凡是搞计量经济的，都关注这个号了
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.
Acemoglu大神，又在TOP5期刊发文了。他和合作者通过理论模型和实证检验，系统分析了人口老龄化与工业自动化的问题。这篇文章的卖点自然包括两部分：理论模型和实证分析。关于实证分析，这篇文章实际上用的是一个截面数据，而且在跨国分析中观测值也只有30-60个，有的甚至只有20多个观测值。不过，作者却能通过2SLS工具变量法等，在人口老龄化与工业自动化之间建立起因果关系，最终将文章发在TOP5期刊上。这应该就是大师的功力，要知道Acemoglu大神之前也在只有60个观测值的情况下，将成果发表在TOP5期刊上，并且还成为轰动一时的经典作品（The Colonial Origins of Comparative Development: An Empirical Investigation）。Acemoglu大神在文后面还开展了机制分析，探讨人口老龄化是如何影响工业自动化的，里面的计量方法也值得了解和学习。
其实，这里想说的是，如果要学习工具变量，最值得学习的大神之一就是Acemoglu大神。他用工具变量可谓是出神入化，关键是得到了世界上最严苛的审稿人的信任。要学习为什么X影响Y的机制分析，也建议多学习Acemoglu大神的作品，毕竟国内文章多是从学习和效仿TOP5开始的。
要想更多了解Acemoglu大神的作品，或对他的实证技巧感兴趣的，都可以到社群里交流讨论。背景知识：1.鬼才,"Daron Acemoglu生产函数"诞生了！2.中国学者好! 我是MIT的Acemoglu教授, 我又在Top 5的JPE上发文了！3.阿西莫格鲁获MIT最高教师荣誉—"学院教授"，4.毛咕噜论文中一些有趣的工具变量，5.诺奖争夺战！这三个最有有望的诺贝尔经济学家！6.阿西莫格鲁获MIT最高教师荣誉—"学院教授"，7.40年里在top5刊物上发文最多的大神到底是谁？8.为五大刊而生的男人! 一天不得诺贝尔奖, 就年年把五大刊物发到手软！9.最后一位诺奖得主逝世了, 张五常所在NIE学派将何去何从？毛咕噜能否独挑重担？30年前的一份syllabus首公布！10.AER, JPE, QJE, RES期刊最新一期, 又见毛咕噜大神在讨论机器人与劳动市场！11.男神毛咕噜最新Top5大作, 另外, 有序因变量依然使用OLS回归! 12.使用OLS回归发AER的Articles专辑！13.搞实证研究的该如何选题? 一些宝贵经验，14.如何寻找工具变量？得工具者得实证计量，15.面板数据是怎样处理内生性的,一篇让人豁然明朗的文章，16.工具变量IV与内生性处理的精细解读
Daron Acemoglu, Pascual Restrepo, Demographics and Automation, The Review of Economic Studies, 2021;, rdab031, https://doi.org/10.1093/restud/rdab031We argue theoretically and document empirically that aging leads to greater (industrial) automation, because it creates a shortage of middle-aged workers specializing in manual production tasks. We show that demographic change is associated with greater adoption of robots and other automation technologies across countries and with more robotics-related activities across US commuting zones. We also document more automation innovation in countries undergoing faster aging. Our directed technological change model predicts that the response of automation technologies to aging should be more pronounced in industries that rely more on middle-aged workers and those that present greater opportunities for automation and that productivity should improve and the labor share should decline relatively in industries that are more amenable to automation. The evidence supports all four of these predictions.
