查看原文
其他

关于AER文章被质疑的紧急回应和答复, 对我们的质疑毫无根据纯属个人经验谬判!

计量经济圈 计量经济圈 2022-05-11

凡是搞计量经济的,都关注这个号了

箱:econometrics666@126.com

所有计量经济圈方法论丛的do文件, 微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.

背景知识:

1.四位学者发表了一篇AER文章“中国学界F4发表AER一篇! 知识青年上山下乡与农村教育问题!”。

2.五位学者质疑这篇AER文章“对陈,范,顾, 周四人AER文章数据, 实证, 机制和结论提出32页质疑!

因此,今天就是针对这五位学者所质疑的四个问题的答复。

正文

关于下方文字内容,整理作者:杨玟轩,中国农业大学, 俄克拉荷马州立大学农林经济管理,yangwenxuan1015@163.com。原文作者Yi Chen, Ziying Fan, Xiaomin Gu, Li-An Zhou
Yi Chen, Ziying Fan, Xiaomin Gu, Li-An Zhou, Arrival of Young Talent: The Send-down Movement and Rural Education in China: Reply
Chen et al. (2020A) find that the arrival of urban youths during the send-down movement benefited the education of rural children as an unintended consequence. Gong et al. (2020) questioned our results and raised four issues on variable coding, identication, mechanism, and welfare implications. All these four issues are either fully acknowledged or extensively discussed in our paper. Most of the comments or arguments in Gong et al. (2020) rely on anecdotal stories or personal experiences without presenting data-based empirical evidence as a support. Some of them are misleading or simply wrong. In this reply, we will make more clarications and provide more evidence to show that the four issues raised in Gong et al. (2020) neither invalidate our empirical design nor change our key ndings.
摘要:陈等(2020)发现,在“上山下乡”运动期间,城市孩子的到来提升了农村教育的质量,这是出人意料的结果。但是龚等(2020)对于陈等人的结果提出了四点质疑包括可变编码、识别、机制和福利影响。所以,这篇论文主要就这四点质疑作出回应。龚等人做出的大多数评论和论证都只是基于一些没有经过数据求证的个人经验。这些论证中的一部分是错误的并且具有误导倾向。在这次回应中,作者将会作出更多的澄清并提供更多的证据来证明,龚等人提出的四点质疑既不会改变作者的实证设计,也不会改变作者的重要发现。
Introduction:
之前的研究发现,虽然“上山下乡”运动的初衷是把城市里1600万的知青送到农村去接受农村思想上的改造,但是这些来自于城市里的知青中的一部分人利用了他们在教育上的优势,被任命在农村教书。突如其来的大批受到过良好教育的知青来到了贫穷的乡村中,给了那些原本在农村中不可能有机会接受教育的孩子接受教育的机会。作者在这篇论文中就龚提出的一些评论进行了点对点的回复。
质疑一:之前的研究对数据的处理导致个体受教育程度这一关键因变量的测量不够充分。(可变编码)
龚等人声称,在“上山下乡”运动期间,大学前的教育体系已经从“6-3-3”转变为“5-2-2”。所以,之前的研究并没有充分考虑到“6-3-3”体系。
质疑二:之前的研究的识别策略的平行趋势假设并不完全成立。处置变量不是外生的或随机的。(识别)
龚等人认为,文化大革命期间农村地区基础教育的大跃进(几乎与“上山下乡”运动时间重叠)对农村孩子教育水平的提高做出了贡献。
质疑三:质疑之前研究的机制,龚等人认为:(1)知青没有受过良好的教育,(2)知青中没有很多人成为教师,(3)知青不和农民住在一起。
质疑四:批评之前的研究没有进行福利分析,没有考虑到“上山下乡”运动的社会成本。
Coding for Years of Education

