【原】既然她已来中国学术交流, 不妨看她这AER上的实证经典之作, 学习的典范！

计量经济圈 2023-11-09 发布于浙江

展开全文

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Nancy Qian，①连续DID经典文献, 土豆成就了旧世界的文明，②关于工具变量的材料包, 标题,模型,内生变量,工具变量，③DID运用经典文献，强制性许可:来自对敌贸易法的证据，④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，⑤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！⑥公开！北大姚洋耗时15年的AER文章解读可以下载了！⑦发表Top5刊的500强名单出炉, 这几位中国人实至名归，⑧诺奖夫妇花16年时间, 关于中国的研究终于在期刊上发出来了！⑨Nancy Qian在意大利EIEF访问时的交流, 她在MIT的三位博导都是诺奖得主

既然Nancy Qian来到国内进行学术交流，不妨借此机会介绍她与QJE主编合作发表在AER上的一篇经典文章《US Food Aid and Civil Conflict》。这篇文章的实证策略堪称国内中青年学者学术写作的典范。无论是工具变量的创造性应用，还是机制检验和异质性分析，都展现了不俗的学术素养和研究技巧。这篇文章值得学者们深入参阅和讨论，不仅可以从中学习到实证研究的方法和技巧，还能提升自己的学术水平和研究能力。

正文

关于下方文字内容，作者：陈泽州,暨南大学经济与社会研究院，通信邮箱：zezhou_chen@163.com

Nunn, Nathan, and Nancy Qian. 2014. "US Food Aid and Civil Conflict." American Economic Review, 104 (6): 1630-66.
We study the effect of U.S. food aid on conflict in recipient countries. Our analysis exploits time variation in food aid shipments due to changes in U.S. wheat production and cross-sectional variation in a country's tendency to receive any U.S. food aid. According to our estimates, an increase in U.S. food aid increases the incidence and duration of civil conflicts, but has no robust effect on inter-state conflicts or the onset of civil conflicts. We also provide suggestive evidence that the effects are most pronounced in countries with a recent history of civil conflict.

美国粮食援助与受援国的冲突

摘要

本文研究了美国粮食援助对受援国国内冲突的影响。本文利用了美国小麦产量变化带来的粮食援助运输的时间层面上的变化，以及一个国家接收美国粮食援助倾向在横截面上的变化来进行研究。本文结果表示，美国粮食援助的增加会提高受援国国内冲突的发生率和持续时间，但是对国际冲突或新开始的国内冲突没有显著影响。并且，本文发现，上述影响在近期发生过国内冲突的国家中更为显著。

一、引言

1. 主要研究内容

在国际社会，人道主义援助是帮助发展中国家的关键政策工具，其中粮食援助是主要组成部分。但是，粮食援助的有效性受到了越来越多批评，被指出粮食援助实际上助长了冲突。例如，食物在长途运输中会途经政府控制力薄弱的地区，武装力量和反对派很容易进行拦截；即使援助到达预定的受援国中，也可能被武装力量强占；粮食援助对象也可能包括饥饿的当地士兵。这些都可能加剧了冲突。

本文估计了美国粮食援助对受援国冲突的因果效应。首先，由于天气因素，高产年份下政府会有粮食超额储备，而这些大部分这些超额储备会被运往发展中国家作为粮食援助，因此本文可以利用这一天气带来的美国小麦产量的有效外生变化。其次，本文还利用了一个国家成为美国粮食受援国的可能性的横截面差异，并将两者结合起来，构建了上一年美国小麦产量与一个国家接受美国粮食援助频率之间的交互项，作为衡量一个国家在特定年份受到粮食援助数量的工具变量。

两阶段回归结果表明，美国粮食援助对受援国国内冲突有显著的负面影响，但对国际之间冲突没有显著影响。美国粮食援助每增加1000吨（2008年价值275000美元）会使国内冲突发生率增加0.25%。对于接收美国粮食援助的样本平均值27610吨（2008年价值760万美元）、冲突发生率平均值17.6%的国家而言，粮食援助增加10%会提高冲突发生率0.7%，相当于平均冲突发生率的4%。

