在教育领域使用IV, RDD, DID, PSM多吗? 使用具体References

凡是搞计量经济的，都关注这个号了

投稿：[e-mail]

所有计量经济圈方法论丛的程序文件, 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.

作者对教育领域用因果推断方法进行实证的文章进行了Review，后将其发表在Journal of Economic Survey。为什么要推荐这样一篇文章呢？作者同时对四种因果推断方法进行了通俗易懂的介绍，且用表格的形式汇总其优缺点。例如，图说: 各种因果推断方法适用数据, 条件和潜在缺陷；五种计量因果识别方法秘籍,从此走遍天涯都不怕

最重要的是，作者通过因果识别方法对教育领域重要的实证文章进行归类，比如哪些文章使用IV方法解决内生性，哪些又使用PSM解决选择偏误导致的内生性呢？在总结性阶段，作者还告诉咱们，DID方法是使用最为广泛的因果推断方法，因为它不仅适用于面板(伪面板)而且还可以用到截面数据中。双重差分DID的种类细分, 不得不看的20篇文章

跟随作者的思路，咱们小组进行引荐。

先介绍工具变量方法，作者承认IV实在是太难了，但不妨看看工具变量IV必读文章20篇, 因果识别就靠他了

然后作者介绍断点回归法，不管你是精确断点还是模糊断点(即是以一个概率的形式在cutoff的上下方)，RDD是一种因果识别程度最高的方法之一。RDD断点回归, 实证完整程序百科全书式的宝典；断点回归设计RDD分类与操作案例

作者再介绍双重差分方法，这个是当前使用最为广泛的因果识别方法，因为简单易于操作并且常常是显著的，但准不准确这个就值得商榷。双重差分DID的种类细分, 不得不看的20篇文章

作者最后介绍倾向得分匹配方法，这种方法解决selection bias问题，只要存在学生家长选择老师或学校的情形，那PSM就有用武之地。这里要注意，PSM与Heckman是不同的，尽管两者在本质上都是在解决missing data问题。匹配方法(matching)操作指南, 值得收藏的16篇文章

作者通过一个表格汇总上面四种方法的优缺点：Top期刊里不同来源内生性处理方法, 从此掌握少林绝学易筋经

具体到相关文献，哪些使用IV解决内生性，从而得到因果效果？

哪些文章使用RDD得到因果效应呢？

哪些文章使用双重差分方法得到因果效应呢？

哪些文章使用PSM方法处理选择偏误导致的内生性？

在教育领域里，使用四种方法解决内生性问题的具体分布如何呢？

DID使用最为广泛，因为DID的要求最低(作者认为的)，不过平行趋势检验满足问题在实证应用中并未得到较好满足。

作者再次强调，找IV是一门需要创造力的活动，如果找到弱IV，那也会有很多问题。

Source: "CAUSAL INFERENCE ON EDUCATION POLICIES:A SURVEY OF EMPIRICAL STUDIES USING PISA, TIMSS AND PIRLS"

因果推断研究小组将重启研读经典文献的活动，对于用前沿计量方法做实证文章感兴趣的群友或者圈友，可以通过邮箱(上面)或留言的形式进行报名。

2年，计量经济圈公众号近1000篇文章，

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 

计量系列：匹配方法 | 内生性问题 | 工具变量 | DID |  面板数据 | 常用TOOL

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。