对于质疑一,作者给出了表R1,表R1中的第一列和第三列来回应质疑一中的“个体受教育程度这一关键因变量的测量不够充分”。人们可能会担心缩短课程会机械地提高了毕业率,因为它降低了完成学业的难度。因此,作者使用表R1的(2)和(4)列中的出勤率,并得到了类似的结果。
龚等人提出的就学年限从6-3-3到5-2-2的重新记录只是队列固定效应——文革期间受教育的队列可能比老队列受教育年限短。作者充分意识到受教育年限的变化,所以采用了双重差分法(DID),并在每个县引入了知青这一群体的局部密度,同时控制了一组队列趋势和各省队列的固定效应。

与作者在论文中的原始估计相比,龚等人的编码方法实际上产生了一个稍微小但仍然很高的显著估计(2.233对3.237)(见表R1中的列(1)和(2))。
文化大革命期间,学校改革的实施存在着明显的群体区域差异。此外,政策的执行也远非完美。为了支持作者的论点,作者利用了2010年的中国家庭小组研究(CFPS),该研究提供了关于每个教育水平的确切上学年限的有价值的信息。
图R1显示5-2-2方案的执行力出奇的弱。即使是在受影响最严重的人群中,也只有40%-60%的人真正接受了两年的初中/高中教育。尽管5-2-2体系在小学教育中得到了更好的实施,但仍有超过20%的学生接受了六年的小学教育。因此,在作者的样本期内,有关受教育年限的真实情况介于6-3-3和5-2-2之间,并在群体区域水平上有所不同。在一定程度上,作者分别根据6-3-3和5-2-2体系的估计,如表R1(5)和(6)列所示,提供了对受教育年限的处置效果的上界和下界估计,均表明了显著的积极效应。
知青带来的农村教育的改善是“上山下乡”运动的意外结果,而农村教育的扩张是政府有计划的运动。图R4的左面板(面板A)显示了文化大革命期间知青的局部密度与中学年增长率之间的相关性,作者并没有发现这种相关性(correlation=0.008)。相比之下,作者发现,知青的密度与教师人数的增加有很强的相关性(图R4的右面板,correlation=0.29),这支持了一些知青成为教师的机制。

Failed Identification?
龚等人声称作者的识别是失败的,因为这个处置变量具有内生性特征,伴随着使平行趋势假设无效的因素。但实际上,作者的识别(群体双重差分法)不要求知青的密度是随机的或外生的。
Fake Mechanism?
作者提供的证据表明,受过良好教育的知青为当地的师资队伍做出了贡献,并将此视为知青如何改善中国农村教育的一个具体方法。然而,龚等人认为:(1)知青没有受过良好的教育,(2)知青中没有很多人成为教师,(3)知青不和农民住在一起。但实际上,龚等人的这些看法和作者的研究没有任何关系。首先,作者不需要学生接受良好的教育,尽管他们都来自城市地区,相比于农村地区,他们有更好的教育设施和教师,并且他们中的很大一部分来自大城市,有更好的教育资源。只要有一定比例的受教育程度较高的青年成为教师,受教育程度较高的青知青逐渐成为乡村教师的候选人数量就会显著增加。第二,作者不需要很多学生成为老师。据国家统计局统计,在1966年,全国只有66万名中学教师。所以,即使1770万知青中只有很小的一部分成为教师,这对教师供应来说也是一个很有意义的增长。第三,他们不需要与农民生活在一起,以实现机制的工作,尽管知青中的许多人居住在农村,与农民和他们的孩子们每天都有密切的互动。但实际上,作者主要关注的是送到农村的知青样本,而不是那些在国有农场工作的人。作者其实甚至不需要假设知青在当地受到了热烈欢迎。但是一些课堂内外的互动足以对农村孩子产生一定的影响。
从图R4可以看出,知青的密度与新学校无关,而是与新教师相关,这进一步证明了教师是农村教育发展的重要渠道。
Lack of Welfare Analysis?
龚等人指责作者没有提供一个系统的福利分析,考虑“上山下乡”运动的负面后果。首先,实际上,作者从未否认“上山下乡”运动的社会成本。作者回顾了大量的文献,集中在“上山下乡”运动对知青本身的影响,其中大多数都是消极且悲剧的。
此外,作者论文的贡献,即强调“上山下乡”运动对农村儿童的非预期的积极影响,并不取决于对整个“上山下乡”运动的福利评估。巨大的社会成本的存在本身不能反驳“上山下乡”运动对数以百万计的农村人口受教育程度的积极影响。
明白“上山下乡”运动的历史教训,并不意味着抹杀知青在恶劣条件下发展农村和边疆的贡献。知青和“上山下乡”运动是两个概念,它们在概念上是相关的,但在含义上是不同的。我们不应该忘记知青在传播农业知识、普及教育、提供医疗服务、改变贫困地区不发达状况方面所取得的成就。