2. 研究过程

（1） 工具变量的构建：美国小麦产量的滞后项和一个国家接受美国粮食援助倾向的交互项。

（2） 工具变量有效性的讨论：描述性证据和简单OLS回归估计

（3） 基准回归：使用工具变量2SLS考察美国粮食援助对受援国冲突的影响。

（4） 稳健性检验：不同工具变量构建方式、加入其他控制变量、其他不作为粮食援助的食物作为安慰剂、利用过去粮食援助做安慰剂、对变量的标准化或对数处理、样本调整、考察其他捐助过带来的影响。

（5） 机制检验：粮食援助对新的冲突的爆发和冲突的持续时间的不同影响、对不同冲突规模的影响、对其他援助的挤出效应、对受援国国内生产的挤出效应。

（6）异质性分析：容易发生冲突和不容易发生冲突带来的异质性、其他的不同国家特征带来的异质性。

3. 研究贡献

（1） 本文补充了国外援助影响的讨论。之前有研究发现国外援助对经济增长没有影响（Werker et al.，2009）、降低制度性的质量（Ahmed，2010）。本文发现美国援助部分取决于美国国内生产的变化，呼应了之前研究中援助往往取决于捐助国的战略或经济需求的发现。

（2） 本文还与Besley and Persson（2011）提供的理论和经验证据一致，也与Crost et al.（2012）关于世界银行资助的援助与菲律宾国内冲突的正向关系、Dube and Naidu（2010）关于美国军事援助与哥伦比亚国内冲突之间的正向关系相一致。

（3）本文与研究冲突的决定因素的大量文献密切相关，Blattman and Miguel（2010）对这一领域进行了综述。

二、研究背景和研究设计

1. 粮食援助与冲突

·粮食援助通常会经过广阔的地区，尤其是在政府控制力有限的地区，会成为武装反对派的目标。武装反对派可以通过设置路障以向援助机构“征税”来确保通行。例如，20世纪90年代初期索马里的记录表明，20%至80%的粮食援助被抢劫、被盗或是被没收（Barnett，2011），被盗的援助物资随后在邻国埃塞俄比亚用于换取武器（Perlez，1992）。并且，车辆和其他设备也可能被盗，这也增加了反对派发动战争的能力。

·一个明确的人道主义援助加强了反对派力量的案例是，在20世纪60年代末的尼日利亚-比亚法拉（Nigeria-Biafra）内战（Barnett，2011）。反对派首领Odumegwu Ojukwu只允许使用他的飞机运送援助的物资，并收取运输费用，且在飞机的空余位置放入了武器和其他军事设备。人道主义援助物资的运输是的Odumegwu Ojukwu绕过了尼日利亚政府对比亚法拉的围困，粮食援助还养活了反对派军队。因此，许多人认为人道主义援助的运输导致比亚法拉内战比原来持续了更长时间（Polman，2010）。这样的例子还有很多。

·并且，人道主义援助不仅可能被武装反对派盗取，也可能被执政政府及其军队和支持者挪用，意即冲突的双方都可能从粮食援助中获益。例如，在20世纪90年代初期，卢旺达政府盗取粮食援助的问题十分严重，以致多次取消援助物资的运输（Uvin，1998）。接受援助的政府通常只会援助特定人群，其中不包括反对派或潜在的叛乱地区，这也可能增加敌对活动并加剧冲突。

·即使援助物资能够成功交付目标人群，仍然可能加剧国内冲突。这是因为受援方也可能包括反对派或军事组织成员，或是受援方在接受援助后被“征税”。例如，1994年卢旺达种族灭绝后，胡图族极端主义领导人向难民营中的胡图族平民征税，并将援助物资挪用到军事领域。随后胡图族军队可以对卢旺达进行袭击，促进了第一次和第二次刚果战争（Terry，2002；Lischer，2005）。

·当然，粮食援助也可以通过很多潜在的机制减少冲突，例如粮食援助可以刺激经济增长与发展，也可以通过缓解资源限制来减少因此引发的冲突。本文估计的是粮食援助对国内冲突的平均因果效应，包括正面和负面的所有影响。

