分享

“队列DID”很熟悉, 那“组内队列DID”方法呢? 请看这篇TOP刊案例

 计量经济圈 2024-05-15 发布于浙江
箱:econometrics666@sina.cn

题外话,下面这篇文章的识别策略,让人想起了Angrist关于出生季节作为教育的工具变量的文章。

队列DID主要依据样本中个体出生年份的不同,构建不同的出生队列来评估政策的影响。这种方法通过比较政策实施前后不同队列的变化,来估计政策效应。然而,这种方法可能无法完全排除其他宏观因素的干扰。

为了更精确地控制这些混淆因素,采用组内队列DID(Within-Cohort Difference-in-Differences, WDID)。这种方法利用同一年份出生的个体之间出生月份的差异,将他们划分为控制组和处理组。由于这些个体在同一年份出生,他们所面临的宏观环境和冲击是相同的,从而提高因果推断的准确性。

关于队列DID,1.队列DID实证思路和代码复现, 可以看看,2.上一日被删除文章, 1986年义务教育法的队列DID,3.台湾省选举多变之际, 该文引起了两岸学者高度紧密关注, 基于出生队列的RDD和DID!4.此文的研究发现, 可能会与AER“上山下乡”一样充满争议, 连续DID, 队列DID和Bartik IV,5.欧洲经济学年会最好论文长啥样?学习下强度和队列DID,6.截面/队列DID大有前途, 让微观调查数据得以与DID方法结合起来,7.那个发AER的中国学者又用'队列DID’方法与世界计量院士合作在JDE上发文了!8.AER中截面数据(队列)DID的程序和数据开放下载!来自中国四学者的最新研究!

“队列DID”很熟悉, 那“组内队列DID(within-cohort difference-in-difference strategy)”方法呢? 请看这篇TOP刊案例。

*文后给出了文章相关信息,社群也上传了全文PDF。

1980年3月,西班牙颁布了第8/1980号《劳动者法规》(ET),该法规将最低法定工作年龄从14岁提升至16岁。这一关于童工的重大改革,根据个人的出生年份和月份,对外在激励机制进行了调整,影响了他们留在教育系统中的决策。
对于1966年之前出生的人群(即在1980年之前已满14岁),义务教育的终止年龄与法定工作年龄是一致的,均为14岁。在西班牙,所有同年出生的儿童都是在同一年入学,这意味着那些在年初出生的孩子在开始和结束学业时,相对于年末出生的孩子,年龄上会有几个月的优势。因此,1966年之前出生的人,如果是年初出生,他们在小学最后一年达到14岁时,便可以选择开始工作而不必完成学业。然而,对于同一年出生但在年末出生的人来说,他们在小学最后一年时还不满14岁,因此必须完成小学教育后才能合法工作。基于此,我们可以预见,年初出生者相较于同年出生但年末出生的人,其教育水平可能会较低。
1980年童工法规的改革,使得义务教育的年龄(14岁)与法定工作年龄(提升至16岁)不再同步。所有1966年及之后出生的个体(即在1980年之后满14岁),无论他们的出生月份如何,都面临着相同的激励去完成小学教育,因为在他们达到16岁之前,是无法合法开始工作的。
以下图表展示了1966年前出生的个体在小学最后一年留在教育系统中的激励情况,这与他们的出生月份有关。我们可以通过比较两个1963年出生、但相差六个月的个体来具体说明这一点:
在1963年3月出生的个体将在1977年3月达到14岁的法定工作年龄,因此他们可以在同年6月小学毕业前选择辍学。相比之下,1963年9月出生的个体在1977年6月小学毕业时尚未满14岁,因此他们必须等到14岁才能合法工作。
对于1966年及以后出生的所有个体,无论他们的出生月份,他们在达到新的法定工作年龄16岁之前,都必须完成小学教育。这意味着,所有这些个体在完成基础教育方面享有相同的激励。
为了识别童工改革对女性生育决策及其后代健康影响的效应,我们采用了一种组内队列DID(within-cohort difference-in-difference strategy)策略。具体来说,我们比较了同一队列中仅因出生月份不同而可能受到改革不同影响的女性。这里需要注意的是,用于识别改革效应的出生月份阈值(如夏季之前或之后出生)与西班牙的入学截止日期(如一月之前或之后出生)是不一致的。在西班牙,同一年出生的儿童会在同一时间开始上学。因此,本文的研究方法将仅捕捉到改革在年龄队列内成员之间产生的效果,而估计结果也将对任何同期发生的社会或政治事件或趋势具有稳健性。这是因为任何其他同时发生的事件应该对同一年出生的所有个体产生相同的影响,不论他们的出生月份如何。
在本文DID策略中,将8月至10月间出生的个体作为对照组。无论他们是在1966年之前还是之后出生,这些个体在小学的最后一学年始终低于法定工作年龄,因此他们总是有动力去完成小学教育。而3月至5月间出生的个体则作为实验组。对于这一组,完成小学教育的激励会根据他们是否在1966年之前或之后出生而有所不同。如果他们是在1966年之前出生的,他们可以在小学最后一年结束前开始工作;而如果是在1966年之后出生的,他们则必须等到16岁才能开始工作。
首先,考虑以下计量经济模型,该模型针对不同月份m和年份y出生,并在年份t被观察到的女性i的生育和健康行为结果进行分析:

在分析童工改革对女性生育决策及其后代健康影响的计量经济模型中,设定了如下的方程:

在这个模型中,“Treated_i”是一个指示变量,当女性出生在3月至5月之间时,其值为1,否则为0。“PostReform_i”也是一个指示变量,用于区分女性是否在改革后年满14岁,如果是,则值为1,否则为0。把1961年至1965年出生的女性定义为改革前的群体,而将1967年至1971年出生的女性定义为改革后的群体。模型中还包括了控制变量,如女性的出生月份、出生年份以及观察年份的固定效应。在队列层面对标准误差进行聚类处理,并报告了野生自举的p值。改革效应主要通过“Treated_i”与“PostReform_i”交互项的系数来识别。
当评估改革对女性子女出生时健康结果的影响时,采用了一个类似的计量经济模型,但将分析的焦点放在了女性的第一个孩子j上,孩子在年份t和月份n出生:
在这个模型中,进一步加入了孩子出生的月份和年份的固定效应。而在评估改革对孩子中期影响的模型中,不再加入孩子的出生月份和年份,而是控制孩子在访谈时的年龄,并在模型中加入了年龄的线性和二次项。
需要指出的是,在这个分析中假设改革没有影响那些在改革通过时年龄在14至16岁之间的群体(即1964年、1965年和1966年出生的个体)。我们认为,这些可能在改革前已经开始工作的人必须放弃工作并返回教育系统。意识到这是一个较强的假设,因此,在报告的第6节中,对这个假设进行了进一步的讨论和放松。
在考虑西班牙80年代所经历的显著社会变革时,注意到,由于社会环境的快速变迁,无法简单地通过断点回归设计RDD来利用改革前后的对比效果,这种对比可能比采用的组内比较方法得出的效应更强。西班牙的民主化进程自1979年起加速,伴随着多项重要改革的迅速实施。例如,1981年,离婚在西班牙合法化;1978年,避孕药具的商业化和使用首次在西班牙合法化;1985年,堕胎在特定情况下(如强奸、对母亲身心健康构成风险、胎儿畸形)合法化;1984年,临时合同的自由化旨在促进就业,其使用也迅速增加。这些变化意味着,在改革前后达到14岁的女性群体,她们所面临的社会环境是截然不同的。

此外,实施替代策略的一个主要障碍是改革对特定群体的影响并不明显。改革于1980年3月正式颁布,因此对所有1966年3月之后出生的女性产生了全面影响。在改革生效时,这些女性尚未满14岁,根据新法规,她们必须等到16岁才能开始工作。与此同时,1963年4月之前出生的女性在改革实施时已超过16岁,因此她们并未受到改革的任何影响。然而,对于那些在1964年3月至1966年2月之间出生的女性,她们在改革实施时的年龄介于14至16岁之间,可能会受到改革的一定影响。鉴于此,采取的策略相对保守,主要依赖于队列差异的分析,尽管如此,在当前情境下,这种方法相较于简单的前后对比模型,更能提供可靠的识别策略。


看下原文中的识别策略:

不是说国际上不错的期刊就不会出现语法错误,不信你看下面。

你理解了吗?

*群友可直接在社群下载EER全文PDF。

关于多期DID或交叠DID: 1.DID相关前沿问题“政策交错执行+堆叠DID+事件研究”, 附完整slides,2.交错(渐进)DID中, 用TWFE估计处理效应的问题, 及Bacon分解识别估计偏误,3.典范! 这篇AER在一图表里用了所有DID最新进展方法, 审稿人直接服了!4.最新Sun和Abraham(2020)和TWFE估计多期或交错DID并绘图展示结果!详细解读code!5.多期DID或渐进DID或交叠DID, 最新Stata执行命令整理如下供大家学习,6.多期DID前沿方法大讨论, e.g., 进入-退出型DID, 异质性和动态性处理效应DID, 基期选择问题等,7.交叠DID中平行趋势检验, 事件研究图绘制, 安慰剂检验的保姆级程序指南!8.欣慰! 营养午餐计划终于登上TOP5! 交叠DID+异质性稳健DID!9.用事件研究法开展政策评估的过程, 手把手教学文章!10.从双重差分法到事件研究法, 双重差分滥用与需要注意的问题,11.系统梳理DID最新进展: 从多期DID的潜在问题到当前主流解决方法和代码! 12.标准DID中的平行趋势检验,动态效应, 安慰剂检验, 预期效应教程,13.DID从经典到前沿方法的保姆级教程, 释放最完整数据和代码!
关于神器:1.分享直接免费使用的ChatGPT, 确实最强科研神器!2.ChatGPT为主题的经济金融等等社科领域的最新论文!3.聊天绘图ChatGPT诞生! 各种技术图形都不再是学术难题!4.太强悍了!英文文献阅读版ChatGPT,一站式文献阅读神器!5.重磅: 计量经济学与ChatGPT的30个问答!6.一款文献阅读神器ChatPDF一网打尽英文文献!7.神器! 统计和金融计算器, 词云和情感分析器强大到无敌!8.找合适的英文期刊发表的神器! 亲测太好用了!9.神器! SSCI分区及影响因子查询, 还有国人发表比例,10.一数学神器诞生! 手写公式和符号, 竟免费转成LaTex,11.学术神器Endnote的最详尽使用方法,12.“各领域顶级外文期刊”菜单栏使用指南, 最新文章和目录浏览!13.NBER20个主题工作论文分门别类, Chronicle,14.不用必悔神器!按最全的细分领域推送该周最新最前沿的经济学工作论文!15.ABS星级期刊目录实时更新网址! 你总能找到最新的期刊分级目录!
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。

7年,计量经济圈近2000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

    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多