一些重要文章分享一下:

就内生性问题及其解决方法,参看例如:看完顶级期刊文章后, 整理了内生性处理小册子1.“内生性” 到底是什么鬼? New Yorker告诉你2.Heckman两步法的内生性问题(IV-Heckman);3.IV和GMM相关估计步骤,内生性、异方差性等检验方法4.最全估计方法,解决遗漏变量偏差,内生性,混淆变量和相关问题5.毛咕噜论文中一些有趣的工具变量!6.非线性面板模型中内生性解决方案7.内生性处理的秘密武器-工具变量估计8.内生性处理方法与进展9.内生性问题和倾向得分匹配10.你的内生性解决方式out, ERM独领风骚11.工具变量IV必读文章20篇, 因果识别就靠他了12.面板数据是怎样处理内生性的13.计量分析中的内生性问题综述14.工具变量IV与内生性处理的解读15.一份改变实证研究的内生性处理思维导图;16.Top期刊里不同来源内生性处理方法17.面板数据中heckman方法和程序(xtheckman);18.控制函数法CF, 处理内生性的广义方法19.二值选择模型内生性检验方;20.2SRI还是2SPS, 内生性问题的二阶段CF法实现;21.内生变量的交互项如何寻工具变量;22.工具变量精辟解释, 保证你一辈子都忘不了,23.不同来源的内生性问题需要不同的修正方法!24.实证分析中的内生性问题综述,一篇值得阅读和推荐的作品!,25.一张图掌握Top期刊里不同来源内生性处理方法!26.简洁的内生性问题处理思维流程图, 并且还附上检验的代码!27.最全利用工具变量控制内生性的步骤和代码—在经管研究中的应用,28.实证研究中自选择基础上的内生性问题回顾, 建议和纠正措施!29.实证研究中基于自选择的内生性问题修正方法:回顾、建议与模拟!30.不同来源的内生性问题需要不同的修正方法!31.不用IV, 基于异方差解决内生性问题方法的使用建议, 附上程序和示例!32.最清晰的内生性问题详解及软件操作方案!实证研究必备工具!33.内生性问题研究: 4篇推荐与8点认识,34.Quasi-experiment经典文章, 有趣且内生性检验新颖

关于合成控制法,1.匹配, 双重差分, 合成控制, 断点回归方法的比较, 思想原理, 适用范围和主要特征,2.断点回归RD和合成控制法SCM免费课程, 文章, 数据和代码全在这里, 有必要认真研究学习!3.中文刊上用断点回归RDD和合成控制法SCM的实证文章有哪些?不看至少需要收藏一下!4.合成控制法创始人如何用SCM做实证呢?这些规定动作一个都不能少!5.最新: 运用机器学习和合成控制法研究武汉封城对空气污染和健康的影响!6.关于合成控制法SCM的33篇精选Articles专辑!小组惊动了阿里巴巴!7.合成控制法与HCW方法, 谁能够走得更远?8.广义合成控制法gsynth, Stata运行程序release,9.广义合成控制法gsynth, 基于交互固定效应的因果推断,10.再谈合成控制法SCM, 帮你寻找因果推断控制组,11.合成控制法什么鬼? 因果推断的前沿方法指南

