سلام
دوستانی که در کلاس ثبت نام کردند و لینک گروه رو هنوز دریافت نکردند لطفا بهم پیام بدید.
تعداد پیامهای پی وی زیاد بوده این چند روز، ممکنه پیام تون رو ندیده باشم
ممنون
@ecohadi

معرفی منابع جذاب و ساده (سری زمانی مقدماتی با R)

1️⃣ Introduction to Time Series (مقدماتی با جزئیات کمتر)

2️⃣ Introduction to Time Series Analysis (مقدماتی ولی با جزئیات بیشتر)

3️⃣ Time Series Analysis (کامل تر از دو منبع قبل)


اگه علاقه مند به کار با داده های سری زمانی و مدل های مالی هستید این منابع نقطه شروع خوبی هستند.

با روزی یک ساعت زمان می تونید هر سه منبع رو در عرض 2 ماه بخونید و بهش مسلط بشین.

اگه در مسیر خوندن این منابع به نکته ای یا سوالی برخوردید خوشحال میشم با من در میون بزارید.

ارادتمند

🌐 @ecohadico

#زندگی
#معرفی


روش پومودورو* برای کار متمرکز:


شاید حدود ۱۰ سال پیش با مطالعه مطلبی در سایت متمم با روش پومودورو برای مدیریت زمان آشنا شدم. الان حدود ۴ سال است که از نسخه این وبسایت استفاده می کنم:

https://pomofocus.io/

در این روش، زمانی برای کار و زمانی برای استراحت کوتاه بین کار در نظر گرفته می شود ولی تنظیم مدت آن ها به سلیقه فرد است**.

خوبی این وبسایت این است که امکانی برای نظارت بر تعداد ساعات کار در طول زمان دارد و لذا می توان دید که روند بلندمدت کار چگونه بوده است. نسخه رایگان آن گزارش هفتگی و ماهانه می دهد و برای دریافت گزارش سالانه لازم است هزینه ای پرداخت شود.


مطلب سایت متمم درمورد روش پومودورو:

https://motamem.org/%D8%AA%DA%A9%D9%86%DB%8C%DA%A9-%D9%BE%D9%88%D9%85%D9%88%D8%AF%D9%88%D8%B1%D9%88-%DA%86%DB%8C%D8%B3%D8%AA%D8%9F/


-------------

* Pomodoro

** تصویر تنظیمات ساعات کاری و استراحت این سایت ارسال شده است.



@kennedy_notes

🔆معرفی منابع آموزشی خود خوان (self study) برای یادگیری R

✔️R for Applied Economics: A Beginner’s Guide 2024
👁‍🗨Matthew Brown

✔️Introduction to R for Econometrics
▫️ Kieran Marray (Tinbergen Institute)

✔️Introduction to Econometrics with R 2020
▫️ Florian Oswald, Vincent Viers, Jean-Marc Robin, Pierre Villedieu, Gustave Kenedi

✔️Applied Microeconometrics with R 2024
▫️Achim Zeileis, Christian Kleiber

✔️Data Science for Economists and Other Animals 2021
▫️Grant McDermott

✔️Principles of Econometrics with \(R\) 2016
▫️Constantin Colonescu

✔️R for Economic Research (2e) 2025
▫️J. Renato Leripio

✔️R Companion to Real Econometrics 2021
▫️Tony Carilli

این منابع رو با عشق براتون جمع آوری کردم برای دانشجویانی که علاقه مند به یادگیری R هستند خیلی مفید و کاربردیه.
همه منابع رایگان هستند. اگر این منابع رو مطالعه کنید دیگه نیازی به هیچ کلاس یا دوره آموزشی نخواهید داشت.

📢 برای دوستانتون هم ارسال کنید تا بقیه هم از این منابع ارزشمند استفاده کنند.


#r_for_economist #r_programming

🌐 https://news.1rj.ru/str/ecohadico

📝 تجربه شخصی از یک پروژه ۳۰ ساله داده‌های پرسشنامه‌ای CEX در Stata

چند روز پیش روی یک پروژه بلندمدت کار می‌کردم؛ ترکیب داده‌های CEX که طی ۳۰ سال جمع‌آوری شده بودند.
یکی از بزرگ‌ترین چالش‌هایی که باهاش روبه‌رو شدم، عدم سازگاری پرسشنامه‌ها در طول زمان بود.

