|
Journal of Econometrics特此推出“实用指南”特别刊，旨在为读者提供最前沿的计量经济学研究方法。如果对聚类稳健推断、工具变量中的工具强度、双重差分分析等热门话题感兴趣，并希望获取最新的研究成果和实践指南，可以访问以下链接：https://www./special-issue/10M1GXNRCQF。 你能够接触到一系列精心挑选的文章，它们不仅涵盖了上述领域的最新理论进展，还提供了实证研究中的实用指导。
Introducing How-To papersJournal of Econometrics编辑部推出了一系列实用的指南文章。这些文章致力于将计量经济学理论与实证研究实践紧密结合。这个系列的目标读者是从事实证研究的学者，旨在为他们提供最新理论成果的概览，并明确指出这些理论成果如何与常见的实证策略相结合。该系列的首篇指南文章是由James MacKinnon、Morten Ørregaard Nielsen和Matthew Webb共同撰写的《聚类稳健推断：实证实践指南》。在这篇文章中，作者们深入探讨了在诸如线性面板数据回归等实证分析中，何时以及如何应用聚类稳健推断这一关键问题。近年来，这类回归方法在实证微观经济学领域变得日益重要，例如在双向固定效应和双重差分研究中。虽然学者通常关注于识别问题，但构建置信区间或进行检验计算却是一个技术挑战。在推断过程中，如何处理“聚类”问题以及如何进行“聚类”推断显得尤为关键。文章以通俗易懂的方式阐述了上述疑问，明确指出了在实证分析中可能遇到的具体问题，并基于多种模型提供了一系列可能的理论解决方案。此外，文章还将这些理论成果与处理效应的实证研究以及双重固定效应的研究联系起来，为读者提供了更深入的理解。①Cluster-robust inference: A guide to empirical practice聚类稳健推断作为一种重要的统计分析方法，在经济学乃至其他学科领域内得到了广泛应用。尽管如此，直到近期，这些方法在实证研究中的严格理论基础才逐步建立。本文旨在利用这些最新的理论成果，为实证研究者提供一份实用的操作指南。 本文的目标并非全面回顾这一庞大领域的相关文献，而是致力于提供一份详尽的指导手册，以弥合理论与实践之间的鸿沟。本文将详细解释在实证分析中应采取的步骤及其理论依据，这些步骤均基于最新的经济计量学理论和模拟研究的证据。 为了具体展示文中的观点，本文还包含了一个实证分析案例：使用微观个体数据，探讨最低工资对青少年劳动力供给的影响。这一案例不仅展示了聚类稳健推断方法在实际应用中的具体步骤，也体现了其在解决现实问题中的有效性。 通过本文的阅读，希望读者能够对聚类稳健推断有一个清晰的认识，并能够在自己的实证研究中灵活运用这一方法。有理由相信，随着理论的不断深化和实践的不断积累，聚类稳健推断将在未来的实证研究中发挥更加重要的作用。 关于聚类标准误的使用及其聚类层级的问题，1.啥时候使用聚类标准误, 以及数据聚类的修正方法? 2.在什么级别上标准误聚类, 个体, 县, 省或行业, 时间？3.什么时候用双聚类稳健标准误? 在个体和时间层面上考虑依赖性问题！4.双重聚类cluster咋做? 线性, logit, tobit可以双聚类吗? 5.聚类标准误精辟解释, 保证你一辈子都忘不了！6.4位计量领域大佬在TOP5上为聚类标准误问题提供了实证建议！7.完整解读TOP5刊的"什么时候和如何对标准误做聚类调整?" 4位计量大佬的合作！8.为啥固定效应后还要对标准误聚类呢? 区别何在? 到底什么层面固定和聚类? 9.使用异方差稳健而不是聚类稳健标准误, 在固定效应模型中能接受吗？10.QJE上对标准误做聚类调整, 现已开发出了对应的Stata软件包。
