论文复现：土豆对人口与城市化的贡献-连续DID应用

发布时间：2023-03-30 阅读 1113

Stata连享会主页 || 视频 || 推文 || 知乎 || Bilibili 站

温馨提示： 定期清理浏览器缓存，可以获得最佳浏览体验。

New！ lianxh 命令发布了：
随时搜索推文、Stata 资源。安装：
. ssc install lianxh
详情参见帮助文件 (有惊喜)：
. help lianxh
连享会新命令：cnssc, ihelp, rdbalance, gitee, installpkg

✌ 课程详情： https://gitee.com/lianxh/Course

⛳ 课程主页： https://gitee.com/lianxh/Course

⛳ Stata 系列推文：

全部 | Stata入门 | Stata教程 | Stata资源 | Stata命令
计量专题 | 论文写作 | 数据分享 | 专题课程
结果输出 | Stata绘图 | 数据处理 | Stata程序
回归分析 | 面板数据 | 交乘项-调节 | IV-GMM
内生性-因果推断 | 倍分法DID | 断点回归RDD | PSM-Matching | 合成控制法
Probit-Logit | 时间序列 | 空间计量 | 分位数回归 | 生存分析 | SFA-DEA
文本分析-爬虫 | Python-R-Matlab | 机器学习
Markdown | 工具软件 | 其它

☝ PDF下载 - 推文合集

作者：刘依云 (中山大学)
邮箱：liuyy376@mail2.sysu.edu.cn

编者按：本文主要整理自下文，特此致谢！
Source：Nunn N, Qian N. The potato's contribution to population and urbanization: evidence from a historical experiment[J]. The quarterly journal of economics, 2011, 126(2): 593-650. -Link- -Replication-

1. 背景介绍

1.1 研究问题

1000-1900 年，世界人口从不足 3 亿增长到 16 亿，城市人口占比翻了两倍多，从 2% 增长到 9% 以上，并且几乎都发生在这一时期末尾。那么 17 世纪末人口与城市化的历史性增长从哪里来？

16 世纪，哥伦布大发现后，土豆从新世界被引入旧世界，且由于土豆的许多特殊性质，直到 17 世纪末 18 世纪初土豆才开始在旧世界各地被广泛种植，且其在欧洲、亚洲、非洲的扩散是渐进和不均衡的。

如下表所示，与其他主食相比，土豆在每英亩土地上提供更多的热量、维生素和营养，对增加人口、促进发展起着不可忽视的作用。

众多学科的学者都对土豆在增加人口和促进经济发展中的作用进行了研究：历史学家 William Langer (1963) 认为，在欧洲内部，土豆种植在各地的传播与人口的快速增长相对应。它极大地提高了农业生产力，并提供了比旧大陆现有主食更多的热量和营养。在欧洲之外，日本著名学者 Takano Chôei (1836) 认为，通过广泛种植土豆，可以缓解不断增长的人口对食物的需求，来治愈帝国的许多社会弊病。

本研究利用国家层面的人口和城市化历史数据，对人口和城市化份额的历史性增长在多大程度上归功于将土豆从新世界引入旧世界这一问题进行了实证研究 (旧世界指整个东半球) 。作者考察了 18 世纪和 19 世纪土豆对整个旧世界的影响程度，以及除人口外，土豆种植对于城市化、城市数目增长和成年人身高增长的贡献。

1.2 传导机制

作者将土豆的引进解读为农业生产率的提高。农业生产率的提高影响人口的方式很简单：粮食生产率的提高，生活水平上升，导致生育率和预期寿命增加，这两者都会促使人口增加。农业生产率冲击对城市化的影响可能通过多个不同渠道发生。

第一个潜在渠道：农业生产率的冲击改变了农业和工业的相对回报，影响了在农业部门工作、在农村生活的人数。作者通过一个简单两部门模型阐释了这一机制。

个体选择进入两部门工作：农业 (乡村) 和制造业 (城市)。 $L^{F}$ 为农业部门的农民数量， $L^{M}$ 为制造业部门的工人数量。标准化总劳动力： $L^{F} + L^{M} = 1$ 。制造业的每个工人生产 1 单位制造业产品，农业的每个农民生产 $e$ 单位农作物。两类工人对两种产品的效用函数相同：