2. 美国粮食援助的决定因素

·小麦是美国对外粮食援助的主要组成部分。在本文的样本期间（1971-2006），63%的谷物援助运输（依重量计算）、58%的所有粮食援助运输都是小麦。同时，美国也是全球最大的粮食援助国，在1990年占全球的58%，在2000年占全球64%（Barrett and Maxwell，2005），在本文的样本期间，美国提供了68%的小麦援助运输，因此本文主要关注的是美国的小麦援助，并且美国为国内小麦农民提供的价格支持政策可以构成本文识别策略的基础。

·美国所有形式的粮食援助均由农业部采购，并由美国农业部或美国国际开发署管理。逐年而言，粮食援助很大程度上取决于美国的产量（Nunn and Qian，2010），美国农业部会在高产的年份储存小麦，作为价格稳定政策的一部分。储存的小麦会作为粮食援助运输到贫穷的国家。

·每年向各国运输的粮食援助是大量政府机构做出的一系列复杂决策的结果（Ball and Johnson，1996）。本文假设，累积的小麦储备回因提供粮食援助运输而定期减少。此外，Barrett and Maxwell（2005）发现粮食援助总价值中只有47%是商品本身的实际价值，另外53%是运输成本，本文关注的是受援国收到的粮食援助的数量（扣除运输成本）。

3. 研究设计

首先，本文使用滞后的美国小麦产量（非交互项）作为粮食援助的工具变量：

其中，式（1）是两阶段回归的第二阶段，式（2）是两阶段回归的第一阶段。表示国家，表示六个地理区域（南亚、东亚和太平洋、欧洲和中亚、拉丁美洲和加勒比地区、中东和北非、撒哈拉以南的非洲地区），表示年份。是国在年是否有国内冲突的虚拟变量；是本文关注的内生的解释变量——美国在年向国提供的小麦援助数量；是国家-年份层面的控制变量；是区域的时间趋势项；是国家固定效应；是工具变量，为美国在上一年度的小麦产量。本文使用的是1971年至2006年期间的125个非经合组织国家的组成的样本。

·选择该工具变量的原因是：（1）小麦的产量主要与天气变化相关，相对外生；（2）美国的超额小麦产出会被作为对外粮食援助，因此产量越高，粮食援助越多；（3）考虑到收获、储存和运输所需的时间，t年收获的小麦往往会在t+1年达到受援国（Barrett and Maxwell，2005），因此本文将t年收到的粮食援助看作是t-1年美国产量的函数。

·工具变量的排他性假设要求美国小麦产量的滞后项只会通过美国粮食援助影响受援国的国内冲突。但是，随着时间的推移，可能会出现其他与美国小麦产量相关的（非线性）变化对两阶段回归结果带来干扰，并且这里的工具变量又随时间变化，因此会与时间固定效应存在共线性而无法加入时间固定效应，因此本文继续做了如下的改进：

三、 数据来源与描述性统计

1. 数据来源

·冲突发生率是使用UCDP/PRIO Armed Conflict Dataset Version 4-2010数据构建的，冲突定义为双方使用武力，导致一年内至少25人的战斗伤亡。本文研究的对象包括国内冲突、国际冲突和所有类型的冲突。

·美国粮食援助的数额是美国与运往受援国的小麦援助量，以千吨为单位，数据来源联合国粮食及农业组织的FAOSTAT数据库。工具变量小麦产量的数据来源于美国农业部，以千吨为单位。

2. 描述性统计

·原文表1是对主要变量的描述性统计。大约22%的观测值（国家-年份）有冲突的发生，且大多数都是国内冲突和持续的冲突（即前一年同样有冲突）。受援国从美国获得小麦援助与国内小麦产量的平均比例为2.05，从美国获得小麦援助与国内谷物产量的平均比例为0.93。样本期间，平均而言国家在37%的年份中会从美国获得粮食援助。阿根廷、委内瑞拉和南非从未从美国获得过任何的粮食援助，洪都拉斯、海地和孟加拉国每年都会从美国接受粮食援助。

表1 描述性统计

·原文图1表明美国小麦总产量与小麦援助运输之间存在强正相关关系，原文图2表明美国年初小麦储备与当年小麦援助的运输量有强正相关关系。这两张图表明美国小麦产量越高，小麦储备也越高，使得小麦援助的运输量也越高。

