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!

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.

今天分享的文章主要是针对这篇“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!”的一些质疑。

正文

关于下方文字内容,整理作者:倪子轩,英国牛津大学经济管理,原文作者:GUAN GONG, GORDON G. LIU, DING LU, JAMES G. WEN, HUIZHONG ZHOU
作者之前的文章:1.弱工具变量的稳健性检验, 附上code和相关说明!2.AER最新, 人什么时候死取决于你住在哪里, 基于双重差分, 异质性处理效应的发现!
GUAN GONG, GORDON G. LIU, DING LU, JAMES G. WEN, HUIZHONG ZHOU, Was China’s Send-down Movement Really a Blessing for Rural Education and Economic Development?, https://ssrn.com/abstract=3750613
Chen et al. (2020) claim to have found a positive causal effect of the send-down movement on rural education during China’s Cultural Revolution. The paper also infers that the movement made the contribution of human capital accumulation in rural areas to China's subsequent economic growth in reform era. We demonstrate that the claimed finding and its inference can be challenged on both factual and methodological grounds. In particular, once the educational attainment is coded by actual schooling-year requirements set during the Cultural Revolution, the estimated effects of send-down youths on rural education become negative and statistically insignificant. We also question the authors’ choice to only consider marginal gains in rural schooling without assessing the trade-off of the much larger losses in human capital and social economic costs of the movement.
Abstract:Chen et al. (2020) 声称 “上山下乡” 运动和乡村教育的正向因果关系,并指出了运动为改革开放建立了乡村人力资本的正面影响。我们在数据和方法两方面质疑Chen et al. (2020) 的研究成果。第一,在计入了文化大革命期间的教育程度之后,下放青年和乡村教育的相关性失去了显著性。第二,我们指出了原文作者只考虑下乡运动的边际增益,而忽略更加深远的社会成本的片面性。
Introduction
下乡运动泛指60和70年代间将大量青年从城市送往农村生活劳动的运动,并在文化大革命期间(1966 - 1976)达到了顶峰。据统计,大约1600万中国城市青年在1968到1978年间参与了下乡,其中大部分为被迫参加。下乡运动迫使下放青年(Send-Down Youths)放弃寻求教育和职业的机会,也给他们带来了长期的生理和心理创伤。
但是,在近期“Arrival of Young Talent:The Send-Down Movement and Rural Education in China“ (Chen et al. 2020) 一文中,其作者声称 “上山下乡”大幅提高了乡村儿童的教育水平(1760万人年)。同时,研究指出了下乡运动对于后期改革开放的经济增长建立了人力资本的基础。我们在事实和方法两方面质疑该实证研究的结论。
Chen et al. (2020) 收集了1968-1977年间县级下放青年的数据,并与其匹配了相关的微观问卷数据,包括1990和2000的人口普查以及2010的中国家庭追踪调查(CFPS)。数据收集的目的是计算下放青年对于当地乡村儿童教育程度的影响。研究使用双重差分模型进行估计,主要的模型是:
其中, SDY密度衡量下放青年/1964县级人口的比例,县级基础教育衡量每个县(1946 - 1955)控制组的小学和初中毕业率。
该研究假定平行趋势成立,即如果没有下乡运动,SDY密度和每个县的教育程度趋势没有关联。研究作者在计算了所有实验组(1946 - 1969)的下放青年密度和县级个体教育程度的条件关联之后发现相关系数在1956年组之前徘徊在0左右,但是之后随着下乡运动的推进逐渐上升。作者认为,这些数据证实了平行趋势假定,并指出只有下乡运动可以解释下放青年密度和实验组教育程度的关联性上升。
与此同时,作者通过估计

(以及假定所有2亿4500万乡村儿童都有可能受益于下乡运动)推倒出“上山下乡”带来了1760万人年教育的增加,并总结出了下乡运动对于中国农村人力资本的积极作用。

我们对于该结论有4个质疑:
第一,该研究忽略了不同实验组之间义务教育的差别以及文化大革命中教育质量的下降,并高估了下放青年教育农村儿童的能力,以此高估了实验组真实教育程度的提升。
第二,平行趋势假定并不清楚成立。下放青年密度并不是一个随机变量。实验组教育程度有可能被下乡运动之外的其他因素影响,比如收获下放青年乡村的选择办法以及农村和城市间的合作。
第三,研究对于下放青年做了4个假定:大部分有较高的文化程度;大部分的主要工作是乡村儿童的老师;大部分专注于介绍先进技术和知识而并没有务农;大部分和农村人民和儿童有好的关系。这4项假定都没有事实证据。
第四,研究没有进行整个运动的福利分析,并忽略了下放青年的巨大牺牲和整个“上山下乡”运动的社会成本。