U_{i} = \frac{1}{1 - σ} (c_{A}^{i})^{1 - σ} + c_{M}^{i}

$σ$ 为农产品需求价格弹性的倒数：

\frac{1}{σ} = - \frac{\frac{\partial c_{A}}{c_{A}}}{\frac{\partial p}{p}}

农产品价格相对于制造业产品价格为 $p$ ：

\frac{p_{A}}{p_{M}} = p

农民根据预算线最大化其效用：

p c_{A}^{F} + c_{M}^{F} = p e

U_{i} = \frac{1}{1 - σ} (c_{A}^{F})^{1 - σ} + c_{M}^{F}

制造业工人根据预算线最大化其效用：

p c_{A}^{W} + c_{M}^{W} = 1

U_{i} = \frac{1}{1 - σ} (c_{A}^{W})^{1 - σ} + c_{M}^{W}

解得 F.O.C 为：

c_{A}^{F} = c_{A}^{W} = p^{\frac{- 1}{σ}} (1)

假设工人对于两部门工作无偏好，可以在部门间自由流动： $p e = 1$ 。由市场出清条件，消费 = 生产可得：

c_{A}^{F} + c_{A}^{W} = e L^{F} (2)

代入 $p e = 1$ 以及 F.O.C：

L^{F} = 2 e^{(} \frac{1}{σ} - 1)

由于农产品的需求缺乏弹性 (通常估计在 -0.80 和 -0.20 之间 (e.g., Tobin 1950; Tolley et al. 1969; Van Driel et al. 1997))，因此 $σ > 1$ 。农业生产率 $e$ 的提高降低了农产品的价格 (自由流动假设： $p = \frac{1}{e}$ )，当农产品需求非弹性 ( $σ > 1$ ) 时，其消费增加并没有完全抵消价格下降，这降低了对农业的相对回报，导致劳动力从农村向城市流动，推动城市化进程。

第二个潜在渠道：来自城镇化与人均收入的密切关系。采用土豆带来的积极生产力冲击也可以提高人均收入。Galor and Weil (2000) 提供了一个统一的框架，说明可能发生这种情况的条件。他们的分析模拟了三个经济增长时期：马尔萨斯时期、后马尔萨斯时期和现代时期。

在马尔萨斯时期 (-19 世纪)，正的农业生产率冲击完全被生育率的提高所抵消。马尔萨斯机制认为，尽管生活水平可能会暂时提高，但从长期来看，这完全被生育率的提高所抵消，使得人均收入保持不变，人口水平更高。因此，土豆被预测会影响人口水平，但不会影响稳定的国家人均收入。

在后马尔萨斯时期 (19 世纪-20 世纪早期)，正的生产率冲击并不能完全被生育率的提高所抵消，对经济增长产生积极影响，长期内提升生活水平。这种机制在收入增长随人口规模增加 (即存在规模效应) 的增长模型中更为普遍，导致人口增长充分侵蚀收入的标准马尔萨斯机制作用较弱或几乎没有。在这种体制下，土豆的引入可能会影响长期人均收入 (进而影响城镇化)。

在现代时期 (欧洲 19 世纪末期-，拉丁美洲、亚洲 20 世纪末期-)，正的农业生产率冲击对生育率和人口有负面影响。该制度的特点是完全没有马尔萨斯机制，也就不再有关于正生产力冲击对人口影响的明确理论预测。

因此，作者的样本期到 1900 为止。

1.3 主要发现

作者发现，适宜种植马铃薯的旧大陆地区在引进马铃薯后，经历了较大的人口增长和城市化进程。估计表明，土豆对于总人口增长贡献接近 25-26%，对于城市化比例增长贡献接近 27-34%。除此之外，作者还发现：

土豆的采用刺激了城市人口增长；
更适宜种植土豆的村庄经历了更快的相对人口增长；
增加了当地成年人的身高。

然而，人口和城市化逐渐收敛到新稳态水平，这一发现也与马尔萨斯时期土豆只有长期水平效应 (且没有增长效应) 一致。从一个稳态到另一个稳态需要过渡多久、世界各地土豆种植扩散过程中的数据都是未知的，实证结果无法断定土豆是否只影响稳态水平，还是也影响稳态增长率。

