diff --git a/Week6/职工培训时间与生产效率_研究设计.html b/Week6/职工培训时间与生产效率_研究设计.html
new file mode 100644
index 0000000..de6fa73
--- /dev/null
+++ b/Week6/职工培训时间与生产效率_研究设计.html
@@ -0,0 +1,166 @@
+<!DOCTYPE html>
+<html lang="zh-CN">
+<head>
+  <meta charset="utf-8">
+  <meta name="viewport" content="width=device-width, initial-scale=1">
+  <meta name="description" content="职工培训时间与生产效率的因果研究设计：随机对照试验、截面数据、时间序列数据与面板数据。">
+  <meta name="color-scheme" content="light">
+  <title>职工培训时间与生产效率 · Week 6</title>
+  <style>
+    :root { --ink:#172b3a; --muted:#526474; --accent:#126a63; --line:#dce5e9; --paper:#fff; --wash:#f3f6f8; }
+    * { box-sizing:border-box; }
+    html { scroll-behavior:smooth; scroll-padding-top:24px; }
+    body { margin:0; background:var(--wash); color:var(--ink); font-family:"Microsoft YaHei","PingFang SC",system-ui,sans-serif; font-size:16px; line-height:1.85; }
+    .page { max-width:1080px; margin:40px auto; padding:0 24px; }
+    header { padding:44px 46px; background:var(--ink); color:#fff; border-radius:18px; }
+    .eyebrow { margin:0 0 12px; color:#b9ded9; font-size:13px; letter-spacing:2px; }
+    h1 { margin:0; font-size:clamp(26px,4vw,38px); line-height:1.4; }
+    .subtitle { margin:12px 0 18px; color:#dce5ed; }
+    .meta { margin:0; color:#c3d1dd; font-size:13px; }
+    nav { margin:22px 0; padding:16px 20px; border:1px solid var(--line); border-radius:12px; background:var(--paper); }
+    nav ul { display:flex; flex-wrap:wrap; gap:8px 22px; margin:0; padding:0; list-style:none; }
+    a { color:var(--accent); text-underline-offset:4px; }
+    nav a { font-size:14px; text-decoration:none; }
+    a:hover { text-decoration:underline; }
+    a:focus-visible { outline:3px solid #c08722; outline-offset:4px; }
+    section { margin:20px 0; padding:30px 38px; background:var(--paper); border:1px solid var(--line); border-radius:14px; }
+    h2 { margin:0 0 20px; font-size:23px; line-height:1.5; }
+    h2 .number { display:inline-block; margin-right:12px; color:var(--accent); font-size:15px; font-weight:700; }
+    h3 { margin:24px 0 10px; font-size:17px; }
+    p { margin:12px 0; }
+    ul { padding-left:24px; }
+    .note { margin:20px 0; padding:14px 20px; border-left:4px solid var(--accent); background:#edf6f4; border-radius:0 8px 8px 0; }
+    .notice { margin-top:22px; padding:14px 20px; color:var(--muted); font-size:14px; border:1px dashed #b5c5cf; border-radius:10px; }
+    .table-wrap { overflow-x:auto; margin:16px 0; }
+    table { width:100%; border-collapse:collapse; font-size:14px; }