关于面板数据模型,1.面板数据方法免费课程, 文章, 数据和代码全在这里, 优秀学人好好收藏学习!2.面板数据中标准误的估计方法, 你确定用对了吗? 我们来比较一番!3.疫情期计量课程免费开放!面板数据, 因果推断, 时间序列分析与Stata应用,4.用Stata做面板数据分析, 操作代码应有尽有,5.面板数据为什么好?读了这篇你才会明白,6.GMM和工具变量在面板数据中的运用,7.面板数据聚类, 因子分析和主成分分析咋做? 8.伪面板回归是什么, 诺贝尔经济学家推荐使用,9.面板数据中介效应的计算程序, 打开面板这扇门,10.面板数据模型操作指南, 不得不看的16篇文章,11.2SLS第一阶段输出, 截面或面板数据及统计值都行,12.面板数据模型操作指南, 不得不看的16篇文章,13.面板数据中heckman方法和程序, 动态, 0-1面板和内生性选择都行,14.面板数据是怎样处理内生性的,一篇让人豁然明朗的文章,15.面板数据计量方法全局脉络和程序使用指南篇,16.面板数据密度图和时间趋势图韩城攻略和常见操作,17.面板数据里处理多重高维固定效应的神器, 还可用工具变量处理内生性,18.reg3, 多元回归, 面板数据, 方差分析, 异方差和自相关检验和修正的Stata程序Handbook,19.面板数据的DID估计,透彻解读,20.非线性面板模型中内生性解决方案以及Stata命令,21.面板数据、工具变量选择和HAUSMAN检验的若干问题,22.把动态面板命令讲清楚了,对Stata的ado详尽解释,23.动态面板回归和软件操作,单位根和协整检验(Dynamic Panel Data)
关于DID相关文章0.双重差分DID方法免费课程, 文章, 数据和代码全在这里, 优秀学人必须收藏学习!1.DID运用经典文献,强制性许可:来自对敌贸易法的证据2.连续DID经典文献, 土豆成就了旧世界的文明3.截面数据DID讲述, 截面做双重差分政策评估的范式4.RDD经典文献, RDD模型有效性稳健性检验5.事件研究法用于DID的经典文献"环境规制"论文数据和程序6.广义DID方法运用得非常经典的JHE文献7.DID的经典文献"强制许可"论文数据和do程序8.传销活动对经济发展影响, AER上截面数据分析经典文9.多期DID的经典文献big bad banks数据和do文件10.因果推断IV方法经典文献,究竟是制度还是人力资本促进了经济的发展?11.AER上因果关系确立, 敏感性检验, 异质性分析和跨数据使用经典文章12.第二篇因果推断经典,工作中断对工人随后生产效率的影响?13.密度经济学:来自柏林墙的自然实验, 最佳Econometrica论文,14.AER上以DID, DDD为识别策略的劳动和健康经济学,15.一个使用截面数据的政策评估方法, 也可以发AER,16.多期DID模型的经典文献,big bad banks讲解",17.多期DID的经典文献big bad banks数据和do文件,18.非线性DID, 双重变换模型CIC, 分位数DID,19.模糊(Fuzzy)DID是什么?如何用数据实现呢?20.多期DID的big bad banks中文翻译版本及各细节讲解,21.DID中行业/区域与时间趋势的交互项, 共同趋势检验, 动态政策效应检验等,22.截面数据DID操作程序指南, 一步一步教你做,23.DID的研究动态和政策评估中应用的文献综述,24.连续DID经典文献, 土豆成就了旧世界的文明,25.DID双重差分方法, 一些容易出错的地方,26.连续DID, DDD和比例DID, 不可观测选择偏差,27.加权DID, IPW-DID实证程序百科全书式的宝典,28.DID和DDD, 一个简明介绍, 双重和三重差分模型,29.DID过程中总结的地图展示技巧,30.DID的平行趋势假定检验程序和coefplot的其他用法,31.截面DID, 各种固定效应, 安慰剂检验, 置换检验, 其他外部冲击的处理,32.实践中双重差分法DID暗含的假设,33.过去三十年, RCT, DID, RDD, LE, ML, DSGE等方法的“高光时刻”路线图,34.计量院士首次用DID方法分析, 中国封城对新冠病毒扩散的影响!,35.截面DID, 各种固定效应, 安慰剂检验, 置换检验, 其他外部冲击的处理,36.诺奖夫妇的中国学生, “DID小公主”的成名之作, 茶叶价格与中国失踪女性之谜!,37.前沿: 反向DID, 反向双重差分法DDR全解析, 辅以实证示例!38.英诺丁汉大学校长为你讲解逐年PSM匹配-DID方法的操作, 并配上自己写的一篇范文!39.逐年PSM匹配后再DID识别因果的实证范文, 这就是逐年PSM-DID的操作范式!40.用事件研究法进行因果识别如何做? 有什么好处? 与DID结合起来潜力无穷!41.Abadie半参数双重差分DID估计量, 使你的平行趋势假设更加可信!42.弹性DID, DID的终极大法, 关于DID各方法总结太赞了!43.二重差分法分析(DID)44.比DID更加灵活的DDID政策效应评估方45.DID思路和操作,一篇相关实证文献46.二重差分法深度分析(DID),三重差分兼论47.面板数据的DID估计,透彻解读48.PSM-DID, DID, RDD, Stata程序百科全书式的宝典49.关于DID的所有解读, 资料, 程序, 数据, 文献和各种变形都在这里50.分位数DID, PSMDID, 政策前协变量平衡性检验操作步骤和案例51.PSM-DID, DID实证完整程序百科全书式的宝典52.逐年匹配的PSM-DID操作策略, 多时点panel政策评估利器53.广义DID, DID最大法宝, 无所不能的政策评估工具54.渐进DID专治各种渐进性政策的良药, 可试一试疗效55.双重差分DID的种类细分, 不得不看的20篇文章56.找不到IV, RD和DID该怎么办? 这有一种备选方法57.在教育领域使用IV, RDD, DID, PSM多吗? 使用具体References58.DID和IV操纵空间大吗? 一切皆为P-hacking59.第一篇中文DID实证论文长啥样? 60.世界上第一篇DID实证论文长啥样?61.关于双重差分法DID的32篇精选Articles专辑!62.空间双重差分法(spatial DID)最新实证papers合辑!63.空间DID双重差分方法的文献, spatial DID64.多期三重差分法和双重差分法的操作指南65.多期双重差分法,政策实施时间不同的处理方法66.三重差分法运行和示例,67.如何设计双重差分法DID: 各种政策研究的最佳指南!

