稿件：econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏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.
Ruixue Jia, Hongbin Li, Just above the exam cutoff score: Elite college admission and wages in China, Journal of Public Economics, 2021. https://doi.org/10.1016/j.jpubeco.2021.104371A burgeoning literature has documented the importance of elite colleges. Yet, little is known about access to elite education and its labor market implications in China, a country that produces one in every five college graduates in the world. College admission in China is governed by a single exam – the national college entrance exam, and the government sets admission cutoff scores for elite colleges. We examine the impacts of scoring above the elite-tier cutoff on a student’s access to elite colleges and wage outcomes after graduation, using the discontinuity around the cutoff score. By employing hand-collected survey data, we find that scoring above the cutoff not only increases the chance of entering an elite college but also raises a young person’s first-job wages after graduation. We also find that those just above the cutoff have peers with higher scores and better social networks than those below the cutoff, but it is less clear whether the two groups use their time differently in college.
简要总结
尽管，在世界上每五个大学毕业生中就有一个来自中国，但关于精英教育及其对劳动力市场的影响，人们知之甚少。在中国，大学录取由单一的考试决定——全国大学入学考试（高考），政府为精英大学设置了录取分数线。我们利用分数线附近的断点，研究了得分高于精英大学分数线对学生进入精英大学和毕业后工资的影响。通过使用手工收集的调查数据，我们发现得分超过这个界限不仅增加了进入精英大学的机会，而且还提高了年轻人毕业后第一份工作的工资。我们还发现，与低于这一界限的相比，刚好在这一界限之上的人能拥有分数更高的同龄人，而且社交网络也更好，但这两组人在大学里利用时间的方式是否不同，目前尚不清楚。
简要介绍
接受教育，尤其是精英教育，被认为是现代社会社会流动的最重要渠道之一。在经济学领域，关于接受精英教育及其影响的文献在包括美国在内的国家正在迅速增加。本文研究了进入中国精英大学及其对劳动力市场的影响。尽管世界上每五名大学毕业生中就有一名来自中国，而且自1998年以来中国的大学招生规模大幅扩大，但精英教育对大多数中国学生来说仍然遥不可及。例如，2018年，中国970万考生中有81%被大学录取，但只有不到5%被世界排名前100的大学录取。在本文中，我们利用大学录取中的一个制度特征——精英大学的分数线——来研究精英大学的录取及其对工资的影响。中国政府将全国2000多所大学分为三类:全国一流大学(大致相当于前100名，本文定义为精英大学)、省级和地方四年制大学、以及高等职业学院，并为精英大学设置了录取分数线。我们探究了由分数线产生的断点，并比较了直接高于和低于这个分数线的学生的结果，以解决精英大学的学生是否系统地不同于非精英大学的学生这一识别挑战。为了克服数据上的困难，我们在2010年至2015年间对100所大学的毕业生进行了年度调查(从中国所有的大学中随机抽取，并按地点和大学层次进行分层)。在这100所抽样大学中的90所的帮助下，我们收集了来自31个大陆省份的约40000名学生的数据。从这项调查中，我们收集了每个学生的高考成绩，第一份工作，个人和父母的特点，在大学的行为和表现。我们将调查数据与从公开的行政数据中一流大学的分数线结合起来，还从一个在线招聘平台上获得了大量的工作历史数据，以表明第一份工作具有持久的影响。我们的调查数据显示，在精英大学的录取分界点附近，精英大学的录取概率明显具有不连续性。采用未加权法和加权法(加权法对数据进行加权以反映人口数据)，我们发现得分高于临界值，学生被录取的概率将提高16-18个百分点，约为平均概率(21个百分点)的75 - 85%。当使用行政数据时，我们发现得分高于临界值的学生被录取的概率提高了22个百分点，这与使用我们的调查数据的估计相差不远。
需要注意以下两个特征，直接关系到我们计量设计：首先，政府预先设定的精英录取分数线是精英大学录取的最低分数线，但每一所大学事后的录取分数线通常更高。其次，因为有数千名相同分数的学生在每个大学竞争几个名额，他们只有几天的时间来申请，而且因为每个学生最多只能被一所大学录取，大学的录取过程显示出高度的不确定性。因此，预计有相当一部分分数高于这一标准的学生将不会被精英大学录取。