+    caption { text-align:left; margin-bottom:8px; color:var(--muted); font-size:13px; }
+    th, td { padding:12px 14px; text-align:left; border-bottom:1px solid var(--line); vertical-align:top; }
+    th { background:#edf3f5; font-weight:600; white-space:nowrap; }
+    tbody tr:nth-child(even) { background:#fafcfd; }
+    .formula { margin:20px 0; padding:20px; text-align:center; background:#f3f6f8; border:1px solid var(--line); border-radius:10px; font-size:22px; font-family:Georgia,"Times New Roman",serif; overflow-x:auto; }
+    .overline { text-decoration:overline; }
+    .summary { font-weight:600; color:var(--accent); }
+    footer { margin:24px 0 40px; text-align:center; color:var(--muted); font-size:13px; }
+    @media (max-width:640px) { .page { margin:16px auto; padding:0 12px; } header { padding:28px 22px; } section { padding:24px 20px; } th,td { padding:10px; } h2 { font-size:21px; } }
+    @media (prefers-reduced-motion:reduce) { html { scroll-behavior:auto; } }
+    @media print { @page { margin:18mm; } body { background:#fff; font-size:11pt; } .page { max-width:none; margin:0; padding:0; } header { padding:0 0 16px; background:#fff; color:#000; border-bottom:2px solid #333; border-radius:0; } .eyebrow,.subtitle,.meta { color:#333; } nav { display:none; } section { padding:16px 0; margin:0; border:0; border-radius:0; } h2,h3 { break-after:avoid; } tr,.note,.formula { break-inside:avoid; } .table-wrap { overflow:visible; } table { font-size:9pt; } th,td { padding:7px; } a { color:#000; text-decoration:none; } footer { margin:18px 0 0; } }
+  </style>
+</head>
+<body>
+<div class="page">
+  <header>
+    <p class="eyebrow">计量经济学 / WEEK 6 / 研究设计</p>
+    <h1>职工培训时间与生产效率</h1>
+    <p class="subtitle">因果效应的理想试验与三类观测数据集</p>
+    <p class="meta">整理日期：2026年10月14日 · 培训时间：小时/人/周 · 生产效率：产出单位/人/小时</p>
+  </header>
+  <nav aria-label="页面目录"><ul>
+    <li><a href="#question">研究问题</a></li>
+    <li><a href="#experiment">随机对照试验</a></li>
+    <li><a href="#cross-section">截面数据</a></li>
+    <li><a href="#time-series">时间序列数据</a></li>
+    <li><a href="#panel">面板数据</a></li>
+    <li><a href="#conclusion">比较与结论</a></li>
+  </ul></nav>
+  <main>
+    <aside class="notice" aria-label="文档性质说明"><strong>阅读说明：</strong>本文是研究设计说明，未收集实际数据、未进行实证估计。所有分组均为示例，表格中的“…”表示待收集数据。</aside>
+    <section id="question" aria-labelledby="question-title">
+      <h2 id="question-title"><span class="number">01</span>研究问题与研究思路</h2>
+      <p>研究某一生产车间职工的培训时间与其生产效率之间的关系。</p>
+      <ul>
+        <li><strong>解释变量 <var>X</var>：</strong>职工培训时间，单位为小时/人/周。</li>