关于匹配方法相关文章1. PSM倾向匹配Stata操作详细步骤和代码,干货十足,2.处理效应模型选择标准,NNM和PSM,赠书活动,3.PSM和马氏匹配已淘汰, '遗传匹配'成因果推断匹配之王,4.PSM, RDD, Heckman, Panel模型的操作程序, selective文章精华系列,5.广义PSM,连续政策变量因果识别的不二利器,6.PSM-DID, DID, RDD, Stata程序百科全书式的宝典,7.在教育领域使用IV, RDD, DID, PSM多吗? 使用具体References,8.分位数DID, PSMDID, 政策前协变量平衡性检验操作步骤和案例,9.逐年匹配的PSM-DID操作策略, 多时点panel政策评估利器,10.执行PSM的标准操作步骤, 不要再被误导了,11.PSM匹配后如何保留配对样本? 1:1, 1:4或更多情况呢?12.逐年PSM匹配后再DID识别因果的实证范文, 这就是逐年PSM-DID的操作范式!13.英诺丁汉大学校长为你讲解逐年PSM匹配-DID方法的操作, 并配上自己写的一篇范文!14.内生性问题和倾向得分匹配, 献给准自然试验的厚礼,15.粗化精确匹配CEM文献推荐, 程序步骤可复制,16.DID, 合成控制, 匹配, RDD四种方法比较, 适用范围和特征,17.匹配方法(matching)操作指南, 值得收藏的16篇文章,18.中国工业企业数据库匹配160大步骤的完整程序和相应数据,19.Match匹配估计做敏感性检验的最新方法, 让不可观测变量基础上的选择无处遁形,20.无需检查协变量平衡性的CEM匹配, 到底有多神气和与众不同,21.因果推断中的匹配方法:最全回顾和前景展望,22.内生性问题和倾向得分匹配, 献给准自然试验的厚礼,23.倾向值匹配与因果推论,史上最全面精妙的锦囊,24.匹配还是不匹配?这真是个值得考虑的问题,25.匹配比OLS究竟好在哪里?这是一个问题,26.倾向匹配分析深度(Propsensity matching analysis),27.倾向得分匹配PSM, 你真的用对了吗? 对主流期刊86篇文章分析与总结!28.中文刊上用倾向得分匹配PSM和内生转换模型ESM的实证文章有哪些?不看至少需要收藏一下29.倾向得分匹配PSM, 你真的用对了吗? 对主流期刊86篇文章分析与总结30.内生转换模型vs内生处理模型vs样本选择模型vs工具变量2SLS31.ESP内生转化概率模型是什么, 如何做, 如何解释, 为什么需要它? 32.Heckman模型out了,内生转换模型掌控大局33.因果效应中的双重稳健估计值, 让你的估计精准少误34.加权DID, IPW-DID实证程序百科全书式的宝典

