专题一： 科研效率革命与社会网络文献情报智能处理
核心目标：建立对“AI+科研”的正确认知，掌握利用 Workbuddy 快速处理海量文献并提取核心增量的能力 。
一、科研全流程的智能化重塑
1、科研全流程拆解：选题、文献、实验、写作、投稿的痛点分析 。
2、常见低效问题识别：如何跨越“手工科研”到“智能辅助”的门槛 。
3、Workbuddy 在科研流程中的边界：能解决什么，不能解决什么 。
二、网络分析类结构化文献阅读与信息提取
1、高效阅读论文的结构化方法（非逐字阅读逻辑）。
2、核心信息精准提取：研究问题、方法论、边际贡献与研究不足。
3、多篇文献的对比分析与综述生成。
4、构建云端结构化文献笔记体系。
案例1：基于IMA知识库或本地特定文件夹中的文献，写作文献综述。
专题二：学术创新逻辑与网络分析高水平论文写作
核心目标：利用 Workbuddy 发现研究空白，并基于顶刊标准完成高质量的论文撰写与修回工作 。
一、选题生成与研究设计优化
1、好选题的三维标准：创新性、可行性、研究价值 。
2、利用 AI 发现研究空白（Research Gap）与跨学科机会 。
3、基于已有文献逻辑链生成新的研究假设 。
二、论文结构设计与逻辑润色
1、学术论文的标准逻辑结构。
2、从提纲到内容的自动扩展与深度分析。
3、方法论部分的清晰表达与逻辑复现性优化。
4、构建长期可复用的“文献—写作—分析—投稿”一体化工作流 。
案例2：利用学术工作流讨论社会网络研究选题。
专题三：实证前沿 I：计量经济学视角下的因果推断与社会网络
核心目标：掌握机器学习赋能下的因果推断前沿方法，通过 Workbuddy 实现代码自动化、算法调优与结果解读 。
一、社会网络研究基础
1、复杂网络的基本范式：结构主义、关系主义和复杂系统范式
2、网络的基本概念：加权网络、有向网络、多层网络
3、网络形成的经济学直觉：同质性、机会约束、互动
二、 网络结构测度
1、节点层指标：度中心性、接近中心性、中介中心性、特征向量中心性
2、局部结构：聚类系数、结构洞
3、整体网络结构：网络密度、小世界指数、富人俱乐部系数、核心-边缘结构
三、准自然实验思路与 Workbuddy 协同
1、双重差分法（DID）：多时点 DID 与政策效应动态图的实现；利用 Workbuddy 编写代码进行平行趋势检验与安慰剂检验。
2、断点回归法（RDD）：精准断点、模糊断点与断点操纵检验。
3、工具变量法（IV）：工具变量的构建与内生性处理。
4、合成控制法（SCM）：基本原理与 SCM-DID 稳健性检验。
四、实操：网络指标自动化实证分析
1、数据清洗与代码生成：使用 Workbuddy 自动处理面板数据缺失值、缩尾处理及变量对数化。
2、结果解读与可视化：将回归系数表转化为符合顶刊规范的图形，并由 AI 辅助撰写初步的经济解释。
案例3：利用上市公司专利引用数据测算企业在创新网络中的社会网络指标
案例4：根据课堂反馈进行准自然实验设计和回归拟合
参考文献：
[1]张玉婷,郭佳丽.供应链网络地位与企业绿色创新：基于中间地位遵从理论[J/OL].研究与发展管理,1-14[2026-04-23].
[2]齐鹰飞,梁琦隆,王璧雪.知识溢出与中国企业创新质量选择——基于创新网络的研究[J].经济科学,2026,(01):110-130.
[3]李俊青,袁博,张雪莹.中国上市企业股权网络结构与技术创新——基于风险分担与风险传染的视角[J].金融研究,2025,(08):151-168.
专题四：实证前沿 II：社会网络分析与网络因果推断
核心目标：深入探讨社会网络结构对经济行为的影响，并解决网络数据中的因果识别难题。
一、统计网络模型
1、ERGM（指数随机图模型）：用于解释“网络为什么长这样”
（1）生成机制建模：网络形成的内生结构效应（互惠、传递性、星形结构）与外生协变量效应（同质性）
（2）ERGM的统计原理：马尔可夫依赖性与MCMC参数估计
（3）模型拟合与诊断：拟合优度（Goodness of Fit, GOF）检验与模型简并（Degeneracy）处理
参考文献：[1] Yeongkyun Jang, Jae-Suk Yang. (2022). The dynamics of the EU's nuclear trade network: An ERGM analysis. Structural Change and Economic Dynamics, 63, 470-477.
2、Stochastic Block Model：社群结构生成和隐含群体识别
3、Latent Space Model（潜空间模型）：节点在“隐含空间”中的距离决定连接概率
4、动态网络建模：TERGM与SAOM
（1）时序网络分析：时序指数随机图模型（TERGM）——分离“关系形成”与“关系维系”的机制
（2）随机行动者导向模型（SAOM）：网络与行为的共演化（Co-evolution）。即：是网络影响了行为（社会选拔/同伴效应），还是行为影响了网络（同质性选择）？
参考文献：
[1]Xin-Yi Wang, Bo Chen, Na Hou, Zhi-Pei Chi. (2024). Evolution of structural properties of the global strategic emerging industries' trade network and its determinants: An TERGM analysis. Industrial Marketing Management, 118, 78-92.
[2] Amati V, Schönenberger F, Snijders T. 2015. Estimation of stochastic actor-oriented models for the evolution of networks by generalized method of moments. J. Soc. Fr. Stat. 156:140–65.
二、网络因果推断
1、联合倾向得分（Joint Propensity Score, JPS）模型，用于识别社会网络中的因果效应。
2、溢出效应（Spillover Effects）识别：同群效应（Peer Effects）与网络干扰下的因果识别。
3、网络内生性问题：网络形成的自选择偏误与工具变量解法。
4、网络实验设计：网络随机化实验与伪网络对照组构建。
三、专题实战：复杂网络与经济行为
1、网络演化动态分析与实证代码实现。
案例5：利用上市公司专利引用数据探讨外部冲击的网络因果效应
参考文献：[1]王群勇,王浩竹,宋润宇.气温冲击、贸易网络与经济增长[J].经济研究,2026,61(01):167-189.
10个月宝宝每天需要喝多少奶粉？