图1 美国小麦储备与美国小麦产量的滞后项

图2 美国小麦援助与年初美国小麦储备

·本文根据受援国在样本期间平均接受美国粮食援助的年份占比的中位数（0.3），将国家分为经常接受援助（“regular”）和不经常接受援助（“irregular”）两组。原文图3表明在不经常接受援助的国家中，美国小麦产量的一年滞后项与冲突发生率没有显著的相关关系。与之相对，原文图4表明在经常接受援助的国家中，美国小麦产量的一年滞后项与冲突发生率有强正相关关系。

图3 平均国内冲突发生率与美国小麦产量的滞后项，不经常接受援助的国家

图4 平均国内冲突发生率与美国小麦产量的滞后项，经常接受援助的国家

四、基准回归结果

1. OLS估计

·原文表2的Panel A报告了式（3）的OLS回归结果。第（1）列报告的是只加入受援国固定效应和区域-年份固定效应的美国粮食援助与冲突发生率的关系。回归结果系数不显著。后列依次加入了其他可能和冲突、粮食援助运输或美国小麦产量相关的控制变量，结果仍然不显著。

2. 第一阶段回归和简约式估计

·原文表2的Panel D是第一阶段回归估计的结果。结果表明，工具变量（美国小麦产量滞后项和一个国家接受美国粮食援助倾向的交互项）与小麦援助运输额之间又强正相关关系，Kleibergen-Paap F统计量为12（第（5）至（7）列），因此弱工具变量问题存在的可能性比较小。

·原文表2的Panel B是简约式估计结果。结果表明，美国小麦产量的增加会提高受援国发生国内冲突的可能性（第（1）至（4）列），且主要是对国内冲突有显著为正的影响（第（5）列），对国际冲突影响不显著（第（7）列）。

3. 两阶段回归估计

·原文表2的Panel C报告了2SLS估计（式（3））的结果。结果表明，随着美国的小麦援助增加，受援国冲突发生率会显著提高（第（1）至第（5）列）。第（6）列和第（7）列表明这一影响主要作用于国内冲突而非国际冲突。

·第（5）列回归系数表明，美国的小麦援助每增加1000吨，冲突发生率会提高0.3%。第（6）列回归系数表面，美国小麦援助每增加10%（2760吨），受援国国内冲突发生率会增加0.7%，是样本均值的4%。

表2 粮食援助对冲突的影响

·原文表3是仅使用小麦产量的滞后项做工具变量（而非上文的交互项）进行2SLS估计的结果（式（1）和（2））。回归结果与上文表2中的结果相似，但第一阶段估计结果显示工具变量较弱。

表3 粮食援助对冲突的影响（仅使用小麦产量的滞后项做工具变量）

4. 加入冲突的滞后项作为控制变量

·冲突可能存在持续性，因此本文在式（3）和（4）的基础上加入了冲突的滞后项作为控制变量。原文表4报告了相应的结果，结果与上文表2基本一致。

表4 粮食援助对冲突的影响（加入冲突的滞后项作为控制变量）

5. 安慰剂检验

在本节中，本文进行了两个安慰剂检验。

·将原先作为工具变量的美国小麦产量替换为其他不作为粮食援助的食物的产量，按产量高低依次为橙子、葡萄、生菜、棉绒、洋葱、西柚、卷心菜、西瓜、胡萝卜/芜菁、桃子/油桃。原文表5报告了结果，结果不再显著。