I.对于因变量不完全估计的质疑

Chen et al. (2020) 选择了1946 – 1955的乡村儿童作为控制组,并将其教育程度与1956 – 1969实验组的教育程度做对比。研究选择了受教育年数为主要的变量,以此忽略了教育系统的变化和文革期间教育质量的下降,也高估了 “下乡运动” 带来的教育进步。
Chen et al. (2020) 假设小学毕业生得到了6年教育,未毕业的小学生得到了3年教育,中高等教育也以同样方法计算。这样的计算方法忽略了文革教育系统的变化。从1969到文革结束,小-初-高的教育年数要求从6-3-3下降到了5-2-2。因此,作者高估了文革期间实验组得到的教育:高估小学毕业生1年,初中毕业生2年,高中毕业生3年。
与此同时,文革期间对知识分子的迫害导致了教育质量的巨大下降。文革初期(1966 – 1968),毛主义者认定资产阶级知识分子腐化了教育系统,并关闭了学校。许多有经验的老师和教育者被红卫兵打击和羞辱,其中一些甚至遭到迫害并选择自杀。即使在1968恢复教育后,文革前的课程也被大幅缩减。老师们失去了文革前的教学自由,务工和务农占用了课堂时间,考试和测验被完全禁止。负责监督学校的 “革命工人和农民代表” 剥夺了教育者对于教育质量的控制。
根据Meng and Gregory (2002) 的计算,文革影响了17个出生群 (1947 – 1963)的教育,平均导致了1到8年的教育损失,也延迟了大学入学1到12年。
与此同时,基础教育在同时期得到了推进,尤其在乡村。1965到1976年间,小学生增加了29.1%,而初中生翻了6.25倍。乡村初中生占总数从33.7%增长到了75.2%,而乡村高中生的占比从9%增长到了62.3%。这些数据清楚表明基数的增长,并和城市青年的下放没有任何因果关联。
教育数量提升的同时,质量在下降。这个现象在文革之后得到了凸显:在政府再一次强调教育质量之后,因质量低下而关闭的学校绝大部分都在乡村。图一中可见,改革开放之后,乡村学校数和学生数都有了显著的下滑。
1977年邓小平指出了文革间的教育质量下滑,表示当时北京最好高中生的文化水平只能够达到文革前的初一学生。1982年到1985年,中央动用了全国资源推进了1969到1980届初高中生的文化科技再教育,更加突出体现了文革期间教育质量的缺失。
因为下乡运动与教育系统改制重合,模型中的估计只能够体现不同年龄组之间毕业要求的改变和教育质量的下降。

II.对于结论假设的质疑

从Chen et al. (2020) 的模型中可以简单推断出的公式:
其中,Edu代表教育程度,而上划线代表平均值。
在Chen et al. (2020) 中(表3),乡村的估计是3.237,有统计显著性,而城市的估计是0.151,没有统计显著性。根据(2), 对于

, 控制组和实验组的平均教育程度差值,是高度敏感的。因为SDY密度的平均值是2.22%(22.2个下放青年每1000当地人),实验组和控制组差值每增加1年,模型的第一项就会增加1/0.0222=45.045 。通过表2可以看到,农村模型的第一项是81.89,而城市模型的第一项是74.55。因此可见,较小的教育程度差值也可以大幅改变

的显著性。

在表2中,我们对比了Chen et al. (2020) 的原始数据和涵盖了5-2-2的“小-初-高“毕业要求的复制数据,以此来判断原作者对数据的高估。在计入了教育标准改变之后,乡村实验组的平均教育水平相比于控制组只提高了0.4年。因此可见,原作者高估了1.4年。在城市中,实验组受到的教育相比于控制组少了0.77年,而不是原作者发现的+1.66年。
重复整个模型的估计,我们发现新的

估计变成了负数,也失去了统计显著性(见表3)。与此同时,鲁棒性的估计也一样的失去了显著性(见表4)。这里需要强调的是,我们甚至没有计入部分学校停课的现象,也并没有算入教育质量的下降。

III.对于平行趋势假设的质疑

Chen et al. (2020) 的结论依赖于平行趋势假设。原文计算显示只有实验组的教育程度和SDY密度有高相关性,以此印证了假设成立,没有其他的遗漏变量会改变结论。但是,乡村SDY密度的计算有许多内生性质疑。
原作者指出,有三个主要因素影响每个县接受的下放青年人数:乡村和城市的距离,接受青年的容量,和劳动人口的缺失程度。因此,SDY密度和相关县城的先天条件有很高的相关性。只有8%的青年被送出了省,而在这些跨省下放青年中,超过一半成为了劳工而并没有从事教育活动。
在92%留在本省的下放青年中,分配的流程主要依赖于地方政府的份额和当年附近县城高中毕业生的人数。通常来说,本省青年会得到更好的照顾,大部分青年得以去到较近的乡村,甚至有些青年得以和乡下亲戚分在了一起。
综上所述,地方青年的情况并非随机生成,而是有很多内生性的。其中一个重要的遗漏因素是地方之间的合作。为了让乡村政府更好的接受下放青年,相关城市政府往往推广了“区区对口”的政策,以此给对口乡村物资上的资助。这些资助,独立于下乡运动本身,也可能大幅影响平行趋势假设的成立性。
与此同时,原作者使用了类似的估计手法印证了下乡运动为之后改革开放带来的经济发展所建立的人力资本的基础。我们指出这样的估计同样缺乏对其他遗漏变量的考量。80年代到90年代,市场化经济改革和城乡结合正向的影响了实验组的早期工作。1978年开始的家庭联产承包责任制替代了人民公社,也大幅提高了耕农的效率。乡镇企业也经历了1984-88和1992-96的两波成长。在1984和1988年间,9545万农民离开了农耕,转向乡镇企业参加工作。在见证这些社会变化的实验组成员们定会改变他们对教育,婚姻,以及生活方式的态度。这些改变对于有更多下放青年的乡村,因为有了此前和城市更好的合作关系,很可能会有了更深远的影响,从另一角度印证了平行趋势假设的不成立。

