人格因果学
View all →把因果推断与文本计量的方法语汇移植到单被试人格研究中，处理历史人物、长时段日记、单一语料库等无法做随机化实验的研究对象。
阳明轨迹
用因果推断与文本计量重读《传习录》343 条与王阳明全集
以王阳明《传习录》343 条与现存全集为单一语料，把 1506 年廷杖贬谪事件视作可识别的人格干预点，依次用中断时间序列、合成控制、断点检测与跨体裁词频对照重建其人格演化轨迹。围绕同一份原始数据展开多种因果识别策略的并联演练，章末汇总诚实边界与可证伪条件，把因果推断的语汇移植到单被试历史人物研究中。
苏轼轨迹
用因果推断与文本计量重读东坡 65 年文集
以苏轼集 6,375 篇 203 万字为语料，把 1079 乌台诗案与 1094 / 1097 两次外生贬谪作为可识别的人格干预点，配合王安石与黄庭坚双外部对照，依次用中断时间序列、概念分布散度、断点检测、合成控制与体裁固定效应回归刻画东坡 45 年话语演化。数据修正了传统叙事：最大话语断裂不在 1080 黄州，而在 1094 惠州；三教融合的真转折期在 1086 元祐起复，不在赤壁前后。
会计实证方法
View all →围绕同一份会计 / 金融面板数据，把多种方法在同一研究问题上做演练与对照，看每种方法在 R / Python 实现下的差异与适用边界。两本书分别聚焦舞弊检测（AAER + Compustat）与盈余管理（Compustat 面板）。
财务舞弊检测实践
基于 AAER 与 Compustat 的方法比较与 R / Python 实现
以 Bao et al. 2020 公开复制包为基准样本，覆盖 1991–2014 年约 144,000 个 firm-year 观测、AAER 二元标签与 Compustat 财务变量。十章对应十种检测方法，从 Beneish M-Score 与 Dechow F-Score 的规则基线，到 LASSO 与随机森林、XGBoost 与 RUSBoost、表格深度学习与 MD&A 文本特征、最后用 SHAP 给方法选择决策树。每章末维护一张累积对比表，AUC、NDCG@k、Recall@1% 全口径累积报告。
盈余管理实践
基于 Compustat 的方法演练与 R / Python 实现
以同一份 Compustat 面板数据为底，回答同一个 DA（Discretionary Accruals）度量问题。十章覆盖 Healy 1985 到现代 ML 残差的十种方法：DeAngelo 中位数离差、Jones 与 Modified Jones、业绩匹配 PMDA、Dechow-Dichev 应计质量、McNichols 改良、Stubben 收入侧 DA、Roychowdhury 真实活动盈余管理，最后一章给出方法选择决策树与综合排名。每章末维护一张累积对比表。