学术情人节：断点回归的妙用【转】
这位Gray老兄运用断点回归原理，表达了“You”的出现对他的幸福的显著提升作用。这个有创意的“学术情人节”，吸引了不少“有意思”的评论。
这年头，做个回归不加个IV都不好意思，哪怕你不用IV模型，也得找个说明下为什么不用IV，或者把IV结果附上。最常见的IV就是“降雨”了，但是理论上要求“降雨”是外生的，并且不直接影响“幸福”、只能通过“You”的出现，通过“You”的作用来影响“幸福”。很多人的IV都无法在理论上满足这一要求。这里提到的Bill Wither 1971并不是一篇论文，而是美国歌手Bill Wither 1971年的成名作 “Ain't No Sunshine（逝去的阳光）”。
Ole注意到了图形中两条直线斜率的变化，因此提醒原作者是否低估了“You”的作用。
Salvador评论说可以用指数关系、而不单是线性关系来解释，甚至说只喜欢"半参数模型“。我们平常用的多是参数模型，先假定了Y的分布、Y和各种X的关系，再来求参数，这些假定在很多时候是不合理的。而非参数模型则放宽了这些假定，Stata 15中的npregress命令就是专门用于非参数模型的。半参数模型则是结合了参数模型和非参数模型，假定部分的X与Y的关系是已知，另外部分的X与Y的关系未知。
下面这两位也提到了模型设定的问题，Y和X不一定是直接的线性关系。一般来说，年龄小的时候比较幸福；人到中年各种压力，头发都掉，不幸福；而老了以后，幸福感又上来了。
Subhadra 提到还是一个Y和X的关系问题，他可能会觉得时间对幸福的作用并不全是一个正向的；倘若是一个正向的话，那可真是福音，只要活得久，幸福天长久。
Jericho提到了一个初学者常见的失误：只关注统计显著性而非实际意义的显著性。很多模型中的系数都是三个***，但是一看系数的值，实际影响非常小。所文章的结果部分不能只讨论显著性，更要讨论实际的影响。
Luke说所谓的RDD不就是一种事件研究法，潜意思是事件研究法有很多种（比如说生存分析），不一定是RDD最适合。感兴趣的可以查看一下Stata 中的help eventstudy
Luke比较皮，刚说完Event study，又直接”借用“Gray的创意。一些文章中也可以见到这种写法，例如”参见XX的论文“。但是这文风、词句也太类似了，有”抄袭“的嫌疑。
Selin说在门阈处的不确定性太高，这情人节表白被接受是好事，但是被拒绝的也是不少的，甚至有再次表白再次被拒的，因此建议用Fuzzy RDD,而不是Sharp RDD.
Jonathan说的是每一个投稿人的痛，2月14号投稿，5月1号给初步消息。这还算是时间快的了。国内的期刊很多更是直接明确，如果X个月内没有消息，就相当于被拒。别人投稿了，最起码也要给别人一个正式回复吧。
下面这个应该是个日本人，把Gray的模型进行了改造，加入了”生孩子“，还有一些其他的人生坎等待填充。
David 问的这个问题是很多做实证的人的痛，你的理论贡献在哪？多数能把实证搞对就不错了，谈何理论贡献，要求有点高。当然一般来说，实证也是在理论指导下进行，总能扯上点理论。
Martin提到了样本量，就一个样本做啥的模型啊，但是想把情人节的样本量扩大到1000，难度太高。
做完模型，别忘了做各种检验，否则要被评审人批。两个模型系数的比较，做个Chow test吧。每次看到Chow Test，就有一种骄傲啊，邹至庄先生是华人的骄傲。
数据的异质性?再来个检验
最可怕的评论是这个Peter，情人复仇，就问你怕不怕？
总结评论的要点：
样本量数量够不够，有没有代表性？
模型设定是否合理？有没有其他的替代模型？IV？非参数、半参数模型？
检验：异质性、Chow检验
系数：统计显著性、实际意义、大小和方向的解释
理论贡献？
——END
以上英文和图片全部转自Twitter，中文为编辑所加。
其他阅读：