هر چند سال یک‌بار قوانین تغییر کرده بود، طراحی پرسش‌ها عوض شده بود، و ساختار دیتاست‌ها به‌روز شده بود.
در نتیجه، harmonize کردن متغیرها تبدیل شد به یکی از سخت‌ترین مراحل کار.

برنامه‌ای که نوشته بودم برای ۱۰ سال اول بدون مشکل اجرا شد.
اما از سال یازدهم به بعد، اختلاف ساختاری بین پرسشنامه‌ها خودش را نشان داد.
پرسش‌ها به‌قدری تغییر کرده بودند که مجبور شدم کدها را پیچیده‌تر کنم و شرط‌های جدیدی برای هماهنگی متغیرها اضافه کنم.

این روند با اضافه‌کردن شرط‌های جدید تا سال هفدهم جواب داد.
اما از آن سال‌ها به بعد، برخی متغیرها مانند متغیرهای مربوط به بیمه کاملاً تغییر کرده بودند و دیگر روش قبلی جواب نمی‌داد.

چند روزی این مسئله ذهنم را درگیر کرده بود که:
چطور می‌توانم یک برنامه یکپارچه بنویسم که همه ۳۰ سال را پوشش دهد؟
واقعیت این بود که نمی‌شد!

تا اینکه یک ایده ساده اما مهم به ذهنم رسید:

به‌جای پیچیده‌کردن برنامه اصلی، یک برنامه موازی برای سال‌های جدید بنویسم، و تغییرات اساسی را ابتدا در آن به فرمت سال‌های قدیمی تبدیل کنم بعد برنامه اصلی را اجرا کنم.

این خودش عملاً یک پروژه جدید بود،
اما جواب داد و در نهایت توانستم کل دیتاست ۳۰ساله را بدون خطا ترکیب کنم.

🔘 نکته‌ای که دوست دارم بگم:

در کار با داده‌های طولانی‌مدت (longitudinal surveys)، گاهی به‌جای پیچیده‌تر کردن راه‌حل قبلی، باید یک راه‌حل جدید اما ساده‌تر ساخت.

#تجربه_شخصی

https://news.1rj.ru/str/ecohadico

🏷 سوالی که دانشجوها از من می پرسند این هست که به عنوان یک زبان برنامه نویسی R یاد بگیریم یا Python ؟

این سوال بسیار خوبیه، در حالت کلی می توان گفت هر دو!

اگر به عنوان یک دانشجوی اقتصاد با مدل های اقتصادسنجی پیشرفته سر و کار دارید، R بهترین گزینه است.
دلیلش هم این است که همیشه اولین کتابخانه ها (package) اقتصادسنجی به زبان R منتشر می شوند. به عبارت دیگر می توان گفت R زبان اقتصاددان ها است.

اگر به دنبال پیاده سازی نتایج و مقالات با متد ماشین لرنینگ (Machin Learning) هستید، اینجا پایتون یک ابزار فوق العاده است و سریع تر از آن چیزی هست که فکرش را می کنیم.

بنابراین به عنوان دانشجوی اقتصاد توصیه من این است که اول R را یاد بگیرید و بعد از آن Python را یاد بگیرید.

🌐 https://news.1rj.ru/str/ecohadico

🔆 هنر یک آدم خبره این است که بتواند مسائل پیچیده را به شکلی ساده برای عموم بیان کند.

در بحث کار با داده ها نیز با این چنین موضوعی سروکار داریم. به طور کلی داده ها چون اعداد و ارقام هستند، برای فهمیدن آنها به تمرکز بیشتری نیاز داریم. در این دنیایی که تمرکز مانند الماس می ماند و به قدری کمیاب شده است که دیگر نمی توان از همه این انتظار را داشت که با تمرکز بتوانند به حرف های ما گوش بدهند. باید راهکاری برای ارائه دانش مان پیدا کنیم.

چاره کار چیست!؟

در مورد داده ها تکنیک مصورسازی داده (Data Visualization) به کمک ما می آید تا بتوانیم مسائل پیجیده تر را کمی ساده تر و قابل هضم تر کنیم.

➕ گالری گراف آر یک منبع بسیار خوب برای آموزش مصورسازی دیتا در R است که پیشنهاد می کنم حتما به سایتش سر بزنید و نکاتی هر چند اندک را توشه راه خود در مسیر کار با داده ها کنید.