+        <li><strong>结果变量 <var>Y</var>：</strong>职工生产效率，单位为产出单位/人/小时。</li>
+        <li><strong>核心问题：</strong>在其他条件不变时，增加培训时间会使生产效率发生怎样的变化？</li>
+      </ul>
+      <p>这里需要区分<strong>相关关系</strong>与<strong>因果效应</strong>。培训较多的职工可能本来就更积极，也可能因为生产效率较低而被安排参加培训。因此，即使观察到培训时间与生产效率有关，也不能直接认定这种关系由培训引起。</p>
+      <p>研究思路是：先说明能够识别因果效应的理想化随机对照试验，再分别描述可用于研究这一问题的截面、时间序列和面板观测数据集，最后比较不同设计的特点及其因果识别限制。</p>
+    </section>
+    <section id="experiment" aria-labelledby="experiment-title">
+      <h2 id="experiment-title"><span class="number">02</span>理想化随机对照试验</h2>
+      <h3>1. 试验对象与随机分组</h3>
+      <p>从该车间选取一批职工，将他们<strong>随机分配</strong>到不同的培训组。例如：</p>
+      <div class="table-wrap"><table>
+        <caption>示例分组方案</caption>
+        <thead><tr><th scope="col">分组</th><th scope="col">培训安排</th><th scope="col">作用</th></tr></thead>
+        <tbody>
+          <tr><td>对照组</td><td>每人每周不参加额外培训</td><td>提供比较基准</td></tr>
+          <tr><td>处理组一</td><td>每人每周参加2小时培训</td><td>观察较低培训强度的效应</td></tr>
+          <tr><td>处理组二</td><td>每人每周参加4小时培训</td><td>观察较高培训强度的效应</td></tr>
+        </tbody>
+      </table></div>
+      <h3>2. 试验实施与效率测量</h3>
+      <p>各组在同一时期接受试验，各处理组的培训内容和培训质量保持一致，生产设备、工作任务、原材料及激励制度等条件尽可能相同。持续培训若干周后，在统一的考核期内测量职工的每小时产出。</p>
+      <aside class="note"><strong>统一测量口径：</strong>生产效率的分母采用实际生产工时，避免因培训占用了生产时间而造成口径混淆。每小时产出与每周总产出是不同指标，本文研究前者。</aside>
+      <h3>3. 因果效应的度量</h3>
+      <p>随机分配使各组职工的能力、经验、积极性等因素在平均意义上具有可比性。在职工按分组参加培训、不存在组间知识传播等理想条件下，处理组与对照组的平均生产效率之差可以度量相应培训安排的因果效应：</p>
+      <div class="formula" role="math" aria-label="每周培训2小时相对于不额外培训的估计效应，等于2小时培训组的平均生产效率减去对照组的平均生产效率">τ̂<sub>2,0</sub> = <span class="overline">Y</span><sub>X=2</sub> − <span class="overline">Y</span><sub>X=0</sub></div>
+      <p>上式衡量的是<strong>每周培训2小时相对于不额外培训</strong>的平均效应，其单位为产出单位/人/小时。同理，可比较每周培训4小时与不额外培训的效应，也可比较4小时与2小时培训的效应。</p>
+      <p><strong>解释限制：</strong>除非进一步假设培训效应是线性的，否则不能把上述组间差异直接理解为每增加一小时培训的固定效应。</p>
+    </section>
+    <section id="cross-section" aria-labelledby="cross-section-title">
+      <h2 id="cross-section-title"><span class="number">03</span>截面观测数据集</h2>
+      <h3>1. 数据收集方式</h3>
+      <p>在同一时期调查该车间的多名职工，记录每名职工此前一个统一培训期内的平均每周培训时间，以及随后统一考核期内的每小时产出。同时收集工龄、教育程度、岗位、设备条件和培训前效率等信息。</p>
+      <h3>2. 数据结构</h3>
+      <p>每行代表一名职工；下标 <var>i</var> 表示职工。</p>
+      <div class="table-wrap"><table>
+        <caption>截面数据结构示例（非实际数据）</caption>
+        <thead><tr><th scope="col">职工编号</th><th scope="col">每周培训时间 X<sub>i</sub></th><th scope="col">每小时产出 Y<sub>i</sub></th><th scope="col">工龄</th><th scope="col">岗位</th></tr></thead>
