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

凡是搞计量经济的，都关注这个号了

稿件：[e-mail]

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.

关于DID双重差分法，各位学者可以参阅如下文章：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。

正文

Reference: Tang, C., Zhao, L. & Zhao, Z. Does free education help combat child labor? The effect of a free compulsory education reform in rural China. J Popul Econ 33, 601–631 (2020).

本文使用CFPS2010年的截面数据评估了中国农村免费义务教育改革对童工发生率的影响。在改革实施过程中我们利用省域间的差异，采用截面双重差分法DID策略来确定农村义务教育改革与童工发生率间的因果关系。我们发现，接受免费义务教育显着降低了男孩童工的发生率，但对女孩童工的可能性没有显着影响。具体来说，免费义务教育再增加一学期，男孩童工的发生率会降低8.3个百分点。此外，对于经济社会地位较低家庭的男孩来说，改革对童工可能性的负面影响更大。最后，免费义务教育改革可能会促使父母将资源重新分配给家庭中的男孩，从而可能扩大人力资本投资中的性别差距。

作者罗列了四大贡献：

• 这个问题实际上被研究过，不过关于中国在该方面的议题，作者认为他们是第一个吃螃蟹的。

• 作者借助于省域差异识别出了农村免费义务教育改革与童工发生率的因果关系。

• 作者做了拓展性研究：有免费的义务教育，那结余下来的款项可以做其他事，这会如何影响父母在孩子中间的分配。

• 在该议题上，从中国数据得到的结论与很多其他国家的研究不相同。

作者交代了关于中国农村地区免费义务教育改革相关背景，也为后面要做的系列稳健性检验埋下了伏笔。例如，作者交代在2006年农村免费义务教育改革前，中国政府已经实行了两项政策——“学费控制”和“两免一补”，考虑到他们也可能会降低童工发生率，因此作者在研究义务教育改革与童工发生率时，还需要考虑上述两项政策混淆因素。

作者的概念框架非常短，仅只有两段文字，主要论述了农村义务教育改革与童工发生率产生前后关联的逻辑。

关于CFPS数据及作者为什么只选择了CFPS2010年的截面数据：

作者定义了两个核心变量：因变量——是否为童工，自变量：能够得到农村义务教育的学期数。

CFPS2010年数据，各出生年份里得到的农村义务教育学期数的分布：

作者使用的主要变量及其描述性统计（思考一下作者控制的这些变量有多合理？）：

作者构建的计量模型看起来相当长，不过主要借鉴了2019年诺奖得主Esther Duflo里关于截面数据DID方法，（参看：①一个使用截面数据的政策评估方法,也可以发AER，②截面数据DID讲述,　截面做双重差分政策评估的范式，③截面数据DID操作程序指南,　一步一步教你做）。关于该模型，除了需要注意其使用的是意向处理分析（intention-to-treat analysis）外，我们更需要关注如下控制变量：省份固定效应、出生队列固定效应（跟时间有关的固定效应）、各省特定线性队列趋势（就是省份虚拟变量与出生队列的交互项）、各特定出生队列变量与2006年农村免费义务教育改革前，即2005年省份特征的交互项、问卷调查月份固定效应、出生月份固定效应。另外，作者得到的是省份-出生队列双重聚类调整标准误。至于为什么需要如此做，作者在文章里给出了较为详细的逻辑，（参见：双重聚类cluster咋做? 线性, logit, tobit可以双聚类吗?）。

作者给出了基准DID回归结果，其中值得注意的，是在各列中核心解释变量结果的差异主要因控制变量不同而存在差异。

估计结果显示，农村免费义务教育改革只对男孩童工发生率有影响，但在全样本及女孩样本中都不显著。这里提醒我们，在回归分析的时候，并非需要全样本显著，只要我们的分样本出现显著性，就可以以此为突破口讲自己的故事了。

作者做了两个安慰剂检验：置换检验和使用城市孩子的样本。

置换检验的原假设，是农村儿童义务教育改革对童工发生率没有影响，后面的置换检验拒绝了这一原假设。关于置换检验，参看：置换检验政策的随机性, 政策评估越来越风行的利斧。

作者假设城市里受到了“2006年农村免费义务教育改革”冲击，查看原先在农村样本中显著的结果是否在城市里的儿童样本中不再显著。得到的结果显示，Semester的系数确实不再显著。

进一步的稳健性检验：

DID方法假设除了讨论的政策外，没有其他外部政策冲击同时影响结果变量。但正如之前所述，还有三个政策可能会影响童工事件发生的可能性：两免一补政策、农村学校的关闭和合并和新农合的出现。作者担心若遗漏掉这些政策因素，可能会导致估计偏误，因此分别采取2005年各省贫困县比例、在村子里是否有小学和该县新农合实施年份与出生队列虚拟变量的交互项作为控制变量，重新估计基准回归结果里的式子。

估计结果显示，其与基准回归结果相差无几。

进一步到社群交流访问。

拓展性阅读：

①关于各种因果识别方法的120份经典实证文献汇总”，②哈佛大学新修订完成的因果推断经典大作免费下载！附数据和code，③因果推断的统计方法总结, 177份文献，④政策评估的计量方法综述, 包括最新因果推断方法，⑤在教育领域使用IV, RDD, DID, PSM多吗? 使用具体文献，⑥看完顶级期刊文章后, 整理了内生性处理小册子，⑤工具变量精辟解释, 保证你一辈子都忘不了，⑦DID, 合成控制, 匹配, RDD四种方法比较, 适用范围和特征，⑧关于双重差分法DID的32篇精选Articles专辑！⑨关于(模糊)断点回归设计的100篇精选Articles专辑！⑩匹配方法(matching)操作指南, 值得收藏的16篇文章等，⑪MIT广为流传的政策"处理效应"读本，⑫DID的研究动态和政策评估中应用的文献综述，⑬最新政策效应评估的四种方法，⑭政策效应评估的基本问题。

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。