我们从理论上和实证上论证了老龄化会导致更大程度的(工业)自动化，因为它会造成专门从事手工生产任务的中年工人的短缺。我们的研究表明，人口结构的变化与各国更多地采用机器人和其他自动化技术以及美国通勤区更多与机器人相关的活动有关。我们还发现，在老龄化速度加快的国家，有更多的自动化创新。我们的定向技术变革模型预测，自动化技术对老龄化的反应在更多依赖中年工人的行业和自动化机会更大的行业中应该更加明显，并且在更易于自动化的行业生产力应该提高，劳动力份额应该相对下降。实证证据支持上述四个预测。简要介绍
自动化和机器人技术将改变生产和工作的本质，并已经改变了现代制造业的许多方面。最常见的说法是将自动化视为基于硅芯片的技术发展很自然的下一步。尽管这种说法毫无疑问有些道理，但我们认为它忽略了自动化的另一个强大驱动力：人口变化。事实上，自动化技术在人口老龄化速度更快的国家取得了更大的进展。例如，2014年，美国每千名产业工人中工业机器人的数量为8.4个，而在人口结构快速变化的国家，同样的数字要高得多，如日本(13.8)、德国(17.1)和韩国(19.7)。同样，美国在机器人生产方面也落后于德国和日本——一家主要工业机器人生产商的总部设在美国，而德国和日本各有6家。在这篇论文中，我们提出了一个假设，即机器人和其他工业自动化技术的发展和采用受到了几个国家人口变化的巨大推动，最明显的是德国、日本和韩国。事实上，在采用机器人和其他自动化技术的跨国差异中，仅老龄化一项就解释了近50%。这并不是因为老龄化社会中服务业的自动化——我们的重点是制造业和工业自动化，我们没有发现老龄化对其他技术的类似影响。相反，我们证明了这种模式反映了企业对中年工人相对稀缺的反应，这些工人通常执行手工生产任务，正在被机器人和工业自动化技术取代。我们从一个简单的技术采用和创新模型开始，以阐明人口变化如何影响开发和使用自动化技术的动机。我们假设(后来的经验也证明了)，在需要体力活动和灵活性的手工生产任务中，中年工人相对于老年工人具有比较优势，并证明人口结构的变化降低了中年工人与老年工人的比例，增加了生产中的劳动力成本，并鼓励采用和发展自动化技术。据预测，这种影响在更多依赖中年工人的行业和那些拥有更多自动化技术机会的行业中尤为显著。老龄化导致的自动化还可以消除人口变化带来的一些不利的经济后果。本文的大部分内容是实证研究这些预测。我们的研究结果指出，老龄化对机器人和其他自动化技术的采用有相当大的影响。我们首先使用来自国际机器人联合会 (IFR) 的 1993 年至 2014 年间每千名工人的机器人存量的国家级数据，发现了老龄化（为 56 岁以上工人与 21 到 55 之间工人的增长率）与机器人采用存在稳健和强劲的相关性。我们还证实，与理论预期一致的是，不是过去，而是现在和未来的人口变化预测了机器人的采用。这些相关性不是由反向因果关系或被忽略的特征(如人力资本或劳动力市场机制)驱动的。当我们通过过去的生育率作为人口变化的工具变量时，从而将老龄化从移民和移民到技术变化的反应中清除掉，我们得到了一个非常相似的结果。研究表明，人口变化与机器人采用之间的关系不受受教育程度和女性劳动力参与变化的调节影响，且当控制住这些变量后结果也非常稳健。我们估计的影响是相当大的。单单老龄化就解释了全国35%的机器人使用差异。我们的老龄化变量增加10个百分点，可能导致每千名工人增加1.6个机器人——相比之下，在此期间观察到每千名工人平均增加3个机器人。这一规模表明，如果美国的人口趋势与德国相同，两国在机器人应用方面的差距将缩小50%。人口结构变化对技术的影响并不局限于机器人。利用双边贸易数据，我们展示了老龄化与许多其他工业自动化技术(如数控机床、自动焊机、自动机床、织造机和针织机，以及各种专用工业机械)之间的类似关系。我们的理论预测了人口结构和自动化技术创新之间同样密切的关系。利用出口和专利数据，我们提供了证据，表明正在经历更快速人口变化的国家正在发展和出口更多的自动化技术。同样，人口变化与其他类型技术的出口或专利之间没有类似的关系。我们的出口结果进一步表明，快速老龄化国家发展的自动化技术正在向世界其他地区扩散。我们还估计了年龄增长对美国通勤区机器人使用的影响。虽然我们没有用于通勤区的机器人投资的数据，但我们使用Leigh和Kraft(2018)关于机器人集成商位置的数据作为机器人相关活动的代理变量。由于集成商专门从事安装、重新编程和维护工业机器人，他们的出现表明该领域将采用机器人。使用这种方法，我们记录了美国当地劳动力市场上人口变化和机器人采用之间的正向关系。