+        <tbody><tr><td>A</td><td>…</td><td>…</td><td>…</td><td>…</td></tr><tr><td>B</td><td>…</td><td>…</td><td>…</td><td>…</td></tr><tr><td>C</td><td>…</td><td>…</td><td>…</td><td>…</td></tr></tbody>
+      </table></div>
+      <h3>3. 特点与识别限制</h3>
+      <p class="summary">同一时期、不同职工之间的比较。</p>
+      <p>培训时间由实际安排或职工选择产生，而非随机分配。职工能力、积极性等差异可能同时影响培训时间与生产效率；低效率职工也可能被安排接受更多培训，形成反向因果。因此，不能直接把截面数据中的相关关系解释为因果效应。</p>
+    </section>
+    <section id="time-series" aria-labelledby="time-series-title">
+      <h2 id="time-series-title"><span class="number">04</span>时间序列观测数据集</h2>
+      <h3>1. 数据收集方式</h3>
+      <p>选定该车间的一名职工，连续观察若干周，逐周记录其培训时间和生产效率，并收集各周的任务难度、设备状况、实际生产工时等信息。</p>
+      <h3>2. 数据结构</h3>
+      <p>每行代表该职工的一个观察周；下标 <var>t</var> 表示周次。</p>
+      <div class="table-wrap"><table>
+        <caption>时间序列数据结构示例（非实际数据）</caption>
+        <thead><tr><th scope="col">周次</th><th scope="col">本周培训时间 X<sub>t</sub></th><th scope="col">本周每小时产出 Y<sub>t</sub></th><th scope="col">设备状况</th><th scope="col">任务难度</th></tr></thead>
+        <tbody><tr><td>第1周</td><td>…</td><td>…</td><td>…</td><td>…</td></tr><tr><td>第2周</td><td>…</td><td>…</td><td>…</td><td>…</td></tr><tr><td>第3周</td><td>…</td><td>…</td><td>…</td><td>…</td></tr></tbody>
+      </table></div>
+      <h3>3. 特点与识别限制</h3>
+      <p class="summary">同一个观察对象、不同时间之间的比较。</p>
+      <p>培训效果可能延迟出现，因此可以研究前一周或此前若干周的培训时间与本周效率的关系。工作经验积累、设备更新和生产任务变化也可能影响效率，必须注意区分这些因素与培训的作用。</p>
+      <aside class="note"><strong>替代观察层级：</strong>也可以以整个车间为观察对象，逐周记录人均培训时间和车间整体生产效率。不过，这时研究的是车间层面的关系，不能直接等同于职工个人层面的效应。</aside>
+    </section>
+    <section id="panel" aria-labelledby="panel-title">
+      <h2 id="panel-title"><span class="number">05</span>面板观测数据集</h2>
+      <h3>1. 数据收集方式</h3>
+      <p>连续观察该车间的同一批职工，在每一周记录每名职工的培训时间、生产效率及相关条件。</p>
+      <h3>2. 数据结构</h3>
+      <p>每行代表一个“职工—周”观察值；下标 <var>i</var> 表示职工，<var>t</var> 表示周次。</p>
+      <div class="table-wrap"><table>
+        <caption>面板数据结构示例（非实际数据）</caption>
+        <thead><tr><th scope="col">职工编号</th><th scope="col">周次</th><th scope="col">培训时间 X<sub>it</sub></th><th scope="col">每小时产出 Y<sub>it</sub></th><th scope="col">其他相关条件</th></tr></thead>
+        <tbody><tr><td>A</td><td>第1周</td><td>…</td><td>…</td><td>…</td></tr><tr><td>A</td><td>第2周</td><td>…</td><td>…</td><td>…</td></tr><tr><td>B</td><td>第1周</td><td>…</td><td>…</td><td>…</td></tr><tr><td>B</td><td>第2周</td><td>…</td><td>…</td><td>…</td></tr></tbody>
+      </table></div>
+      <h3>3. 特点与识别限制</h3>
+      <p class="summary">既有不同职工之间的差异，又有同一职工随时间发生的变化。</p>
+      <p>面板数据可以通过职工固定效应控制不随时间变化的个人特征，通过时间固定效应控制各职工共同经历的周度变化。但如果培训安排取决于职工近期效率，或存在未控制的个人层面时变因素，仍不能自动得到因果效应。</p>
