中央财经大学第四期“科教融汇研究生学术新星孵化计划”于2024年6月13日正式启动。为保证项目研究顺利开展，打好项目成员科研基础，研究生奖助工作办公室于近期为项目成员开展了科研基础训练系列课程。
科研基础训练课程是“孵化计划”三大训练模块之一，自课程开设以来已帮助前三期项目成员掌握科研基础知识、提升科研必备技能，受到项目成员的广泛好评。
本次科研基础训练课程共四门，分别是《论文写作基础》《实证研究方法》《数据挖掘与机器学习》《社会调查研究方法》，采用线上、线下相结合的授课方式。
6月21日上午，《论文写作基础》课程第一讲由我校金融学院夏聪副教授讲授。夏聪副教授首先介绍了论文选题的注意事项，他建议同学们要尽量选择微观层面数据、增加观测值数量并选取合适面板数据，在计量模型的选择上要注意贴合使用场景。夏聪副教授指出，高质量论文应当具备变量度量合理、回归方法科学、研究话题新颖重要、数据稳健性好等特点。随后，夏聪副教授从论文写作顺序、题目写作要点、摘要及关键词写作要点三方面讲述论文写作流程以及注意事项。最后，夏聪副教授为同学们讲解引言框架写作。他指出，引言框架应当包含研究背景、研究问题或者目的、创新点以及文章的结构安排并介绍相应部分写作时的注意事项。
6月24日上午，《实证研究方法》课程第一讲由我校经济学院梁银鹤副教授讲授，本节课集中探讨了计量经济学领域中的主流理论模型与实证研究方法。首先， 梁老师详细介绍了OLS模型在经济数据分析中的优势和局限性，强调了在实证研究中必须认真考虑内生性问题。随后，在解决内生性问题方面，梁老师提出了多种方法和措施，包括加入控制变量、使用固定效应模型，以及目前最主流的IV（工具变量）、DID（双重差分）、RDD（断点回归）等技术。这些方法在处理时间序列数据和面板数据时展现出了强大的分析能力，为研究者提供了多样化的工具和视角，深化了对经济现象和政策效果的理解和评估。
6月26日上午，《数据挖掘与机器学习》课程第一讲由我校统计与数学学院潘蕊教授讲授。潘教授首先从同学们的选题切入，引入了机器学习和数据挖掘的相关概念。随后，潘蕊教授系统阐述“统计学习”和“机器学习”的基本思想，帮助区分有监督学习和无监督学习。同时，潘蕊教授根据同学们提出的问题，详细解释并区分了主成分分析和因子分析。此外，潘蕊教授指出机器学习的三要素是“模型”、“策略”和“算法”。她强调，大家需要根据具体情况和研究目的综合考虑机器学习方法，并指出建立模型时不必追求对错，过分追求模型精度，而是需要使用模型来解释实际问题。
6月28日上午，《社会调查研究方法》课程第一讲由我校社会与心理学院王修晓副教授讲授。王修晓副教授首先从不同视角介绍自己对学术本质的认识，强调对待学术应持严肃态度，能够通过学术的科学方法论突破主观经验的局限，并将学术作为重新认识世界的工具。随后，王修晓副教授深入分析社会调查的重要性及其核心方法。他强调，在数据泛滥的时代，需具备独立的数据收集能力，并通过数据进行分析、通过引入认知世界的过滤网与认知偏见等哲学问题。王修晓副教授提醒同学们应跳出自我中心主义的框架，清空固有认知，以无偏见的视角进入研究，从而接近事物的真相；最后，王修晓副教授总结了在进行社会调查研究时应注意的问题并推荐了相关书目。
授课结束后，同学们就课程内容结合自己在科研实践中遇到的难题与授课教师进行交流互动，课堂讨论活跃、整体氛围良好。研究生工作部、研究生院统筹学校高水平科研资源，持续开设科研基础训练课程，以线上线下相结合、课中课后相贯通的方式不断优化授课质量。今后，研究生奖助工作办公室将继续全面贯彻落实学校研究生培养的方针政策，不断推动“科教融汇学术新星孵化计划” 走深走实，力争“孵化”一批扎根中国社会、志向高远、成果突出、具有引领示范作用的研究生学术新星，推动我校拔尖创新人才培养、研究生教育事业高质量发展。
撰稿：崔育豪、段佳欣、曾遨宇、杨宇新
审稿：刘钾
终审：白丹