IV.对于下放青年机制的质疑

从实证角度,Chen et al. (2020) 只能够总结出县级SDY密度和实验组教育程度的相关性。原作者使用了一系列对于“上山下乡”机制的假设来建立因果关系。
Chen et al. (2020) 指出绝大部分下放青年有初中和高中及以上文凭,而且很多青年是因为高教育程度而加入教育工作的。但是,作者们并没有给出任何数据的证据。
事实上,a)因为文革期间的停课,大部分下放青年只有6年小学教育及以下(见I);b)只有少部分的下放青年担任了教师。
因为教师在当时是待遇和地位高的职位,大部分乡村老师是政府干部子女。在“上山下乡”运动期间,村镇由人民公社领导,其下辖生产大队,再下辖生产队。在那个时期,大部分小学是由生产队管理的,而初中及以上由大队和公社管理。此外,生产队小学的教师职位竞争十分激烈,因为有较少的手工劳动。对于没有当地关系的下放青年来说,得到教师职位的可能性是很低的。
此外,大部分下放青年的目标是早日返乡。教育程度高和关系好的青年选择了工厂,军队,和科学院/医学院的机会。而另一部分出身不好的下放青年则需要“再教育”,而不是教育他人。
原文作者同时指出了县级中学老师密度和下放青年密度的正向相关性,以此印证很多下放青年成为了中学教师。然而我们指出,绝大多数下放青年并没有成为中学老师的教育程度。1966-1967年的实验组除外,将近1400万下放青年只受到了小于或等于6年的小学教育。原作者的计算并没有计入文革期间的停课或教育质量的下降。虽然愿作者指出有许多下放青年并没有务农,我们发现这些非农下放青年不仅只占了很小的比例,而且参与的工作大部分和教育无关。在这基础上,插队知青绝大多数有分开的住所,而且并没有完全的融入当地人的生活。

V.忽略的社会成本

多年的主流学术论文指出下乡运动整体上迫使了下乡青年及其家庭参与运动,并有深远巨大的社会和经济成本。Chen et al. (2020),在完全忽略成本的基础上,总结出下乡运动对于大约2.45亿乡村儿童有正面影响。就算这些效益成立,成本也需要被完整地考虑。
通过分析60和70年代的学生人口,我们发现1967到1979年间,1647万下放青年总共损失了7027万人年的教育,是农村儿童教育效益的4倍。
在教育损失的基础上,“上山下乡“也造成了巨大的经济损失。下乡运动的主要原因之一是减少城市的失业问题,然而在同时期,许多城市企业反过来从乡村招入了许多下乡青年。此外,很多的下乡青年没有办法养活他们自己:文革晚期,13个省的超过一半的下乡青年不能满足温饱。
与此同时,国家在运动上的支出与年俱增:1970到1976年间,中央政府在下乡运动上的支出从每年3亿元增长到了10亿元。在1974,1975,1976年三年中,下乡支出占总中央政府支出的占比分别达到了21.1%,21.2%,和23.3%。1978年,中央政府不得不承认下乡运动的不可持续性,指出在10年耗费将近70亿人民币的基础上,运动导致了下放青年,青年父母,农民,和政府本身的四不满。
运动本身也是一个巨大的人道主义悲剧。成千上万青年被迫离开亲朋好友,被迫参加劳动。据官方数据统计,在1974到1979仅仅六年,25960下放青年过世了,其中62%的死因是“不正常死亡”,包括自杀,政治迫害,等等。其他青年则受到了其他方式的迫害,强奸,和虐待。整个运动给这些青年带来了长远的生理和心理创伤。

VI.结论

本文中,我们对Chen et al. (2020) 的上山下乡帮助乡村教育结论提出了质疑。我们指出此文章中数据收集和分析的不完整,平行趋势假设的错误,以及对下乡运动相关机制的误解。好的实证研究可以找出数据间的因果关系,指导相关政策,但不精确的方法和数据会推导出来错误的结论。我们指出教育质量下降和下乡运动巨大的成本导致“上山下乡”成为近代中国一个巨大的社会工程悲剧。

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法;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Stata,1.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!⑨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。
(0)

相关推荐