2. 实证分析

2.1 数据来源

粮食种植适宜性：本文的实证分析依赖于一个地区种植土豆的适宜性指标，以及其他主要作物的适宜性指标。土豆种植适应性指标来自联合国粮农组织 (FAO) 全球农业生态区 (GAEZ) 2002 数据库的数据。FAO 汇编了 53 种农作物信息，以及全球 220 万个网格单元的物理环境数据，每个单元约为 56 公里乘 56 公里。

气候特征：基于东安格利亚大学气候研究部门编制的全球气候数据库中的九个变量，即降水量、雨日频率、平均温度、日间 (即每日) 温度范围、蒸气压、云量、日照、地面霜冻频率和风速。
土地特征：FAO 的全球数字土壤地图。
地形坡度：美国地质调查局 (USGS) EROS 数据中心开发的 GTOPO30 数据库。

由以上物理环境数据，FAO 将每种作物种植限制的信息与之相结合，在假定作物管理和投入使用水平的情况下，计算出每个网格单元中每种作物的潜在产量。基于每个网格单元中可获得最大产量的可能性百分比，FAO 划分了五个相互独立类别的土地比例，报告了每个国家的各类别土地组成：

非常适合的土地 (80-100%)
适宜土地 (60-80%)
中等适宜土地 (40-60%)
最低限度适宜土地 (20-40%)
不适宜土地 (0-20%)

在“种植活动发生在有雨水灌溉条件和中等投入强度”这一假设下，作者将适宜土地定义为：产量至少达到最大可能产量的 40% 的土地，由此得到了各个国家适宜种植土豆的土地总数。同时，作者对这一指标与历史环境的吻合度进行了相关性检验以及指标构建跨时、跨地域的稳健性论证。

作者用类似的方法得到了各国家适宜种植其他新世界作物、旧世界主要作物的土地总数。此外，还包含了对一个地区种植任何供人类食用的农作物 (不包括饲料作物) 的适宜性土地面积的综合衡量。

人口与城市化

总人口：来源于 McEvedy and Jones (1978)。
城镇化水平：一个国家的城市总人口数量除以总人口即为城镇化水平。
人均收入：因为人均收入的历史衡量标准在 1500 年之前是不可用的，即使在 1500 年，它们也只适用于 22 个旧世界国家。考虑到城镇化与人均收入的水平呈现极强的正相关性 (Acemoglu, Johnson, and Robinson, 2002)，本文将城镇化水平作为人均收入的代理。

除此之外，本文还考虑了城市级别的数据以及身高数据。

城市人口定义为：居住在 4 万或 4 万以上居民的地区的人口，来源于 Chandler (1987)，Bairoch (1988)，Modelski (2003)。
成人身高：17 世纪和 18 世纪出生的法国士兵的军事记录。

2.2 实证策略

本文的实证策略与双重差分 Differences in Difference 类似，比较了在旧世界采用土豆前后，更适合种植土豆的旧世界国家和不太适合种植土豆的旧世界国家之间人口和城市化水平的差异。识别基础来源于两个方面：

旧大陆将土豆作为农作物引入的时间变化。作者对所有国家使用相同的初始种植日期，以避免其实际种植日期的内生干扰。
由不随时间改变的地理气候条件决定的各国种植土豆的适宜性差异。

与标准 DID 策略的区别在于，作者使用了处理强度的连续测量 (即土豆适宜性)，从而捕捉到数据中更多的变化。这一策略分享了标准 DID 策略的大部分优缺点：

优点：控制了国家和时间固定效应来消除不随时间改变的地区差异因素，包括地理位置、食物偏好或制度 (在一定程度上，它们随时间缓慢变化)，以及不随地区改变的长期变化，如全球健康、卫生和技术进步的改善。
缺点：该策略要求在种植土豆的同时，没有其他与各国是否适合种植土豆相关的冲击。本文通过直接控制可能会使我们的估计产生偏差的时变和国变因素来解决这种识别问题。在基线估计中，作者控制了潜在的重要特征，每个特征都与全套随时间变化的变量相互作用，使得每个因素的影响随时间灵活变化。