+    </section>
+    <section id="conclusion" aria-labelledby="conclusion-title">
+      <h2 id="conclusion-title"><span class="number">06</span>研究设计比较与结论</h2>
+      <div class="table-wrap"><table>
+        <caption>四种研究设计的比较</caption>
+        <thead><tr><th scope="col">设计或数据类型</th><th scope="col">观察结构</th><th scope="col">比较方式</th><th scope="col">因果识别的关键说明</th></tr></thead>
+        <tbody>
+          <tr><td>随机对照试验</td><td>职工被随机分配到不同培训组</td><td>处理组与对照组的平均效率</td><td>在遵从分组、无组间干扰等理想条件下，随机分配支持因果识别</td></tr>
+          <tr><td>截面观测数据</td><td>多名职工，同一时期</td><td>不同职工之间的差异</td><td>需注意个人差异、培训选择和反向因果</td></tr>
+          <tr><td>时间序列观测数据</td><td>一个对象，多个时期</td><td>同一对象随时间的变化</td><td>需注意经验积累、设备或任务变化以及培训效应的滞后</td></tr>
+          <tr><td>面板观测数据</td><td>同一批职工，多个时期</td><td>同时利用职工间和时间上的变化</td><td>固定效应可控制部分因素，但不能自动消除所有内生性</td></tr>
+        </tbody>
+      </table></div>
+      <p><strong>结论：</strong>随机对照试验通过随机分配培训安排识别因果效应；截面数据观察“多人、同一时期”，时间序列数据观察“一个对象、多个时期”，面板数据观察“同一批人、多个时期”。</p>
+      <aside class="note"><strong>数据结构本身并不保证因果识别。</strong>后三种均为观测数据，仍需合理的识别策略。</aside>
+      <p>本文得到的是研究设计与数据组织方面的结论，并非“培训已提高生产效率”的实证结论。培训是否有效、效应多大，仍需实际数据与合理的识别策略来判断。</p>
+    </section>
+  </main>
+  <footer>计量经济学 · Week 6 ｜ 独立 HTML5 页面，无需联网 ｜ 可通过浏览器打印或另存为 PDF</footer>
+</div>
+</body>
+</html>
diff --git a/Week6/职工培训时间与生产效率_研究设计.md b/Week6/职工培训时间与生产效率_研究设计.md
new file mode 100644
index 0000000..bbf982f
--- /dev/null
+++ b/Week6/职工培训时间与生产效率_研究设计.md
@@ -0,0 +1,129 @@
+# 职工培训时间与生产效率：因果效应与数据结构
+
+> 计量经济学 · Week 6  
+> 整理日期：2026年10月14日  
+> 文档性质：研究设计说明。本文未收集实际数据，未进行实证估计；所有分组均为示例，表格中的“…”表示待收集数据。
+
+## 一、研究问题与研究思路
+
+研究某一生产车间职工的培训时间与其生产效率之间的关系。
+
+- **解释变量 X：**职工培训时间，单位为小时/人/周。
+- **结果变量 Y：**职工生产效率，单位为产出单位/人/小时。
+- **核心问题：**在其他条件不变时，增加培训时间会使生产效率发生怎样的变化？
+
+这里需要区分**相关关系**与**因果效应**。培训较多的职工可能本来就更积极，也可能因为生产效率较低而被安排参加培训。因此，即使观察到培训时间与生产效率有关，也不能直接认定这种关系由培训引起。
+
+研究思路是：先说明能够识别因果效应的理想化随机对照试验，再分别描述可用于研究这一问题的截面、时间序列和面板观测数据集，最后比较不同设计的特点及其因果识别限制。
+
+## 二、理想化随机对照试验
+
+### 1. 试验对象与随机分组
+
+从该车间选取一批职工，将他们随机分配到不同的培训组。例如：
+
+| 分组 | 培训安排 | 作用 |
+| --- | --- | --- |
+| 对照组 | 每人每周不参加额外培训 | 提供比较基准 |
+| 处理组一 | 每人每周参加2小时培训 | 观察较低培训强度的效应 |
+| 处理组二 | 每人每周参加4小时培训 | 观察较高培训强度的效应 |
+
+### 2. 试验实施与效率测量
+
+各组在同一时期接受试验，各处理组的培训内容和培训质量保持一致，生产设备、工作任务、原材料及激励制度等条件尽可能相同。持续培训若干周后，在统一的考核期内测量职工的每小时产出。
+
+生产效率的分母采用**实际生产工时**，避免因培训占用了生产时间而造成口径混淆。每小时产出与每周总产出是不同指标，本文研究前者。
+
+### 3. 因果效应的度量
+
+随机分配使各组职工的能力、经验、积极性等因素在平均意义上具有可比性。在职工按分组参加培训、不存在组间知识传播等理想条件下，处理组与对照组的平均生产效率之差可以度量相应培训安排的因果效应：
+
+$$
+\widehat{\tau}_{2,0}=\overline{Y}_{X=2}-\overline{Y}_{X=0}.