关于Stata1.Stata16新增功能有哪些? 满满干货拿走不谢,2.Stata资料全分享,快点收藏学习3.Stata统计功能、数据作图、学习资源4.Stata学习的书籍和材料大放送, 以火力全开的势头5.史上最全Stata绘图技巧, 女生的最爱,6.把Stata结果输出到word, excel的干货方案,7.编程语言中的函数什么鬼?Stata所有函数在此集结,8.世界范围内使用最多的500个Stata程序,9.6张图掌握Stata软件的方方面面, 还有谁, 还有谁? 10.LR检验、Wald检验、LM检验什么鬼?怎么在Stata实现,11.Stata15版新功能,你竟然没有想到,一睹为快,12."高级计量经济学及Stata应用"和"Stata十八讲"配套数据,13.数据管理的Stata程序功夫秘籍,14.非线性面板模型中内生性解决方案以及Stata命令15.把动态面板命令讲清楚了,对Stata的ado详尽解,16.半参数估计思想和Stata操作示例,17.Stata最有用的points都在这里,无可替代的材料18.PSM倾向匹配Stata操作详细步骤和代码,干货十足,19.随机前沿分析和包络数据分析 SFA,DEA 及Stata操作,20.福利大放送, Stata编程技巧和使用Tips大集成,21.使用Stata进行随机前沿分析的经典操作指南,22.Stata, 不可能后悔的10篇文章, 编程code和注解,23.用Stata学习Econometrics的小tips, 第二发礼炮,24.用Stata学习Econometrics的小tips, 第一发礼炮,25.广义合成控制法gsynth, Stata运行程序release,26.多重中介效应的估计与检验, Stata MP15可下载,27.输出变量的描述性统计的方案,28.2SLS第一阶段输出, 截面或面板数据及统计值都行,29.盈余管理指标的构建及其Stata实现程序, 对应解读和经典文献,30.Python, Stata, R软件史上最全快捷键合辑!,31.用Stata做面板数据分析, 操作代码应有尽有,32.用Stata做面板数据分析, 操作代码应有尽有,33.没有这5个Stata命令, 我真的会活不下去!,34.第一(二)卷.Stata最新且有趣的程序系列汇编,35.第三卷.Stata最新且急需的程序系列汇编,36.第四卷.Stata最新且急需的程序系列汇编,37.干货: UN和WTO推荐的最全且权威的实证研究方法及在Stata实现!必收藏!38.再中心化影响函数RIF回归和分解的Stata操作程序39.R和Stata软件meta分析操作详细攻略, 对研究再开展研究的利器!40.不能安装Stata命令咋弄?这个方法一直都比较靠谱!,41.使用Stata做结构方程模型GSEM的操作指南42.疫情期计量课程免费开放!面板数据, 因果推断, 时间序列分析与Stata应用,43.一些Stata常见操作代码和注释, 能够让年轻学人更快掌握相关命令!44.Stata语言中的常用函数及其用法解释, 在附上42篇Stata相关学习资料,45.Stata经典操作笔记和学习资源合辑! 都是些博士生导师比较推荐的!