➕ آر برای دانشمند داده منبع ارزشمند دیگر است که نکات فراوانی برای یادگیری دارد (یکی از منابعی که در دوره های آر از آن استفاده می کنم)😍

➕منبع دیگری که به نظرم جالب آمد و ارزش دیدن و خواندن را دارد Tidyverse Skills for Data Science است که توسط استاتید دانشگاه جان هاپکینز در سال 2021 نوشته شده، علاوه بر مصورسازی داده به مدیریت داده ها هم پرداخته اند.

➕ یکی از منابع جذاب دیگر سایت Data to Viz است که توسط Yan Holtz تهیه شده، برخی از درس ها رایگان نیستند ولی برای شروه قسمت ها رایگان ارزش خواندن دارند.

❤️ اگر این پست برای شما جالب بود و دوست داشتید برای دوستانتون هم ارسال کنید.

#r_programming #r_for_economist #data_vizualization

#تجربه_شخصی

چند وقت پیش روی یک پروژه اقتصادسنجی فضایی در ایران کار می‌کردم؛ پروژه‌ای که بخشی از آن مربوط به برآورد اثرات مستقیم و غیرمستقیم تغییر قیمت‌ها بود.

ابتدا همه چیز را با Stata پیش می‌بردم. داده‌ها، کدها، و کل ساختار پروژه… تا وقتی که رسیدم به آزمون موران!

صادقانه بگویم: هر چقدر تلاش کردم خروجی بسته‌های موجود در Stata منطقی درنیامد. با خودم گفتم شاید بشود کار را ادامه داد و فرض کرد «همین است که هست»؛ اما وقتی به مرحله محاسبه اثرات مستقیم و غیرمستقیم رسیدم، واقعاً انگار وارد یک پروژه جدید شده بودم.

هر ضرایب باید دستی وارد ماتریس‌ها می‌شد، همه چیز باید هماهنگ می‌بود و از همه سخت‌تر… Mata اصلاً بخشودنی نیست!😄
سه روز کامل با Mata جنگیدم، اما نتایج غیرمنطقی بودند و تصمیم گرفتم پروژه را به R منتقل کنم.

و همین تصمیم، بهترین بخش ماجرا شد.

در R با چند خط کد ساده، هم اثرات مستقیم و غیرمستقیم را دقیق محاسبه کردم و هم نقشه‌هایی ساختم که کیفیت‌شان با نقشه‌های Stata قابل مقایسه نبود.

تجربه‌ای که سخت شروع شد، اما با یک نتیجه لذت‌بخش تمام شد.

پی‌نوشت 1:
اثر مستقیم (Own-Region Effect): تأثیری که تغییر یک متغیر در منطقه i روی متغیر وابسته همان منطقه دارد.

پی‌نوشت 2:
اثر غیرمستقیم یا سرریز (Spillover Effect): تأثیر تغییر متغیر در منطقه j روی منطقه i.

پی‌نوشت 3:
آزمون موران لازمه هر تحلیل فضایی است؛ چون اگر همبستگی فضایی وجود داشته باشد، رگرسیون کلاسیک معتبر نیست و باید سراغ مدل‌های فضایی مثل SAR یا SEM رفت.

#موقعیت_های_شغلی

تصمیم داشتم موقعیت های شغلی مرتبط با رشته اقتصاد را به صورت هفتگی اینجا منتشر کنم ولی مشغله زیاد این روزها واقعا این فرصت رو ازم گرفته، امیدوارم موقعیت های پیش رو درهای جدیدی برای شما باز کنه.


Researcher Tropical Value Chains (Netherland)
Location Wageningen
End date Mon 22 December 2025

Research Assistant-Quantitative (Canada)
Remote within Canada

Call for Ph.D. applications (France)
Application deadline: January 2, 2026

ESSEC PhD Program in Economics (France)
Application deadline: January 15, 2026

applications for PhD (Germany)
Application deadline: January 30, 2026

🔆 چرا خیلی از دانشجوها از برنامه‌نویسی می‌ترسند؟

واقعیت این است که برنامه‌نویسی قرار نیست سخت باشد؛ فقط باید بدانیم از کجا شروع کنیم.