如果分数高于临界值，除了有机会申请精英(国家一流)大学外，还可能带来其他后果。特别是，也有几所地方大学被认为是当地省份招生的第一梯队。为了检验我们的结果的敏感性，我们使用了更宽泛的精英大学定义，包括国家和地方一流大学。在这个更宽泛的定义下，精英录取概率的离散跳跃并没有太大的变化，这表明离散跳跃主要是由进入国家一流大学而不是地方一流大学驱动的（换言之，本文研究的这些影响主要适用于国家一流大学）。此外，我们发现，与竞争更激烈的领域(如经济学，金融、法律和STEM)相比，得分刚高于临界值的学生更有可能选择人文学科（历史、文学等)，而且在大学里排名垫底的可能性更大。尽管在专业和大学排名方面存在这些缺点，但我们发现，根据非加权方法和加权方法，得分高于这一界限的人在毕业后的第一份工作中获得的薪水要高出5.2-9.7%。我们还发现，这种工资溢价不能简单地用行业、职业或工作地点来解释。利用在线招聘平台上的另一个数据集，我们进一步证明了第一份工作的工资在长期内很重要，这表明我们对第一份工作工资溢价的发现不太可能随着时间的推移而消失。根据工具变量(IV)方法，对工资的简化估计，再加上得分高于精英大学录取分数线的离散影响，意味着上精英大学会使平均月工资增加28-45%。为了有一个有效的IV，我们需要假设得分高于临界值，除了通过增加一线录取的可能性外，其与工资并不直接相关。虽然与使用行政数据的研究相比，我们的调查方法有不足之处，但它使我们能够检验学生在大学中的行为，并阐明进入精英大学的工资效应的潜在驱动因素。我们发现，在这个界限之上的学生有着不同的同龄人：平均而言，他们的同学有更高的入学考试分数和更优越的父母背景(以父母的大学教育和政治地位衡量)。然而，我们没有找到明确的证据表明，那些超过这个界限的人在大学里的时间长短不同，或者取得了更多的成就(通过在大学里获得的各种证书来衡量)。尽管我们的研究结果不否认进入精英大学会影响学生的资格（credentials），但它们确实表明，即使没有这样的渠道，那些超过这一分数界限的学生也可以获得奖励。这些发现有助于理解精英大学溢价背后不同渠道的相对重要性，这仍是一个学术争论的问题。在中国，高考一直被认为是改变学生及其家庭一生的最重要的机会。长期以来，这也被认为是一种严苛的家教方式的驱动因素，这种方式迫使孩子获得高成就核心。我们的研究显示，高考分数确实很重要，因为那些以最小的差距进入精英大学的人确实会得到回报。因此，我们的研究结果可以在一定程度上解释学生、家长和老师为备考花费的大量资源。
断点回归设计RDD
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！26.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！27.AER上用断点回归设计RDD的实证文章有哪些？含程序和code, 不看至少需要收藏一下！28.那个很早就发AER的中国青年学者, 通过巧妙的空间(地理)断点设计RDD发了(小)JPE！29.数据和代码可下载供复制结果！空间(地理)断点设计RDD发(小)JPE的文章！
关于IV工具变量方法
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，49.万能cmp程序, 有了他, 建议把其他程序全删掉！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！65.几百年一遇的工具变量让基于OLS的截面数据回归结果发到Top了, 设计巧妙让人叹服！66.一份使用工具变量回归的AER文章清单, 思路惊奇定会让你脑洞大开！67.估计工具变量回归时, 是否必须将所有外生变量用作工具变量？68.引力模型基础上的工具变量如何构建？69.必读, 宗教是如何阻碍经济发展的? 基于DID, IV和各种机制分析的AER量化史分析！70.JPE上利用地理断点RDD和IV研究中国环境议题的do文件release！71.工具变量IV估计免费课程, 文章, 数据和代码全在这里, 不学习可不要后悔！72.天下回归, 无内生性不破, 唯此神文不破, 练就内生性处理的终极大法！73.搞懂因果推断中内生性问题解决方法必读的书籍和文献已搜集好！74.2020年博导圈流传最广的一份“几十种内生性处理方法及其要求和局限”的宝典, 并附上代表性重要文献！75.因变量和内生变量是连续,有序和无序多元变量时, 该如何做工具变量估计？76.太难了! 用天气做工具变量IV都被审稿人质疑! IV竟如此脆弱那有什么IV选取建议呢? 77.天气数据作为工具变量IV的文献清单, 分门别类地为各位整理好了！78.华人金融学术女神为运用工具变量估计方法做因果推断的学者提供了如下宝贵建议！79.你确定找到一个好的工具变量了吗? 这将是一篇最值得你看的文章！80.关于工具变量估计的论证思路,各种检验, 操作代码和实证解读, 这可能是最全面的一份兵法！81.几百年一遇的工具变量让基于OLS的截面数据回归结果发到Top了, 设计巧妙让人叹服！82.一份使用工具变量回归的AER文章清单, 思路惊奇定会让你脑洞大开！83.引力模型基础上的工具变量如何构建？84.使用千年难得的IV＋DID方法将中国故事写到了Top５, 设计之巧妙构思之缜密让人叹服不已！84.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，8５.Acemoglu大神, 又在TOP5期刊刷文了！把20-60个观测值的截面数据做绝了！86.如何向审稿人解释IV回归系数比OLS回归系数大的问题，看看这个！
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
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。