断点回归设计RDD的文章1.断点回归设计RDD分类与操作案例,2.RDD断点回归, Stata程序百科全书式的宝典,3.断点回归设计的前沿研究现状, RDD,4.断点回归设计什么鬼?且听哈佛客解析,5.断点回归和读者的提问解答,6.断点回归设计RDD全面讲解, 教育领域用者众多,7.没有工具变量、断点和随机冲击,也可以推断归因,8.找不到IV, RD和DID该怎么办? 这有一种备选方法,9.2卷RDD断点回归使用手册, 含Stata和R软件操作流程,10.DID, 合成控制, 匹配, RDD四种方法比较, 适用范围和特征,11.安神+克拉克奖得主的RDD论文, 断点回归设计,12.伊斯兰政府到底对妇女友不友好?RDD经典文献,13.PSM,RDD,Heckman,Panel模型的操作程序,14.RDD经典文献, RDD模型有效性稳健性检验,15.2019年发表在JDE上的有趣文章, 计量方法最新趋势,16.关于(模糊)断点回归设计的100篇精选Articles专辑!17.断点回归设计RDD精辟解释, 保证你一辈子都忘不了,18.“RDD女王”获2020年小诺奖!她的RD数据, 程序, GIS和博士论文可下载!关于她学术研究过程的最全采访!19.中国博导要求掌握的RDD方法实证运用范文(配程序code), 不然就不要用RDD做实证研究!20.最近70篇关于中国环境生态的经济学papers合辑!21.事件研究法用于DID的经典文献"环境规制"论文数据和程序,22.环境, 能源和资源经济学手册推荐, 经典著作需要反复咀嚼23.中文刊上用断点回归RDD和合成控制法SCM的实证文章有哪些?不看至少需要收藏一下!24.上双一流大学能多赚多少钱? 学习断点回归RDD, 机制分析的经典文章!25.JPE上利用地理断点RDD和IV研究中国环境议题的do文件release!

