⏩ 因果推断专题-RDD-DID-IV-合成控制

发布时间:2022-11-10 阅读 950

目录

0. 课程特色

因果推断在经验研究中的重要性无需多言。然而,面对快速涌现的各类方法,大家往往既兴奋又无助。

本次课程分为五个模块,力求帮助大家建立理解因果推断的基本框架,在深入理解基本概念和模型的基础上,能够合理地使用常用分析工具,自信地解读实证结果,并配合异质性分析、可视化图形、安慰剂检验等手段来增强实证分析部分的稳健性和可读性。

本次课程由两位授课经验丰富的老师精心设计,尤其是徐轶青老师,将他在加州大学和斯坦福大学的授课内容原汁原味地呈现出来。

在课程设计理念上,我们力求「讲慢、讲透」。与其给大家一堆「半生不熟」的方法和模型,倒不如把最核心的模型和方法讲透,以便赋予各位自我研读的能力和信心。为此,本次课程分三个周末讲授,以便大家有充足的时间理解、吸收和实操。我们强烈建议各位在课程期间将所学方法应用到你手头的论文中。我们安排了充足的答疑时间,并有 20 位经验丰富的助教随时协助大家自我提升。

1. 课程概况

2. 主讲嘉宾简介

司继春,上海对外经贸大学统计与信息学院讲师,主要研究领域为微观计量经济学、产业组织理论。在 Journal of Business and Economic Statistics、《财经研究》等学术刊物上发表多篇论文。其实,大家更熟悉的是知乎上大名鼎鼎的 慧航,拥有近 30 万个关注者,获得过 42w+ 次赞同,他就是司继春老师 —— 知乎-慧航

徐轶青,斯坦福大学政治学系助理教授。主要研究领域为面板数据因果推断。本科毕业于复旦大学经济学系;硕士毕业于北京大学中国经济研究中心(现国家发展研究院);2016 年于麻省理工学院(MIT)政治学系获博士学位。2016 年 7 月至 2019 年 6 月,于加州大学圣地亚哥分校(UCSD)政治学系工作。徐老师的工作成果发表于政治学国际顶级期刊,包括《美国政治学评论》(APSR)、《美国政治学期刊》(AJPS)、《政治学杂志》(JOP)、《政治分析》(PA)。他还获得了多个专业奖项,包括 John Williams 最佳博士论文选题奖(2014)、Malcolm Jewell 最佳研究生论文奖(2015)、AJPS 年度最佳论文奖(2016)、PA 年度编辑推荐论文奖(2017)、PA 年度最佳论文奖——The Miller Prize(2018、2020)。徐老师也是一个热爱 教学 的达人,他编写了多个被广泛应用的 程序。在 2019 年 8 月由美国西北大学和杜克大学联合举办的「因果推断 Workshops」中 (main, advanced),徐老师应邀主讲「面板因果推断」专题 (本次课程的模块五)。他是此次 workshop 中最年轻的主讲嘉宾,其他嘉宾还包括:2021 年诺奖得主 Joshua Angrist 教授,Rubin 模型的提出者 Donald B. Rubin 教授,斯坦福大学的 Jens Hainmueller 教授等。

3. 课程详情

本课程第一阶段的内容由上海对外经贸大学的司继春老师讲解。司老师的数量经济科班背景加之知乎年度荣誉答主的身份,让他的授课既有极清晰的逻辑,又有深入浅出的解读。在过去的几年中,司老师已经为多所高校的讲授了因果推断和机器学习等专题课程,在学生中的口碑甚佳。

第一阶段的课程主要包括两个模块 (两天),详情如下:

  • 模块一 介绍本次课程各个模块的基础工具。从条件期望和因果图入手,从因果推断的视角重新解读线性回归、虚拟变量、交叉项的含义,并进而引入交叉验证、加权最小二乘法、局部回归等方法。
  • 模块二 力求以 Rubin 因果模型为基础,帮助大家建立起「反事实框架」。目前主流的因果推断方法基本上都以该模型为基础,比如 DID,RDD,PSM,SCM,Synthetic-DID,甚至是以及机器学习为基础的因果推断本质上都是估计「反事实」的过程。一旦完成从传统的线性回归向「反事实框架」的思维转变,就可以从容面对不断涌现的新方法了。

本课程第二阶段的内容由斯坦福大学的徐轶青老师讲解。过去几年,徐老师在美国高校给博士生讲授统计基础和因果推断课程。和他的斯坦福的教学方式类似,讲课将采取理论与实践相结合的方式,旨在帮助学员们从模型、直觉和操作三个方面掌握这些方法。

第二阶段的课程主要有三个模块(三天),具体说明如下:

  • 模块三 是第一阶段的延伸。着重介绍两个主题:如何度量不确定性?如何估计和展示不确定性?首先,我们将介绍几种常用的度量不确定性的方法、解释其适用场景,以及 Stata 实操。接着,徐老师将探讨常用的估计因果效应异质性的办法。这部分内容具有广泛的应用:不仅适用于实验数据,也适用于观察性数据;既适用于截面数据,又适用于面板数据。
  • 模块四 讲解截面数据常用的因果推断设计,包括工具变量设计和断点回师设计。徐老师将介绍两种研究方法的操作细节、如何阐释得到的结果、以及可能的误用。徐老师也将提供数据和 Stata 代码供学员们学习使用。
  • 模块五 重点介绍面板数据因果推断。首先,讨论常用的固定效应模型与倍差法,包括如何进行估计和推断,以及如何画动态因果效应图和进行安慰剂检验。之后,徐老师将介绍近年来这个领域的最新进展,包括对常用方法的反思和改进、合成控制法,以及一些基于机器学习工具的新估计方法。这也是他本人专长的研究领域。

模块一:因果推断基础

⭖ 第 1 讲 因果推断基础 I:拟合技巧

  • 条件期望、因果图 (Causal Diagram: DAGs) 简介和辛普森悖论
  • 线性回归和虚拟变量回归
  • 作为拟合工具的线性回归:拟合优度和模型选择(R2、交叉验证、信息准则)
  • 权重的使用:逆概率加权的思想、Horvitz-Thompson 估计量以及加权最小二乘
    • 实例:Wolfers, J. (2006). Did Unilateral Divorce Laws Raise Divorce Rates? A Reconciliation and New Results. American Economic Review, 96(5), 1802–1820. -Link-data-, -PDF-
  • 局部多项式估计及窗宽选取
    • 实例:Bronzini, R., & Iachini, E. (2014). Are Incentives for R&D Effective? Evidence from a Regression Discontinuity Approach. American Economic Journal: Economic Policy, 6(4), 100–134., -Link-data-, -PDF-

⭖ 第 2 讲 因果推断基础 II:作为解释的线性回归

  • 回归结果的解释(模型设定方法)
    • 平方项
    • 交叉项
    • 虚拟变量
  • 控制变量的选取
  • 固定效应的使用
  • 异质性与权重的使用

模块二:因果推断理念和框架

⭖ 第 3 讲 Rubin 因果模型和实验

  • Rubin 因果模型 (Rubin Causal Model, RCM)
  • 平均处理效应的分解:因果识别中的偏误
  • 随机实验的计量经济学
    • 实例:Duflo, Esther, Rema Hanna, and Stephen P. Ryan. 2012. “Incentives Work: Getting Teachers to Come to School.” American Economic Review 102 (4): 1241–78. -Link-data-, -PDF-
    • 实例(ITT):OHIE 实验。
      • Finkelstein, A., et al. (2012). The Oregon Health Insurance Experiment: Evidence from the First Year*. Quarterly Journal of Economics, 127(3): 1057–1106.-Link-data-, -PDF-
      • Taubman, S. L., Allen, H. L., Wright, B. J., Baicker, K., & Finkelstein, A. N. (2014). Medicaid Increases Emergency-Department Use: Evidence from Oregon’s Health Insurance Experiment. Science, 343(6168), 263–268. -PDF-

⭖ 第 4 讲 无混淆分配下的因果推断:匹配 (3 小时)

  • 无混淆分配假设
  • 无混淆分配假设下的推断:匹配
  • 匹配的 Stata 实现:Imbens (2015) 中的例子
  • 倾向得分匹配的原理及实现
  • 逆概率加权法、双向稳健的逆概率加权方法
  • 扩展阅读:
    • Imbens, G. W., & Rubin, D. B. (2015). Causal inference for statistics, social, and biomedical sciences: An introduction. Cambridge University Press. -PDF-

模块三:实验设计的延伸

⭖ 第 5 讲 度量不确定性

  • 回顾实验方法
  • Clustering standard errors
  • Bootstrap methods
  • Permutation Inference
  • Stata 实操

⭖ 第 6 讲 因果效应的异质性

  • 异质性问题解析
  • 估计边际效应(Marginal Effect)及其可视化
  • Stata 实操
  • 参考文献:
    • Bertrand, Marianne, Esther Duflo, and Sendhil Mullainathan. 2004. “How Much Should We Trust Differences-in-Differences Estimates?” Quarterly Journal of Economics 119 (1): 249–75. -Link-, -PDF-
    • Hainmueller, Jens, Jonathan Mummolo, and Yiqing Xu (徐轶青). 2019. “How Much Should We Trust Estimates from Multiplicative Interaction Models? Simple Tools to Improve Empirical Practice.” Political Analysis, 27 (2): 163-192. -Link-, -PDF-

模块四:截面数据常用设计

⭖ 第 7 讲 工具变量设计 (IV)

  • 传统范式
  • 新范式:Local Average Treatment Effect
  • 实例:小班教学有没有用?
  • 对使用工具变量的反思
  • 参考文献:
    • Angrist, Joshua D., Guido W. Imbens, and Donald B. Rubin. 1996. “Identification of Causal Effects Using Instrumental Variables.” Journal of the American Statistical Association 91 (434): 444–55. -Link-, -PDF-
    • Angrist, J. D., and V. Lavy. 1999. “Using Maimonides’ Rule to Estimate the Effect of Class Size on Scholastic Achievement.” Quarterly Journal of Economics 114 (2): 533–75.