بیایید کمی با R دوست شویم و ببینیم یک دانشجوی اقتصاد چطور می‌تواند از آن استفاده کند بدون اینکه وارد جزئیات پیچیده شویم.

اولین دغدغه ما دانشجوهای اقتصاد:

چطور داده‌هامون رو وارد برنامه کنیم؟

معمولاً داده‌ها در ابتدای کار با یکی از این فرمت‌ها هستند:
Excel
CSV
برای کار با این فایل‌ها در R از کتابخانه‌ها (packages) استفاده می‌کنیم.

چرا کتابخانه‌ها مهم‌اند؟

چون توسعه‌دهندگان R در سراسر دنیا، توابع پیچیده را در قالب پکیج‌ها تبدیل به کارهای ساده و قابل استفاده کرده‌اند.
به زبان ساده: کتابخانه‌ها کار سخت را برای ما انجام می‌دهند!

مرحله اول: نصب و فراخوانی کتابخانه

install.packages("readxl")   # نصب (یک‌بار)
library(readxl)              # فراخوانی (هر بار)

🖥 خواندن فایل Excel

mydata <- read_excel("your_data_path.xlsx")
View(mydata)

🖥 خواندن فایل CSV

mydata <- read.csv("your_data_path.csv")
View(mydata)

اگه این مطلب برای شما مفید بود، خوشحال میشم با دوستانتون به اشتراک بگذارید😍

#r_for_economist #r_programming #econometrics

https://news.1rj.ru/str/ecohadico

#تجربه_شخصی

یکی از کارهایی که می‌تونه به ذهن ما نظم بده، نوشتنه.

همه شنیدیم که می‌گن: «اگه در هر کاری استمرار داشته باشی، موفق می‌شی.»
اما سؤال اصلی اینه: چطوری این استمرار رو در خودمون تقویت کنیم؟

واقعیت اینه که استمرار داشتن یکی از سخت‌ترین کارهای دنیاست. مخصوصاً برای ما که در علوم اجتماعی و رشته‌های دانشگاهی کار می‌کنیم و معمولاً دنبال نتایج قابل‌مشاهده هستیم.

فرض کنید می‌خوایم یک زبان جدید مثل انگلیسی یاد بگیریم. اگر مبتدی باشیم، حداقل سه ماه مطالعه‌ی مداوم لازم داریم تا تازه اولین نشانه‌های پیشرفت رو حس کنیم!
یعنی همین یک کار ساده، خودش نیاز به استمرار جدی داره.

پس باید یک راه‌حل پیدا کنیم که این استمرار رو در خودمون تقویت کنیم.
راه‌حل برای هر کس می‌تونه متفاوت باشه، اما من می‌خوام یک تجربه‌ی شخصی رو با شما به اشتراک بذارم.

حدود دو سال است که کتاب عادت‌های اتمی جیمز کلیر رو شروع کردم و بعضی از نکاتش رو اجرا کردم. ساده‌ان، اما اثرش برای من تا اینجا کاملاً رضایت‌بخش بوده.

سه جمله کلیدی کتاب رو اینجا می‌ذارم. اگر دوست داشتید، خود کتاب رو هم بخونید به نظرم ارزشش رو داره:

1️⃣ تو به سطح اهدافت نمی‌رسی؛ به سطح سیستم‌ها و عادت‌هایی که هر روز اجرا می‌کنی سقوط می‌کنی.

2️⃣ هر کاری که انجام می‌دهی، یک رأی است برای شخصیتی که می‌خواهی در آینده بشوی.

3️⃣ عادت‌های کوچک جمع نمی‌شوند؛ تصاعدی رشد می‌کنند و اثرشان چندبرابری می‌شود.

امیدوارم این چند خط براتون مفید باشه.
اگه به نظرتون کاربردی بود، برای دوستانتون هم بفرستید 🌱
#برنامه_ریزی

https://news.1rj.ru/str/ecohadico

#موقعیت_های_شغلی

موقعیت های شغلی این هفته را لینک های زیر پیدا کنید.
برای اینکه بتوانید موفق تر عمل کنید لازم است شرح شغل را کامل مطالعه کنید و رزمه خودتون رو با اون شغل ها منطبق کنید.
نکته یک: دقت کنید که مهارت هایتان را خیلی بزرگنمایی نکنید.
نکته دو : اگر نیاز به نوشتن کاور لتر بود حتما خودتون متن اولیه رو بنویسید و صفر تا صد کار به AI واگذار نکنید.