·在第一阶段的回归中，使用工具变量对过去的粮食援助数量进行回归，而非对未来的粮食援助数量进行回归。结果不再显著（附录表A4）。

表5 安慰剂检验（使用其他不作为粮食援助的食物的产量作为工具变量）

6 其他稳健性检验

在本节中，本文进行了其他的稳健性检验，原文表6显示了结果（第（1）列是上文的基准回归结果）。

·使用美国小麦产量的滞后项与受援国过去最近接受粮食援助的的平均倾向形成交互项，作为工具变量（第（2）至（6）列）；

·用受援国人口对美国粮食援助的数量进行标准化（第（5）列），或是对美国小麦援助和产量都取自然对数（第（6）列）；

·删除前苏联国家的样本（第（7）列）；

·删除数据质量较差的前三年（1971-1973）样本（第（8）列）；

·加入美国小麦援助数量的滞后项或推前项作为控制变量（第（9）列和第（10）列）；

·考察其他两大小麦捐助国（加拿大和日本）粮食援助的影响（附录表A5）。

结果均具有稳健性。

表6 其他稳健性检验

五、机制检验

1. 新的冲突的爆发和冲突的持续时间

·本文上述提到的国内冲突，包括新爆发的冲突和已有冲突的延续。在此，本文分别估计了粮食援助对两种冲突的影响。

·原文表7的第（1）至（5）列使用了不同的设定来考察粮食援助对新爆发的冲突的影响，结果显示没有稳健的证据可以表明粮食援助会对新爆发的冲突有促进作用。

·原文表7的第（6）至（8）列考察了粮食援助是否延续了已有的冲突。结果显示，美国的粮食援助会降低国内冲突结束的可能性，即延长了已有冲突的持续时间。

表7 粮食援助对新的冲突的爆发和冲突持续时间的影响

2. 冲突的规模

·上文中统计是死亡人数在25人及以上的冲突，在此本文将冲突分为25-999人死亡的小规模冲突和1000人以上死亡的大规模冲突，分别考察粮食援助对其影响。原文表8报告了相应的结果。第（1）至（3）列的被解释变量分别是小规模的所有冲突、小规模国内冲突和小规模国际冲突，第（4）至（6）列的被解释变量分别是大规模的所有冲突、大规模国内冲突和大规模国际冲突。结果表明，粮食援助对大规模冲突和小规模冲突的影响没有显著差异。

表8 粮食援助对不同规模冲突的影响

3. 对其他援助的挤出效应

一种替代性解释是，美国粮食援助会对其他援助有挤出效应，间接影响了受援国的国内冲突。这一解释不会影响到本文的因果推断，但挤出效应的机制与前文的理论不尽相同，具有不同的政策含义。

·在此，本文重新对式（3）和（4）进行回归，其中第二阶段的被解释变量为其他类型的援助。原文表9展示了这些结果。

·第（1）列和第（2）列考察的是美国小麦援助对所有小麦援助或谷物援助的挤出效应，回归系数接近1，表明没有显著的挤出效应。第（3）和列第（4）列考察的是美国小麦援助对其他国家小麦援助或谷物援助的挤出效应，回归系数接近0且不显著，表明没有显著的挤出效应。

·第（5）列和第（6）列结果表明，美国粮食援助对美国其他类型援助（军事援助和除粮食外的经济援助）的挤出效应。另外，第（5）列结果表明，美国小麦援助对军事援助有较小的正向影响，这可能是因为美军会参与美国粮食援助的运输。

·第（7）列和第（8）列的结果表明，美国的粮食援助对其他国家的援助没有显著的挤出效应。

因此，对其他援助的挤出效应机制并不成立。

表9 粮食援助对其他援助的挤出效应

4. 对受援国国内生产的挤出效应

另一种替代性解释是，美国粮食援助会对受援国的国内生产有挤出效应，降低了农民的潜在收入，致使他们参与冲突事件。在此，本文检验美国粮食援助是否会影响当地作物的价格和产量。原文表10报告了这一结果。

·第（1）列和第（2）列考察的是美国粮食援助对受援国当地的小麦产量和谷物产量的影响，回归结果并不显著。

·第（3）列和第（4）列考察了美国粮食援助对受援国当地的小麦价格（缩尾处理或取自然对数）的影响，回归结果同样不显著。

因此，对当地生产挤出效应的机制不成立。但由于价格数据的有限，这里的检验使用的样本量较小，因此结果还需谨慎看待。

表10 粮食援助对受援国国内生产的挤出效应

六、粮食援助的异质性

在本节中，本文研究了不同受援国特征下，粮食援助带来的影响是否有异质性。在此，本文使用来表示这些国家层面的特征，使用以下的模型设定：

·首先本文考察了粮食援助的影响在容易发生冲突的国家是否具有更强的负面影响，其中是否容易发生冲突的指标是由过去五年、十年、十五年或二十年是否发生过冲突构成的虚拟变量。原文表11的第（2）列至第（5）列展示了回归结果，回归系数均显著为正。

