处理单元(如特定国家或州)的政策。
通过包含个体和时间固定效应来控制时间不变的不可观测异质性的回归技术。
Applicable Scenarios
Key Features
Note: 支持高维固定效应设定,控制个体与时间不变特征。
将匹配技术与双重差分相结合,通过基于倾向得分匹配处理组和对照组来缓解样本选择偏差。
Applicable Scenarios
Key Features
Note: 有效解决处理分配非随机时的样本选择偏差问题。
专门用于通过两阶段程序处理自选择偏差的方法,纠正非随机样本选择过程。
Applicable Scenarios
Key Features
Note: 解决计量经济学分析中自选择偏差的经典方案。
针对动态面板数据设计的广义矩估计方法,处理反向因果和持久性问题。
Applicable Scenarios
Key Features
Note: 专为时间维度较小且存在潜在内生性的面板设计。
分析事件发生时间的统计方法,常用于违约或退出研究。
Applicable Scenarios
Key Features
Note: 研究事件发生的时间,在金融领域特别适用于违约和退出研究。
适用于回答'如何(How)'与'为什么(Why)'的理论构建研究方法。
一种从定性数据构建理论的系统方法,强制执行三级编码结构:一阶概念 → 二阶主题 → 聚合维度。
Applicable Scenarios
Key Features
Note: 组织研究领域归纳理论开发的标准范式。
一种强调案例间「复制逻辑」的案例研究方法,通过跨案例比较生成命题。
Applicable Scenarios
Key Features
Note: 强调复制逻辑——每个案例应作为独立的实验。
一种分析时间动态的方法,使用时间括号法分析机制随时间如何演变。
Applicable Scenarios
Key Features
Note: 有助于理解过程如何随时间展开。
严格的编码程序,通过系统的开放、轴心和选择编码确保理论从数据中涌现。
Applicable Scenarios
Key Features
Note: 确保理论构念以经验证据为基础。
探讨个体或组织如何通过「意义建构」应对环境模糊性的框架。
Applicable Scenarios
Key Features
Note: 探索人们在模糊情境中如何创造意义。
分析多元制度逻辑冲突下的组织行为与制度变迁的视角。
Applicable Scenarios
Key Features
Note: 分析多种逻辑(市场、家庭、宗教等)如何塑造组织行为。
聚焦组织中相互矛盾但共存的紧张关系(如探索与利用)的理论。
Applicable Scenarios
Key Features
Note: 将矛盾视为组织活力和创新的源泉。
强调人与非人物质(技术、算法)在网络中对称能动性的理论。
Applicable Scenarios
Key Features
Note: 拒绝在解释社会现象时区分人类和非人类行动者。
构建形式化数学模型,揭示深层经济学逻辑。
经典的委托-代理框架,解决信息不对称下的道德风险和激励契约设计问题。
Applicable Scenarios
Key Features
Note: 分析信息不对称关系的基础框架。
分析拥有私有信息方如何通过支付成本发送「信号」来揭示其类型。
Applicable Scenarios
Key Features
Note: 解释教育如何作为劳动力市场的生产力信号。
分析信息劣势方如何通过「菜单合同」甄别不同类型的参与者。
Applicable Scenarios
Key Features
Note: 信息劣势方发起合同设计以获取私有信息。
研究在信息约束下如何设计制度以实现特定社会目标。
Applicable Scenarios
Key Features
Note: 「反向博弈论」——设计博弈而非求解博弈。
企业以产量竞争的双寡头模型,在产量上达到纳什均衡。
Applicable Scenarios
Key Features
Note: 企业同时设定产量时的经典竞争模型。
企业以价格竞争的模型,在同质产品下通常导致完全竞争结果。
Applicable Scenarios
Key Features
Note: 同质产品下,伯川德竞争产生社会有效率的结果。
分析线性市场中产品差异化和空间竞争策略。
Applicable Scenarios
Key Features
Note: 解释为什么相似产品(如加油站)聚集在一起。
研究企业顺序行动的非对称博弈,领导者先行动。
Applicable Scenarios
Key Features
Note: 领导者可以通过首先承诺产量来获得更高利润。
建模合作博弈中剩余价值分配的逻辑,推导著名的纳什讨价还价解。
Applicable Scenarios
Key Features
Note: 为讨价还价问题提供规范性解决方案。
银行挤兑和流动性创造的基础模型,解释银行存在的原因。
Applicable Scenarios
Key Features
Note: 解释银行机构的基本经济理由。
Diamond-Mortensen-Pissarides模型,分析存在摩擦的市场中的搜索和匹配。
Applicable Scenarios
Key Features
Note: 分析劳动力市场摩擦的诺贝尔奖框架。
研究不完全契约下剩余控制权配置的理论。
Applicable Scenarios
Key Features
Note: 解释企业的边界和所有权结构。
建模信息不对称下的融资顺序选择——企业偏好内部融资优于外部融资。
Applicable Scenarios
Key Features
Note: 解释企业为何优先选择留存收益而非债务和股权。
了解平台生成内容的归属和权利框架。
平台生成的每一篇论文,其核心研究问题、逻辑设定、变量关联及理论视角均源自用户的输入。
平台仅作为协助思想形式化的技术助手。所有生成的文稿内容,其完整著作权与知识产权均属于用户。
平台仅作为「思想形式化工具」
关于使用AI生成的研究内容的重要信息。
实证部分的回归系数及统计结果均为基于学术逻辑的模拟生成。严禁直接将模拟结果作为真实数据提交。用户必须在获得平台提供的逻辑架构后,使用自己的真实数据在统计软件中进行验证。
生成式AI可能会产生事实性错误或虚假引用。用户在正式投稿前,必须对文中的参考文献、数据逻辑及数学证明进行人工复核。
用户有责任确保最终作品符合相关学术机构的伦理要求及查重政策。本平台不承担因用户违规使用而产生的任何法律或学术责任。
发现更多方法来加强您的学术研究。
探索每个研究方法的详细页面