②What’s trending in difference-in-differences? A synthesis of the recent econometrics literature本文旨在综述双重差分（DiD）分析在计量经济学领域的最新趋势，并为实证研究者提供具体的指导建议。文章首先介绍了DiD分析的基本“经典”假设，这些假设为DiD的计量经济学提供了一个清晰的理论基础。接着，文章指出，近期DiD方法的发展主要集中在对这些经典假设的某些方面的放松，主要体现在以下几个方面：(i) 考虑多个时期和处理时间的变化；(ii) 处理平行趋势可能被违反的情况；(iii) 探索替代的推断框架。通过这些讨论，文章揭示了DiD文献在突破传统模型框架方面的多种途径，并有助于读者明确每篇文献在实证研究中的适用性和相关性。最后，文章还展望了一些未来研究的潜在领域，为后续研究提供了方向。 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！14.(修订)审稿人: 在DID后还必须用IV再做一下, X的滞后项做IV真的太low了
③Instrument strength in IV estimation and inference: A guide to theory and practice《工具变量估计与推断中的工具强度：理论与实践指南》在经济学研究中，工具变量法是一种常用的估计策略，尤其适用于处理内生性问题。然而，如果所选的工具变量虽然外生但强度不足（与内生变量的相关性不够），两阶段最小二乘法（2SLS）的估计结果和检验统计量可能会受到影响，其性质可能并不理想。那么，工具变量需要达到怎样的强度，才能确保2SLS的估计值和检验统计量具有可接受的性质呢？ 一个广泛接受的标准是，第一阶段回归的F统计量应大于等于10，这被认为是确保双尾t检验size失真较小的一个基本要求。尽管如此，即使满足了这一标准，仍然存在其他问题。特别是，本文发现在那些OLS估计偏差最大的样本中，2SLS的标准误会人为地缩小。这意味着，如果OLS的偏差是正的，t检验在检测真实负效应时几乎没有检验效力，而在检测正效应时却表现出较高的检验效力。将这种现象称为“检验效力不对称”，并且即使第一阶段的F值非常高，这种情况仍然可能发生。 为了解决这一问题，Anderson-Rubin等稳健性检验方法提供了更好的解决方案。即使在工具变量强度较高的情况下，这些方法也应被优先考虑，以替代传统的t检验。 此外，还发现，如果第一阶段的F值仅为10，2SLS的检验统计量通常会显示出非常低的检验效力。因此，建议在实证研究中采用更高的工具强度标准，以确保估计结果的准确性和可靠性。 内生性问题的拓展性阅读 ，0.看完顶级期刊文章后, 整理了内生性处理小册子；1.“内生性” 到底是什么鬼? New Yorker告诉你；2.Heckman两步法的内生性问题(IV-Heckman)；3.IV和GMM相关估计步骤，内生性、异方差性等检验方法；4.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；5.毛咕噜论文中一些有趣的工具变量！；6.非线性面板模型中内生性解决方案；7.内生性处理的秘密武器－工具变量估计；8.内生性处理方法与进展；9.内生性问题和倾向得分匹配；10.你的内生性解决方式out, ERM独领风骚；11.工具变量IV必读文章20篇, 因果识别就靠他了；12.面板数据是怎样处理内生性的；13.计量分析中的内生性问题综述；14.工具变量IV与内生性处理的解读；15.一份改变实证研究的内生性处理思维导图；16.Top期刊里不同来源内生性处理方法；17.面板数据中heckman方法和程序(xtheckman)；18.控制函数法CF, 处理内生性的广义方法；19.二值选择模型内生性检验方法；20.2SRI还是2SPS, 内生性问题的二阶段CF法实现；21.内生变量的交互项如何寻工具变量；22.工具变量精辟解释, 保证你一辈子都忘不了，23.审稿人: 为啥你不展示Y对工具变量Z的简约式回归结果呢？24.Two Sample IV, 双样本二阶段工具变量回归, TS2SLS充分利用2份数据的信息，25.Stata自救行动: 高维固定效应HDFE, 弱工具变量稳健性估计, 工具变量SVAR
链接：https://www./special-issue/10M1GXNRCQF
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
|