我们理论框架的其他预测也得到了数据的支持。首先，与我们的理论方法一致，我们证明了自动化正在直接取代生产/蓝色工人，他们很大部分都是中年工人。第二，正如我们的理论所述，在更多依赖中年工人和提供更多自动化机会的行业中，机器人对人口变化的响应更为显著。最后，再次与我们的理论一致，我们估计人口变化对劳动生产率的积极影响和对最适合自动化的行业的劳动力份额的负面影响。我们的论文涉及到几方面的工作。第一个是评估自动化对劳动力市场影响的文献。早期工作提供的证据表明，常规工作的自动化与工资不平等的加剧和中等技能职业的减少有关。最近，Graetz和Michaels(2018)以及Acemoglu和Restrepo(2020)估计了机器人的使用对就业、工资和生产率的影响。我们的工作不同于这些论文，因为我们关注的不是自动化的影响，而是它的决定因素。其次，越来越多的文献强调了老龄化的潜在成本，认为它会导致经济增长放缓，并可能导致总需求短缺和长期停滞(参见Baldwin和Teulings的文章，2014)。我们与这篇文献的不同之处是，我们关注的是人口变化对自动化的影响——这个问题在这篇文献中似乎没有得到太多关注。与一些关注人口结构变化对要素价格的影响的研究(例如，Poterba, 2001, Krueger和Ludwig, 2007)，人力资本(例如，Ludwig, Schelkle和Vogel, 2012)和通过低利率进行的研发工作(例如，Hashimoto和Tabata, 2016)也相关。但除了Abeliansky和Prettner(2017)的独立工作外，我们没有发现任何研究老龄化对技术的影响的论文。我们的工作和这篇论文有几个不同之处。这些作者关注的是人口增长放缓的影响，而不是年龄构成。他们不研究自动化技术的创新或行业层面的变化。我们表明，我们估计的影响不是由人口水平或其较慢的增长驱动的，因此我们的结果与他们的存在区别。第三，我们的工作涉及技术采用和指导技术变更文献。在不断扩大的任务范围内资本对劳动力的替代的自动化理论模型建立在Zeira(1998)的工作以及更近期的基于任务的框架上。与直接技术变革文献中的主要著作相比，这些著作专注于要素增强技术、市场规模和产品价格效应(例如，Acemoglu, 2002)，我们的基于任务的框架强调了劳动力成本的核心作用(特别是由于中年工人稀缺而导致的生产部门的工资)，并表明更高的劳动力成本总是导致更多的自动化技术的采用和发展。我们的模型，结合了多个部门和异质劳动力，产生了新的预测，并在此基础上进行了实证检验。大多数现有的关于定向技术变革的实证研究也关注市场规模对服务于特定市场或补充特定生产要素的要素增强技术的新产品的影响。我们的实证研究与我们的理论一致，关注的是某种劳动力的稀缺性和高成本如何激发创新，以取代这些劳动者。最近的一些关于技术采用的论文也关注这个问题。Manuelli和Seshadri(2010)使用一个校准的模型表明，1940年前停滞不前的工资减缓了拖拉机的使用。Clemens等人(2018)发现，排除墨西哥临时农业工人后，农场开始采用机械收割机，转而种植机械化潜力更大的作物，而Lewis(2011)表明，在1980年至1990年之间，美国大都会地区接收的低技能移民较少，设备和金属装配厂采用了更多的自动化技术。在新技术发展（而不是它们的采用）的背景下，我们还不知道有其他作品系统调查这种力量。本文的其余部分组织如下。我们将在下一节中介绍定向技术采用的模型。第3节讨论了我们的数据源。第4节提供了我们关于人口变化对机器人和其他自动化技术采用的影响的跨国证据。第5节提供了人口变化对自动化技术创新和发展影响的证据。第6节探讨了美国通勤区人口和机器人之间的关系。第7节调查了老龄化对自动化技术影响的根源机制。我们证明(工业)自动化技术确实主要用于中年工人执行的任务的自动化，并证实了我们关于人口变化在不同行业的不同影响的框架的预测。第8节总结，而附录包含从文本中省略的证明和额外的数据细节和实证结果。
下载链接：https://academic.oup.com/restud/advance-article-abstract/doi/10.1093/restud/rdab031/6295889?redirectedFrom=fulltext
社群群友可以直接点击该篇推文后面的“阅读原文”，可以直达文章PDF。
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。
社群群友可以直接点击该篇推文后面的“阅读原文”，可以直达文章PDF