表11 过去发生过冲突带来的异质性

·原文表12的第（2）列至第（7）列展示了收入、政体、种族多样性和对自然资源的依赖是否对粮食援助影响国内冲突有影响。结果表明，粮食援助对国内冲突的影响在以上几个国家层面特征下不具有异质性。

表12 收入、政体、种族多样性和对自然资源带来的异质性

·原文表13的第（2）列和第（3）列考察了受援国国内生产情况带来的影响，发现谷物生产的多少并不会带来显著的异质性。

·原文表13的第（4）列考察的是受援国道路网络带来的影响，发现人均道路的年平均公里数没有带来显著的异质性。

·原文表13的第（5）列考察了冷战前后外交政策巨大转变带来的影响，发现冷战前后没有显著的异质性。

·原文表13的第（6）列考察的是与美国的政治联盟是否会使得美国更努力保护粮食援助免受反对派的抢夺。在此，本文使用的是一个国家在联合国大会上和美国投票一致的比例来衡量政治联盟，结果没有显著的异质性。

表13 受援国国内生产情况、道路网络、冷战前后、与美国政治关系带来的异质性

七、研究结论

·美国的粮食援助会增加受援国国内冲突的发生率，且美国的粮食援助不会对其他形式的援助或其他国家的援助有挤出效应。

·美国的粮食援助对受援国国内冲突的正向效应主要是由于粮食援助延长了现有的冲突。而粮食援助是否促进了新的冲突的爆发，本文没有发现相关的证据。

·美国粮食援助对受援国国内冲突的正向效应主要集中在近期发生过国内冲突的国家。

关于内生性问题，参看：1.讲座视频: 模型内生性分类, 检验与处理，2.全能的内生性问题处理方法ERMs, 强烈安利一下！3.补救实证中内生性问题的21种方法, 来自国际顶级期刊的要求！4.前沿: 解决内生性问题的无工具变量推断法，5.你的内生性解决方式out, CMP已一统天下而独领风骚！6.不强调内生性, 用极简截面数据和交互项, 就将经济学故事讲到领域Top刊！7.六种定量方法解决内生性问题, 附stata代码操作，8.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！9.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！10.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！11.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！12.内生性问题: 微观和宏观经济学研究中的关键因果识别问题，13.控制变量的内生性需要处理吗？如何处理呢？理呢？
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！65.刚2022年, Acemoglu就在QJE上发文了！OLS+IV走遍天下都不怕！66.如何在AER上用OLS发经济史研究, 这篇道出了验证IV合理性的标准范式! 必读，67.怎样找到一个巧妙的工具变量, IV在公共政策评估中的应用，68.Bartik工具变量是什么? 份额移动法IV应用越来越多，69.阿西莫格鲁又一篇使用IV做因果推断的经典文献, 拿起小板凳一睹为快！70.AER教你两种论证IV合理性的实证策略, 以及如何对IV做安慰剂检验，71.我们应该在多大程度上相信工具变量估计, 基于63份顶刊复制结果的操作建议，72.Heckman模型和工具变量IV之间的差异？73.IV与Y在理论上无直接关系, 但用Y对IV做回归发现IV是显著的, 这是咋回事？74.10份TOP期刊中shock-based IV的详细总结！
1.用"因果关系图"来进行因果推断的新技能，2.因果推断专题：因果图，3.因果推断专题：有向无环图DAG，4.confounder与collider啥区别? 混淆 vs 对撞，5.三张图秒懂, 混淆, 中介, 调节, 对撞, 暴露, 结果和协变量的复杂关系，6.中介效应检验流程, 示意图公布, 不再畏惧中介分析，7.图灵奖得主Pearl的因果推断新科学，Book of Why?8.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!9.前沿: 卫星数据在实证研究中的应用, 用其开展因果推断的好处！10.7大因果推断大法精选实证论文, 可用于中国本土博士课堂教学！11.随机分配是什么, 为什么重要, 对因果关系影响几何？12.应用计量经济学现状: 因果推断与政策评估最全综述，13.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，14.Python做因果推断的方法示例, 解读与code，15.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，16.不用IV, 基于异方差识别方法解决内生性, 赐一篇文献等等。