⭖ 第 8 讲 断点回归设计 (RDD)

  • 断点回归理论基础
  • 断点回归一些细节问题
  • 基于地理的断点回归
  • 实例:秘鲁 Mita 的长期效应
    • Dell, M. 2010. “The Persistent Effects of Peru’s Mining Mita.” Econometrica 78 (6): 1863–1903. -Link-, -PDF-

模块五:面板数据因果推断

⭖ 第 9 讲 固定效应模型与倍差法 (FD, DID)

  • 估计与推断
    • 实例:Minimum Wage and Employment
    • Card, David, and Alan B. Krueger. 1994. “Minimum Wages and Employment: A Case Study of the Fast-Food Industry in New Jersey and Pennsylvania.” American Economic Review 84 (4): 772–93. -PDF-
  • 展示动态效应
    • 实例:Malaria Eradication in the Americas
    • Bleakley, Hoyt. 2010. “Malaria Eradication in the Americas: A Retrospective Analysis of Childhood Exposure.” American Economic Journal: Applied Economics 2 (2): 1-45. -Link-data-, -PDF-
  • 安慰剂检验

⭖ 第 10 讲 DID 前沿、合成控制法 (SCM)

  • 对固定效应模型和倍差法的反思
  • 合成控制法
    • 实例:California Proposition 99
    • Abadie, Alberto, Alexis Diamond, and Jens Hainmueller. 2010. “Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California’s Tobacco Control Program.” Journal of the American Statistical Association 105 (490): 493–505. -PDF-
  • 对合成控制法的拓展
    • 实例:Election-Day Registration and Voter Turnout.
    • Xu, Yiqing (徐轶青). 2017. “Generalized Synthetic Control Method: Causal Inference with Interactive Fixed Effects Models.” Political Analysis 25 (1): 57–76. -PDF-

4. 报名信息以及缴费方式

4.1 报名信息

  • 主办方: 太原君泉教育咨询有限公司
  • 标准费用(含报名费、材料费):
    • 全价:4500 元/人
    • 团报价 (三人及以上)/老学员(现场班/专题课学员): 9 折,4050 元/人
    • 会员优惠: 85 折,3825 元/人
  • Note: 以上各项优惠不能叠加使用。
  • 联系方式:
    • 邮箱:wjx004@sina.com
    • 王老师:18903405450 (微信同号)
    • 李老师:‭18636102467 (微信同号)

报名链接:
http://junquan18903405450.mikecrm.com/Jjwxjbv

长按/扫描二维码报名:

4.2 缴费方式

方式 1:对公转账

  • 户名:太原君泉教育咨询有限公司
  • 账号:35117530000023891 (晋商银行股份有限公司太原南中环支行)
  • 温馨提示: 对公转账时,请务必提供「汇款人姓名-单位」信息,以便确认。

方式 2:微信扫码支付

温馨提示: 微信转账时,请务必在「添加备注」栏填写「汇款人姓名-单位」信息。

5. 助教招聘

说明和要求

  • 名额: 10 名
  • 任务:
    • A. 课前准备:协助完成 3 篇推文,风格类似于 lianxh.cn 推文;
    • B. 开课前答疑:协助学员安装课件和软件,在微信群中回答一些常见问题;
    • C. 上课期间答疑:针对前一天学习的内容,在微信群中答疑 (8:00-9:00,19:00-22:00);参见 往期答疑
    • Note: 下午 5:30-6:00 的课后答疑由主讲教师负责。
  • 要求: 热心、尽职,熟悉 Stata 的基本语法和常用命令,能对常见问题进行解答和记录。
  • 特别说明: 往期按期完成任务的助教自动获得本期助教资格,不必填写申请资料,直接联系连老师即可。
  • 截止时间: 2021 年 11 月 28 日 (将于 11 月 30 日公布遴选结果于连享会主页:lianxh.cn)

申请链接:

https://www.wjx.top/vj/wFLeQ1w.aspx

或 扫码在线填写助教申请资料:

课程主页: https://gitee.com/arlionn/YG

关于我们

  • Stata 连享会 由中山大学连玉君老师团队创办,定期分享实证分析经验。直播间 有很多视频课程,可以随时观看。
  • 连享会-主页知乎专栏,500+ 推文,实证分析不再抓狂;Bilibili 站 有视频大餐。