+$$
+
+上式衡量的是**每周培训2小时相对于不额外培训**的平均效应，其单位为产出单位/人/小时。同理，可比较每周培训4小时与不额外培训的效应，也可比较4小时与2小时培训的效应。
+
+**解释限制：**除非进一步假设培训效应是线性的，否则不能把上述组间差异直接理解为每增加一小时培训的固定效应。
+
+## 三、截面观测数据集
+
+### 1. 数据收集方式
+
+在同一时期调查该车间的多名职工，记录每名职工此前一个统一培训期内的平均每周培训时间，以及随后统一考核期内的每小时产出。同时收集工龄、教育程度、岗位、设备条件和培训前效率等信息。
+
+### 2. 数据结构
+
+每行代表一名职工；下标 i 表示职工。
+
+| 职工编号 | 每周培训时间 Xᵢ | 每小时产出 Yᵢ | 工龄 | 岗位 |
+| --- | --- | --- | --- | --- |
+| A | … | … | … | … |
+| B | … | … | … | … |
+| C | … | … | … | … |
+
+### 3. 特点与识别限制
+
+**特点：同一时期、不同职工之间的比较。**
+
+培训时间由实际安排或职工选择产生，而非随机分配。职工能力、积极性等差异可能同时影响培训时间与生产效率；低效率职工也可能被安排接受更多培训，形成反向因果。因此，不能直接把截面数据中的相关关系解释为因果效应。
+
+## 四、时间序列观测数据集
+
+### 1. 数据收集方式
+
+选定该车间的一名职工，连续观察若干周，逐周记录其培训时间和生产效率，并收集各周的任务难度、设备状况、实际生产工时等信息。
+
+### 2. 数据结构
+
+每行代表该职工的一个观察周；下标 t 表示周次。
+
+| 周次 | 本周培训时间 Xₜ | 本周每小时产出 Yₜ | 设备状况 | 任务难度 |
+| --- | --- | --- | --- | --- |
+| 第1周 | … | … | … | … |
+| 第2周 | … | … | … | … |
+| 第3周 | … | … | … | … |
+
+### 3. 特点与识别限制
+
+**特点：同一个观察对象、不同时间之间的比较。**
+
+培训效果可能延迟出现，因此可以研究前一周或此前若干周的培训时间与本周效率的关系。工作经验积累、设备更新和生产任务变化也可能影响效率，必须注意区分这些因素与培训的作用。
+
+也可以以整个车间为观察对象，逐周记录人均培训时间和车间整体生产效率。不过，这时研究的是车间层面的关系，不能直接等同于职工个人层面的效应。
+
+## 五、面板观测数据集
+
+### 1. 数据收集方式
+
+连续观察该车间的同一批职工，在每一周记录每名职工的培训时间、生产效率及相关条件。
+
+### 2. 数据结构
+
+每行代表一个“职工—周”观察值；下标 i 表示职工，t 表示周次。
+
+| 职工编号 | 周次 | 培训时间 Xᵢₜ | 每小时产出 Yᵢₜ | 其他相关条件 |
+| --- | --- | --- | --- | --- |
+| A | 第1周 | … | … | … |
+| A | 第2周 | … | … | … |
+| B | 第1周 | … | … | … |
+| B | 第2周 | … | … | … |
+
+### 3. 特点与识别限制
+
+**特点：既有不同职工之间的差异，又有同一职工随时间发生的变化。**
+
+面板数据可以通过职工固定效应控制不随时间变化的个人特征，通过时间固定效应控制各职工共同经历的周度变化。但如果培训安排取决于职工近期效率，或存在未控制的个人层面时变因素，仍不能自动得到因果效应。
+
+## 六、研究设计比较与结论
+
+| 设计或数据类型 | 观察结构 | 比较方式 | 因果识别的关键说明 |
+| --- | --- | --- | --- |
+| 随机对照试验 | 职工被随机分配到不同培训组 | 处理组与对照组的平均效率 | 在遵从分组、无组间干扰等理想条件下，随机分配支持因果识别 |
+| 截面观测数据 | 多名职工，同一时期 | 不同职工之间的差异 | 需注意个人差异、培训选择和反向因果 |
+| 时间序列观测数据 | 一个对象，多个时期 | 同一对象随时间的变化 | 需注意经验积累、设备或任务变化以及培训效应的滞后 |
+| 面板观测数据 | 同一批职工，多个时期 | 同时利用职工间和时间上的变化 | 固定效应可控制部分因素，但不能自动消除所有内生性 |
+
+**结论：**随机对照试验通过随机分配培训安排识别因果效应；截面数据观察“多人、同一时期”，时间序列数据观察“一个对象、多个时期”，面板数据观察“同一批人、多个时期”。后三种均为观测数据，**数据结构本身并不保证因果识别**。
+
+本文得到的是研究设计与数据组织方面的结论，并非“培训已提高生产效率”的实证结论。培训是否有效、效应多大，仍需实际数据与合理的识别策略来判断。