基于历史证据，作者采用土豆被广泛种植的开始 1700 年作为我们的处理前截止期，将 1700 年后的观察期作为处理后时期，包括 1750 年、1800 年、1850 年、1900 年。这一选择并非理所当然，在后续的实证分析中，作者在数据中直接找寻土豆种植增长的模式，结果与假设一致。

本文主要设定一个国家的总人口与适合种植马铃薯的土地总量成正比，主回归方程如下：

\begin{aligned} y_{i t} = & β \ln P o t a t o A r e a_{i} \cdot I_{t}^{P o s t} \\ + \sum_{j = 1100}^{1900} X_{i}^{'} I_{t}^{j} Φ_{j} + \sum_{c} γ_{c} I_{i}^{c} + \sum_{j = 1100}^{1900} ρ_{j} I_{t}^{j} + ε_{i t} \end{aligned} (3)

其中，

$i$ ：国家；
$t$ ：时期，1000、1100、1200、1300、1400、1500、1600、1700、1750、1800、1850 和 1900；
$\ln P o t a t o A r e a_{i}$ ：适合种植土豆的土地总量的自然对数 (缓解数据的偏度)；
$β$ ：马铃薯适宜种植地对人口或城市化的估计平均影响；
$I_{t}^{P o s t}$ ：在 1700 年后期间等于 1 的虚拟变量；
$y_{i t}$ ：总人口的自然对数或城镇化率；
$\sum_{c} I_{i}^{c}$ ：国家固定效应，当 $i = c$ 时， $I_{i}^{c} = 1$ ，否则为 0；
$\sum_{j = 1100}^{1900} I_{t}^{j}$ ：年份固定效应，当 $t = j$ 时， $I_{t}^{j} = 1$ ，否则为 0；
$\sum_{j = 1100}^{1900} X_{i}^{'} I_{t}^{j} Φ_{j}$ ：国家特征与时间固定效应的交叉项，其中国家特征包括大量地理和历史变量。

2.3 灵活估计

历史证据表明，在旧世界广泛种植时间在 1700 年至 1750 年之间开始，因此作者将 1750 年设置为第一个处理节点。作者使用了许多不同的策略来检验数据中的传播模式是否与这个假设一致。第一个检验方法是估计一个完全灵活的估算公式，形式如下：

\begin{aligned} y_{i t} = & \sum_{j = 1100}^{1900} β_{j} \ln P o t a t o A r e a_{i} \cdot I_{t}^{j} \\ + \sum_{j = 1100}^{1900} X_{i}^{'} I_{t}^{j} Φ_{j} + \sum_{c} γ_{c} I_{i}^{c} + \sum_{j = 1100}^{1900} ρ_{j} I_{t}^{j} + ε_{i t} (4) \end{aligned}

与式 (3) 唯一不同的是，作者将种植适宜性测度与每个时段的固定效应相乘。因此， $β_{j} s$ 揭示了土豆种植适宜性与各时段的被解释变量的相关性。例如，如果土豆的引入增加了人口，作者预计在土豆被广泛种植的 1700 年以前，估计的 $β_{j} s$ 会随着时间的推移保持不变，即： ${\hat{β}}_{1100} \approx {\hat{β}}_{1200} \approx {\hat{β}}_{1300} \approx \dots$ 。

而在广泛种植的 1700 后，作者则预测渐进的种植给人口带来更多的增长效应： ${\hat{β}}_{1600} \approx {\hat{β}}_{1700} \leq {\hat{β}}_{1800} \leq \dots$ 。具体来说，作者关注的是东半球旧世界大规模种植土豆前后的人口城市化增长模式是否出现不连续性。结果如下表所示：

(1)、(4) 列中仅包括时段固定效应和国家固定效应。(2)、(5)纳入了适用于旧大陆作物的土地数量与时段固定效应相互作用的自然对数控制，确保引入土豆的效果不会被旧大陆主要作物在同一时期的重要性的其他变化所混淆。(3)、(6) 控制适合种植旧大陆作物的土地 (与时段固定效应的交叉项)，还控制了三个可能与马铃薯适宜性相关的地理特征 (皆与时间固定效应交互)。

从表中，作者得出了三点重要事实 (有待验证)：

在广泛种植土豆之前的时期，没有任何明确的估计效应趋势。
相对于不适宜的地点，适宜种植土豆的地点人口和城市化开始增加。对人口的影响似乎在 1700 年后立即开始，而对城市化的影响似乎落后于对人口的影响大约 50 至 100 年。
1700 年后期，土豆适宜性与被解释变量之间的正相关程度持续增加。