دکتری اقتصاد در دانشگاه Bilgi ترکیه برای تدریس اقتصاد سنجی در مقطع ارشد و دکتری

موقعیت دکتری در دانشگاه St.Gallen’ سوئیس

PhD POSITION IN PUBLIC ECONOMICS زوریخ، سوییس

موقعیت دکتری اقتصاد آلمان

PhD Opportunity - Chair of Public Finance - Kiel University

موقعیت دکتری اقتصاد در سوئد

🔆 نحوه کار با dofile و پردازش داده ها در Stata

سری آموزش های برنامه نویسی در استاتا

اگه برای شما مفید بود با دوستانتون هم به اشتراک بگذارید.
#Stata #استتا

@ecohadico

درود بر همه همراهان عزیز

امیدوارم که حالتون خوب باشه و در سلامت کامل باشید.

فرا رسیدن شب یلدا را به شما سروران شادباش می گویم.
شاد و خرم باشید.🌷🥂

#زندگی
این روزها خبرهای ناخوشِ اقتصاد از هر سو می‌رسند؛ انگار مدام چیزی فرو می‌ریزد، بی‌وقفه و بی‌صدا. دنبال بهانه‌ای می‌گشتم تا این‌بار نه با عدد و نمودار، که با کلمه، کمی با یکدیگر حرف بزنیم.

اینجا، در سه سال گذشته، طی چند دوره آموزشی اقتصادسنجی کاربردی با هم داده‌های درآمد و هزینه خانوارهای ایرانی را تحلیل کردیم و درباره رفاه خانوار ها صحبت کردیم. خودم هم چند سال است در همین حوزه، چه در کار پژوهشی و چه در تجربه‌های اجرایی، درگیر بوده ام. برای همین خوب می‌دانم کوچک شدن سفره‌ خانوارها فقط یک متغیر اقتصادی نیست؛ اتفاقی است که آرام و پیوسته، لایه‌های زندگی را فرسوده می‌کند.

گاهی به مثال‌های ساده فکر می‌کنم. اگر یکی از اعضای خانواده بیمار شود، هزینه‌ها از کدام بخش ها باید کم ‌شوند تا روند درمان ادامه پیدا کند؟ از آموزش؟ از تغذیه؟ از آینده؟!

و وقتی زندگی مدام در حالت بقا می‌گذرد، با کدام آرامش قرار است اعتماد، مهارت و سرمایه انسانی درون یک خانواده شکل بگیرد؟

دیروز همه این فکرها در ذهنم می‌چرخید و صادقانه بگویم، سنگینی‌شان غمگینم کرده بود. عصر، با همسرم و پسر کوچکم، گفتیم کمی در خیابان قدم بزنیم. برای پسر کوچک مان یک دسته گل نرگس گرفتم و برای همسرم یک شاخه گل رز.

پسر کوچک مان برای اولین بار در زندگی‌اش گل نرگس را می‌دید. مدتی فقط نگاهش کرد؛ بعد با احتیاط گلبرگ‌ها را لمس کرد و آرام بو کشید. مکث کوتاهی کرد، شبیه لحظه‌ای که آدم می‌خواهد چیزی را برای خودش نگه دارد.
در همان چند دقیقه، صورتش نرم‌تر شد؛ انگار جهان، برای لحظه‌ای کوتاه، کمی مهربان‌تر به نظر می‌رسید.

در میان ‌همه این بی‌نظمی ها و فشارها، خواستم این حس ساده را با شما شریک شوم.
شاید زندگی، هنوز در همین مکث‌های کوچک و بی‌ادعا، راهی برای ادامه دادن نشان مان می‌دهد.❤️

https://news.1rj.ru/str/ecohadico

سلام به همه عزیزان
امیدوارم که خوب و سلامت باشید

امروز کتابی دیدم که تازه منتشر شده و اتفاقا ارزش خواندن هم دارد، خوشبختانه نسخه الکترونیکی و رایگان این کتاب در حال حاضر در دسترس است، خواستم این کتاب رو با شما به اشتراک بگذارم
شاید برای کسی مفید باشد.

امیدوارم همه چیز به خوبی پیش برود❤️

Causal Inference and Machine Learning: In Economics, Social, and Health Sciences

@ecohadico
@ecohadico