🏷 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://t.me/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://t.me/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://t.me/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://t.me/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

ترساندن از آینده
و نگاه محتاطانه به آن
لزوماً نشانهٔ اندیشهٔ عمیق و نگاه تحلیل‌گر نیست.

گاهی صرفاً پاسبانی از گذشته است‌.

#امید

سلام به همگی
ضمن عرض تسلیت به همه ایرانیان، به‌ویژه دوستانی که در جریان وقایع اخیر، عزیز یا عزیزانی را از دست داده‌اند. 🖤

امیدوارم آینده سرزمین ایران روشن و درخشان باشد.

پس از بهبود شرایط فعلی، فعالیت‌های آموزشی که هدف اصلی این کانال است، از سر گرفته خواهد شد.

سلام به همه دوستان عزیزم،
امیدوارم خوب و سلامت باشید

این روزها اغلب ما کم‌وبیش در تله‌ی اخبار گرفتار شده‌ایم. اما واقعیت این است که پیمایش بی‌انتهای (Infinite Scroll) خبرها، به جای آگاهی، فقط اضطراب و خستگی ذهنی برایمان به همراه دارد. برای بازگرداندن آرامش و تمرکز، پیشنهاد می کنم: بیایید بخشی از این زمان را به یادگیری مهارتی اختصاص دهیم که هم ذهنمان را نظم می‌دهد و هم در دنیای اقتصاد و تحلیل داده، ابزاری بی‌رقیب است.

امروز می‌خواهم دو منبع تراز اول جهانی را به شما معرفی کنم که یادگیری را از صفر و به صورت کاملاً کاربردی شروع کرده‌اند:

۱. کتاب R for Data Science (ویرایش دوم):
اگر به زبان R علاقه‌مند هستید، این کتاب نوشته «هادلی ویکهام» (اسطوره دنیای R) بهترین نقطه شروع است. این کتاب به شما یاد می‌دهد چگونه داده‌ها را وارد کنید، آن‌ها را تمیز کرده و نمودارهای تحلیلی خیره‌کننده بسازید.

🔗 مطالعه آنلاین کتاب R

۲. کتاب Python for Data Science:
برای دوستانی که پایتون را ترجیح می‌دهند، این منبع یک نقشه راه بی‌نظیر است. این کتاب با تمرکز بر تحلیل داده‌های اقتصادی و اجتماعی، پایتون را از مفاهیم پایه تا تحلیل‌های پیشرفته آموزش می‌دهد.

🔗 مطالعه آنلاین کتاب Python

چرا این دو کتاب؟

چون 1- هر دو کاملاً رایگان و آنلاین هستند. 2- بر اساس متدولوژی‌های مدرن سال ۲۰۲۴ و ۲۰۲۵ به‌روزرسانی شده‌اند.

به جای تئوری خشک، مستقیماً با کدنویسی و پروژه‌های واقعی درگیر می‌شوید.



مراقب خودتان باشید. به امید ایرانی آزاد و آباد برای همه ایرانیان❤️

https://t.me/ecohadico

مراقب خودتان باشید.❤️

سلام به همه دوستان عزیزم

امیدوارم همه شما در سلامت کامل باشید.

به امید صلح و آرامش برای ایران عزیز

#معرفی_کتاب

معرفی یک کتاب خوب بعد از مدتها دوری از اینترنت جهانی و شما دوستان عزیز

امیدوارم با خوندن این کتاب نکات ارزشمندی را یاد بگیریم

https://rafalab.dfci.harvard.edu/dsbook-part-1/

🌐 @ecohadico

🔆 از ایده تا داده؛ بیایید این مسیر را با هم هموارتر کنیم

نوشتن یک مقاله، پیش‌بردن پایان‌نامه، یا تحلیل داده‌های یک پروژه، قبل از اینکه یک کار علمی باشد، یک مسیر پر از دغدغه فکری است. اغلب ما که در فضای پژوهش و علوم اجتماعی درگیر هستیم، آن لحظه‌های کلافگی را خوب می‌شناسیم؛ لحظه‌هایی که ایده قشنگی در ذهن داریم، اما ساعت‌ها و روزها پشت سدّ کدهای فرسوده‌ی Stata و R و پایتون و خطاهای عجیب آزمون‌ها، یا ماتریس‌های فضایی نامفهوم گیر می‌کنیم.

گاهی این چالش‌های فنی و فرسایشی، آن‌قدر انرژی ذهنی ما را می‌گیرند که انگیزه اصلی‌مان برای تحقیق و نوشتن کم‌رنگ می‌شود.

در این چند سال، در حد توانم تلاش کرده‌ام در این کانال با آموزش‌ها و به اشتراک گذاشتن تجربه‌های شخصی، کمی از این مسیر را برای شما روشن‌تر کنم. اما می‌دانم که هر پروژه، ساختار و چالش‌های منحصربه‌فرد خودش را دارد.

اگر این روزها روی پژوهش یا پروژه‌ای کار می‌کنید و حس می‌کنید در بخش تحلیل داده‌ها، مدل‌سازی اقتصادسنجی، یا رسم نقشه‌ها و نمودارهای استاندارد به مشکل خورده‌اید یا نیاز به یک هم‌فکری دارید، دوست دارم به عنوان یک دستیار تحقیق و مشاور در کنارتان باشم.

هدف من این نیست که صرفاً یک پروژه تحویل بگیرم؛ بلکه می‌خواهم کمک کنم تا:

🌱 بار سنگین و فرسایشی کدنویسی و خطایابی از روی دوشتان برداشته شود.

🌱 داده‌هایتان دقیق، شفاف و بر اساس استانداردهای روز آکادمیک با نرم افزارها و زبان هاب برنامه نویسی مانند Stata, R , Python تحلیل شوند.

🌱 و مهم‌تر از همه، با آرامش ذهنی بیشتری روی اصل ایده و تحلیل‌های اقتصادی کارتان تمرکز کنید.

پژوهش یک کار تیمی و همدلانه است. اگر فکر می‌کنید حضور من به عنوان دستیار تحقیق می‌تواند به پیشرفت و کیفیت کارتان کمک کند، خوشحال می‌شوم جزئیات و دغدغه‌های پروژه‌تان را بشنوم تا با هم بررسی کنیم که چطور می‌شود بهترین خروجی را گرفت.

📩 می‌توانید از اینجا با من در ارتباط باشید:
👉 @ecohadi

@ecohadico🌐
#اقتصادسنجی #تحلیل_داده #دستیار_تحقیق #R #Stata

📢 دوره تخصصی آموزش Stata در راه است

با توجه به استقبال دوستان، دوره‌ای با محوریت تحلیل داده‌های اقتصادی ایران طراحی می‌شود.

📌 سرفصل‌های اصلی:
• مدیریت داده ها و آمار توصیفی
• مدل‌های رگرسیون خطی و لاجیت
• داده‌های پانل (اثرات ثابت و تصادفی)
• مصورسازی و گزارش‌نویسی حرفه ای

برای طراحی دوره متناسب با نیاز شما عزیزان، خواهشمندم در نظرسنجی زیر شرکت فرمایید 👇