正如我们在传导机制中所讨论的，这一结果与土豆影响增长是一致的，但也与土豆只有水平效应是一致的，并且与在这一时期土豆种植的渐进与不均衡趋势吻合。

2.4 滚动估计

第二个检验方法是在整个数据集 (1200-1900) 每 400 年的部分进行滚动估计，类似结构性中断测试。对于每个部分，我们根据模型 (3) 估算，并将后两个世纪元年定义为后处理期。

1200-1500。截点为 1400、1500 年。
1300-1600。截点为 1500、1600 年。
1400-1700。截点为 1600、1700 年。
1500-1800。截点为 1700、1750、1800 年。
1600-1900。截点为 1800、1850、1900 年。
1600-1900。截点为 1750、1800、1850、1900 年。

前 6 列里， $β$ 都接近于 0 并且不显著。说明在这一时期，马铃薯的适宜性对人口与城市化之间没有存在差异关系的证据。因为在 17 世纪前土豆尚未被当作主食广泛种植，这一结果可以被称之为安慰剂检验。(7)、(8) 列与假设中的截点有两个重合，因此作者预计这些估算将捕捉到引进土豆的部分影响，发现 $\ln P o t a t o A r e a_{i} \cdot I_{t}^{Post}$ 的系数为正值，但较小且在统计学上不显著。

(9)、(10) 列与假设的处理节点重合三个，但 1750 年在此处被归类为未处理期。作者预计这些系数将更充分地捕捉土豆的引入，的确发现更大的正系数和非常显著的结果。(11)、(12) 列将 1750 年纳入了处理节点，与假设的处理节点完全重合，得出了积极且具有统计显著性的系数估计。与 (9)、(10) 对比，1750 年这一节点是否被选中并不影响结论。

综合来看，滚动估计的结果证实了灵活估计发现的事实。因此，我们在 DD 估算中使用 1700 作为最后一个未处理期，1750 作为第一个后处理期。

2.5 基准估计

回到模型 (3)，结果如下表所示：

(1)-(3) 列和 (6)-(8) 列的控制变量变化与灵活估计的表 2 相同。列 (3)、(8) 的估计值证实了早期的发现，即土豆的广泛引入促进了总人口和城市化增长。列 (4)、(9) 控制适合生产任何作物的土地的存在，而不仅仅是旧大陆主要作物。其估计结果和 (3)、(8) 几乎一致。列 (5)、(10) 控制了其他新世界作物，包括适宜种植谷物玉米、青贮玉米、红薯、木薯的土地的自然对数，每一变量都与时段固定效应相互作用。结果仍然稳健。

作者构造反事实，测出如果没有引进土豆，每个国家在 1900 年的人口：

= \ln T o t a l P o p u l a t i o n_{i, 1900} - \hat{β} \cdot \ln P o t a t o A r e a_{i}

汇总所有国家的反事实人口数据，再计算出旧大陆人口自然对数。根据计算，1900 年的反事实对数人口将为 20.87 (而非 21.11)，增长将为 0.66 (而非 0.90 )。因此，在 1700 年至 1900 年间观察到的旧世界人口增长中，土豆的引入解释了 26% 的增长。

旧世界国家的平均城市化率从 1700 年的 0.0179 (即 1.79%) 增加到 1900 年的 0.0581 (5.81%)。根据基线估计，如果没有土豆，增幅将为 0.0265 (整体增幅 0.0402)。因此，土豆解释了 1700 年至 1900 年间观察到的旧世界城市化增长的 34%。

作者还进行了对变量定义的敏感性检查。下表报告了使用替代截止日期和不同适用性阈值对模型 (3) 的估计。

每一行使用处理截点的替代定义，每列使用不同的适用性阈值 (包含投入强度以及土地适宜性阈值)。(1)、(5) 为基准估计，(2)、(6) 使用 20% 的较低阈值，结果依然稳健。其他结果为稳健性检验：

土豆可能是在人口快速增长的地方培育而出：历史人口增长率较高的地区的土豆品种可能已经被更密集地培育，以开发高产品种。在其他地方，如果没有快速的人口增长，品种就没有那么密集繁殖，因此它们今天的产量较低。