关于工具变量,参看1.内生性问题操作指南, 广为流传的22篇文章,2.看完顶级期刊文章后, 整理了内生性处理小册子,3.如何寻找工具变量?得工具者得实证计量,4.内生性处理的秘密武器-工具变量估,5.工具变量在社会科学因果推断中的应用,6.为你的"工具变量"合理性进行辩护, 此文献可以作为范例,7.没有工具变量、断点和随机冲击,也可以推断归因,8.工具变量与因果推断, 明尼苏达Bellemare关于IV的分析,9.工具变量IV与内生性处理的精细解读,10.我的"工具变量"走丢了,寻找工具变量思路手册,11.面板数据里处理多重高维固定效应的神器, 还可用工具变量处理内生性,12.豪斯曼, 拉姆齐检验,过度拟合,弱工具和过度识别,模型选择和重抽样问题,13.工具变量先锋 Sargan,供参考,14.AEA期刊的IV靠不靠谱?15.计量大焖锅: iv, clorenz, rank, scalar, bys, xtile, newey, nlcom,16.GMM是IV、2SLS、GLS、ML的统领,待我慢慢道来,17.IV和GMM相关估计步骤,内生性、异方差性等检验方法,18.因果推断IV方法经典文献,究竟是制度还是人力资本促进了经济的发展?19.内生变量的交互项如何寻工具变量, 交互项共线咋办,20.面板数据、工具变量选择和HAUSMAN检验的若干问题,21.IV和Matching老矣, “弹性联合似然法”成新趋势22.IV回归系数比OLS大很多咋回事, 怎么办呢? ,23.不用IV, 基于异方差识别方法解决内生性, 赐一篇文献,24.找不到IV, RD和DID该怎么办? 这有一种备选方法,25.内生转换模型vs内生处理模型vs样本选择模型vs工具变量2SLS,26.内生性, 工具变量与 GMM估计, 程序code附,27.GMM和工具变量在面板数据中的运用,28.关于工具变量的材料包, 标题,模型,内生变量,工具变量,29.必须使用所有外生变量作为工具变量吗?30.工具变量精辟解释, 保证你一辈子都忘不了,31.毛咕噜论文中一些有趣的工具变量!33.前沿: 删失数据分位数工具变量(CQIV)估计, 做删失数据异质性效应分析34.不需要找工具变量, 新方式构建工具变量, 导师再也不用担心内生性问题了!35.关于顶级外刊工具变量的使用最全策略, 不收藏反复读就不要谈IV估计!36.如何通过因果图选择合适的工具变量?一份关于IV的简短百科全书37.前沿: nature刊掀起DAG热, 不掌握就遭淘汰无疑!因果关系研究的图形工具! 38.最清晰的内生性问题详解及软件操作方案!实证研究必备工具!39.中国女学者与其日本同行在JPE上发文了!利用独特数据, 地理断点RDD和IV研究中国环境议题!40.双胞胎样本解决遗漏变量和测量误差, LIV解决选择偏差41.内生性处理的秘密武器-工具变量估计42.工具变量IV必读文章20篇, 因果识别就靠他了43.看完顶级期刊文章后, 整理了内生性处理小册子44.“内生性” 到底是什么鬼? New Yorker告诉你45.Heckman两步法的内生性问题(IV-Heckman),46.最全估计方法,解决遗漏变量偏差,内生性,混淆变量和相关问题47.非线性面板模型中内生性解决方案48.内生性处理方法与进展49.内生性问题和倾向得分匹配50.你的内生性解决方式out, ERM独领风骚51.面板数据是怎样处理内生性的52.计量分析中的内生性问题综述53.一份改变实证研究的内生性处理思维导图54.Top期刊里不同来源内生性处理方法55.面板数据中heckman方法和程序(xtheckman),56.控制函数法CF, 处理内生性的广义方法57.二值选择模型内生性检验方法58.2SRI还是2SPS, 内生性问题的二阶段CF法实现59.非线性模型及离散内生变量处理利器, 应用计量经济学中的控制函数法!60.最全利用工具变量控制内生性的步骤和代码—在经管研究中的应用,61.如何选择合适的工具变量, 基于既有文献的总结和解释!62.中介效应最新进展: 中介效应中的工具变量法使用方法及其代码!63.弱工具变量的稳健性检验, 附上code和相关说明!64.工具变量对因果效应的识别和外推, 大牛的顶级评述!

关于一些计量方法的合辑,参看实证研究中用到的200篇文章, 社科学者常备toolkit”、实证文章写作常用到的50篇名家经验帖, 学者必读系列过去10年AER上关于中国主题的Articles专辑AEA公布2017-19年度最受关注的十大研究话题, 给你的选题方向2020年中文Top期刊重点选题方向, 写论文就写这些。后面,咱们又引荐了使用CFPS, CHFS, CHNS数据实证研究的精选文章专辑!这40个微观数据库够你博士毕业了, 反正凭着这些库成了教授Python, Stata, R软件史上最全快捷键合辑!关于(模糊)断点回归设计的100篇精选Articles专辑!关于双重差分法DID的32篇精选Articles专辑!关于合成控制法SCM的33篇精选Articles专辑!最近80篇关于中国国际贸易领域papers合辑!最近70篇关于中国环境生态的经济学papers合辑!使用CEPS, CHARLS, CGSS, CLHLS数据库实证研究的精选文章专辑!最近50篇使用系统GMM开展实证研究的papers合辑!

下面这些短链接文章属于合集,可以收藏起来阅读,不然以后都找不到了。

2.5年,计量经济圈近1000篇不重类计量文章,

可直接在公众号菜单栏搜索任何计量相关问题,

Econometrics Circle




数据系列空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 |  夜间灯光 | 官员方言  | 微观数据 | 内部数据计量系列匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 200篇合辑 | 因果识别 | 社会网络 | 空间DID数据处理Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |干货系列能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 | 名家经验计量经济圈组织了一个计量社群,有如下特征:热情互助最多前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此,建议积极进取和有强烈研习激情的中青年学者到社群交流探讨,始终坚信优秀是通过感染优秀而互相成就彼此的。

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存