为解决这一内生性，作者构建了另一种适宜性衡量标准，即衡量每个国家可以种植任意数量土豆的土地数量，即使土地只能产出最大可获得产量的一小部分。实践中，意味着选择在低投入强度下可以产出 20% 或以上的土地数量。(3)、(7) 列中报告的结果显示，对于使用这一替代措施，估计仍然稳健。

土豆的扩散种植效应：人口增长历史较高的地区培育的品种不仅产量更高，而且会在国内土地上更广泛地种植。因此，育种可能不仅影响了内部种植边际产出，也影响了外部种植边际产出。

为解决这一内生性，作者构建了一个替代性的适宜性衡量标准，如果该国境内有任何数量的土地可用于种植土豆，该指标等于可耕地总量。产量变化或可种植土豆的土地面积 (两者都可能受到历史育种的影响) 不纳入测度。(4)、(8) 列中报告的结果显示，估计值也对这一替代变量稳健。

2.6 稳健性检验

2.6.1 控制人口和城市化的其他决定因素

考虑到文献中强调的长期经济发展的决定因素，我们控制了一系列可能影响历史人口和城市化的额外因素 (每个因素都与时段固定效应相互作用)。

第一组控制变量捕捉了基准回归中地理特征可能无法捕捉到的地理差异。

控制距离赤道的自然对数 (以度为单位)：一个国家与赤道的距离与其经济发展之间存在密切关系 (Hall and Jones, 1999)。
控制疟疾稳定性指数的全国平均值 Kiszewski et al. (2004)：为了捕捉由于殖民统治，疟疾 (以及更普遍的疾病环境) 对国家制度造成的历史影响 (Acemoglu et al., 2001)。

第二组控制变量包括了一些反映各国法律制度演变差异的协变量。

控制了 La Porta et al. (1998) 所定义的识别每个国家法律渊源的指标变量：英国、法国、德国和社会主义 (省略斯堪的纳维亚)。
控制前殖民地中殖民者的身份 (Nunn and Puga, 2012)：英国、葡萄牙、法国、西班牙和其他欧洲国家 (省略从未被殖民的国家)。

第三组控制变量捕捉了过去三个世纪中导致西欧崛起的因素。

是否为1600年大西洋贸易国 Acemoglu, Johnson, and Robinson (2005)。
是否为罗马帝国的一部分 Landes (1998) 。
多数国民是否为新教徒 Weber (1993)。

第四组控制变量考虑全球化和海外贸易的加剧。

控制一个国家与无冰海岸的平均距离：衡量一国对海外贸易的自然开放度，作为其全球化的代理。
控制与非洲大陆的奴隶贸易：如果那些最不能种植土豆的国家，比如撒哈拉以南非洲的部分地区，是因为奴隶贸易而人口减少，那么这或许可以部分解释土豆的估计影响。因此，作者控制了 t-1 期和 t 期之间的奴隶数量。

(1) 为基准估计，作为对照。(2)-(10) 报告了分别控制与时段固定效应相互作用的上述各个替代决定因素的估计。 (11) 同时控制了全部变量。在所有估计中，尽管 (11) 表明土豆的影响略低于基准估计，但核心解释变量的点估计值保持稳定且正向显著，表明结论对所有上述控制变量的影响都稳健。

除此之外，出于对遗漏地理特征的担忧，作者还进行了一些额外的敏感性测试，控制了 FAO 在构建适宜性变量时使用的三大地理特征：气候、土壤、地形坡度。每个变量都与时间固定效应相互作用。估计数据显示，土豆的估计影响对于控制这些潜在的地理限制仍然是稳健的。

2.6.2 考察土豆对大陆内部的差异化影响

这一结果可能只是简单地捕捉到了一个事实：平均而言，欧洲更适合种植土豆，欧洲人口和城市化与世界其他地区的差异不在于种植土豆。作者通过将大陆固定效应与时段固定效应交互相乘，添加到基准回归 (3)，来到各大陆内部评估土豆的种植差异效果。

在大陆 × 年份固定效应下， $β$ 这一估计并不是从欧洲和世界其他地区的差异中识别出来的，而是仅从大陆内部的差异变化中确定，并捕捉到了对一个大陆内的国家造成类似影响的任何历史性全大陆冲击。结果如下表所示：

样本中的大陆为欧洲、亚洲、非洲和大洋洲。北美和南美大陆不在样本中。

2.6.3 城市人口

除了研究一个大陆内各国之间的差异，作者还研究了城市人口的差异，为估计提供了更丰富的差异变化来源，且数据更可靠 (Bairoch 1988, pp. 524–525)。

土豆主要是自给自足的作物，贸易非常困难，因为它们的重量比较大，而且在运输过程中容易变质。虽然有短途运输，但历史上几乎没有土豆的远程贸易 (Mokyr 1983，pp. 122)。因此，一座城市种植土豆的适宜性与其人口高度相关。

作者构建城市土豆种植适宜性指标时，考虑了城市中心 100 公里范围内的所有土地，并计算出该区域内适合种植马铃薯的土地的自然对数。估计结果如下表所示：

作者将标准误聚类到国家级别，并在方括号内报告 Conley (1999年) 标准误差 (略低于聚类标准误差)。(1) 为所有旧世界城市的基准估计结果，(2) 添加了大陆年固定效应，0.047 的估计在量级上与国家级别基准回归非常相似，都非常显著，表明结果稳健。

(3)、(4) 探讨了去除欧洲样本对于结果的稳健性，点估计值略低，但与 (1)、(2) 列的全样本类似。(5) 报告了仅包括欧洲城市的样本估计，系数保持稳健，与全样本的估计类似。(6)、(7) 报告了使用低于较低人口门槛 (1000 人以上) 更精确的欧洲城市样本数据进行的估算，(7) 增加了国家时间固定效应，估计值略有下降，但均为正值且显著。

2.6.4 法国境内的成年士兵身高

身高提供了个人营养的汇总衡量，并与生活水平提高、预期寿命增加和死亡率降低有关。由此，作者在最后进一步考察了更精细的变化水平，探讨土豆与身高增长的关系。样本数据包括 1658 年至 1770 年间出生在法国的 13646 名士兵，包含他们出生的城镇或村庄的位置 Komlos (2005)。

和欧洲大部分地区一样，法国的马铃薯种植始于 17 世纪末、18 世纪初，在此期间逐渐蔓延开来。为了更准确地衡量法国村庄的马铃薯适宜性，作者使用了更本地化的 25 公里半径。

估计模型与基线方程 (3) 相同。第 (1) 列的估计包括城镇固定效应控制、出生年份固定效应，进行身高测量时士兵的年龄和年龄平方，以及在出生村级别水平测量的一组基线控制变量，每个变量都与十年的出生年固定效应相互作用。 (2) 还包括了出生地区固定效应，也与十年的出生年固定效应相互作用。(3)、(4) 包括了表 6 中的长期发展决定因素的控制变量 (去除掉不随法国变化的变量)，每一个都与出生年份十年的固定效应交互。

所有 $η$ 均为正向显著，提供了土豆对成人身高有积极影响的证据。系数表明，对于完全适合种植马铃薯的城镇，引进马铃薯使平均成年身高增加了 0.41-0.78 英寸。

综上所述，表 6-9 中给出的估计值提供了一个保证：土豆对于人口和城市化影响的基准估计值并没有受到在此期间导致欧洲崛起的其他因素的影响**。

3. 结论

本研究对历史上关于营养改善对过去三世纪快速人口增长的重要性辩论做出贡献，它们提供了营养重要的证据。

此外，由于城市化率和成人身高为经济发展和整体生活水平提供了合理的替代指标，这些结果表明，土豆的可获得性也在 18 世纪和 19 世纪刺激经济增长方面发挥了重要作用。

4. 相关推文

Note：产生如下推文列表的 Stata 命令为：
lianxh
安装最新版 lianxh 命令：
ssc install lianxh, replace

专题	嘉宾	直播/回看视频
⭐ 最新专题		文本分析、机器学习、效率专题、生存分析等
研究设计	连玉君	我的特斯拉-实证研究设计，-幻灯片-
面板模型	连玉君	动态面板模型，-幻灯片-
面板模型	连玉君	直击面板数据模型 [免费公开课，2小时]