论文复现： 家庭财富冲击会影响生产力吗？

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：姚永健 (中山大学岭南学院)
邮箱：yaoyj9@mail2.sysu.edu.cn

编者按：本文主要整理自下文，特此致谢！
Source：Bernstein, S., T. McQuade, R. R. Townsend, 2020, Do household wealth shocks affect productivity? Evidence from innovative workers during the great recession, The Journal of Finance, 76 (1): 57-111. -Link-, -PDF-, -Appendix-, -Replication-

目录

1. 文章简介

1.1 问题背景

在过去的几十年里，美国每年遭受严重经济损失的家庭比例一直在稳步上升，并随着金融危机达到峰值，无数家庭因房价缩水而资产锐减，财富大幅下降。丰富的研究表明，资产负债表的恶化、家庭财富的减少会导致家庭消费锐减，进而从需求端引发严重的失业问题。然而，鲜有研究者从供给侧角度探究金融危机引发的家庭财富损失对于员工生产力的影响。

• 一方面，负面的财富冲击可能会增强工人维持工作保障或弥补损失的财富的愿望，从而提高他们的生产力，如此一来，负面财富冲击将在供给侧对宏观经济产出提振作用；

• 另一方面，负面的财富冲击可能会增加工人的心理压力，减少他们可以维持工资和生产力的个人资源，从而降低员工的生产力，该效应将从供给侧加剧财富损失对于经济的下行压力。

究竟哪种力量占据上风呢？本文通过研究 2008 年金融危机后创新型员工的产出变化情况，回答这一问题。

1.2 研究贡献

本文的边际研究贡献体现在：

• 从供给侧入手。首创性地研究家庭财富变动与个人工作产出的关系。已有研究大多数围绕家庭财富变动对于需求端的冲击作用，而本文另辟蹊径，思考家庭财富变动对于产出端的作用，进而探究金融危机下家庭房产价值缩水在生产端对于宏观经济的作用，视角新颖，填补了该领域的研究空白。
• 聚焦个体层面。关于生产端冲击的已有研究往往聚焦在公司层面，探究具体事件对于公司产出的影响。然而，作者考虑到金融危机期间，受房价下滑较为严重的公司，往往会收到一些非财富因素影响进而改变产出，如对企业的需求下降、企业的借贷能力下降等。为了避免该内生性问题，本文突破性将研究聚焦在个体层面，在匹配数据上别出心裁，创立了相关的个人数据集。
• 以创新型员工作为研究对象。在过去的几十年里，创新型员工长期以来一直被认为是经济增长的关键驱动力，金融危机发生后，技术进步显著放缓，这表明这种放缓可能对整体经济产生了长期影响。除此以外，选择创新型产出还有利于研究的推进，因为与大多数形式的工人产出不同，创新产出的衡量标准是在个人层面获得的，如专利往往是冠名于个人层面。

通过复现本篇文章，笔者的学习收获在于：

朴实无华的固定效应模型也能玩出不同花样。文章对于现实情况的考量非常地细致，首先考虑员工的创新产出会随着所属公司组别不同及公司分部所处的城市组别不同，而产生识别偏误，因此纳入公司-城市层面的固定效应。

进一步地，本文指出即使是任职同一家公司、在同一个城市拥有住宅，拥有不同个人、社区特征的员工组别之间仍存在差异，因此本文的解决办法是引入公司-城市-个别特征的三维固定效应，进一步缩窄识别的口径。最后，为了同时控制多个特征，本文引入多维的控制变量组，与多维固定效应搭配使用，层层深入，一环扣一环，可读性高。

在代码写作范式上，作者在多处使用了循环语句，将繁重的回归命令变得简洁且便于理解。进一步地，笔者在复现结果时，使用了全局暂元对于本文的一系列被解释变量进行储存，在多个基于三维固定效应的回归的复现上，笔者尝试使用双重嵌套的循环语句，使得代码更为整洁，一目了然。

1.3 主要研究结论

通过实证研究，本文得出了以下结论：

• 危机期间住房财富的负面冲击显著抑制了创新型员工的产出。经历家庭财富缩水后，员工的专利数量和专利被引量显著下降，高质量专利数量、宽领域专利、新领域型专利数目下降，且专利使用信息涉及的领域数量下降、突破型专利的数目也大幅下降。
• 在作用机制上，研究结果印证了已有的机制讨论，其中包括负面的心理因素、个人资源，同时指出个人财务困境会加剧上述作用效果。
• 研究还发现 公司创新型产出的起源在于员工本身。尽管过去研究强调公司高层战略管理对于创新型产出的作用，本文指出员工层面的冲击对于公司的创新型产出是至关重要的。

2. 研究设计与实证分析

2.1 数据来源与核心变量说明

2.1.1 数据来源

本文的数据主要源自于美国专利和商标局 (USPTO)，数据集包括从 1976 年到 2015 年期间授予的所有美国专利的数据。这个数据集包含了申请日期、专利最终被授予的日期、被认定为专利发明人的个人、专利最初被指定的公司，以及作为之前的工作被引用的其他专利，与此同时，专利的申请者向专利和商标局提供了详细的家庭住址。

为了确定专利发明人所拥有的财产变动情况，本文将专利数据与 CoreLogic 公司的数据相匹配，该公司根据契约记录以及其他来源跟踪美国的住房交易。最后，本文从 LinkedIn 网站上获取专利申请者的受教育背景、工作经历和工作头衔等相关个人背景特征信息，并匹配进入数据集中。

2.1.2 核心变量说明

如何衡量创新型员工的产出呢？本文从专利数据中寻找到了答案。文章的一大特色在于充分利用数据，从专利数量、专利被引量、高被引专利数量、专利的领域宽度、突破性等多个维度，衡量创新型产出的数量与质量，构建了以下的被解释变量集：

• 专利数量 (Number Patent Post)：一名员工在 2008 年至 2012 年期间申请的最终授予专利的数量。该指标能从数量 (quantity) 的角度有效衡量员工的产出水平。
• 专利的规范引用次数 (Normalized Citations Per Patent)：员工平均每项专利被规范引用的次数。一般专利的被引次数越高，说明该专利的质量越高。
• 高被引专利数量 (Number of Top Cited Patents)：在同年授予的所有专利和技术类别中排名前 10% 的员工专利的专利数量。该指标衡量的是专利在专利所属领域的前沿程度，同样作为衡量专利质量的指标，它解决了专利被引次数可能受研究领域不同影响的问题。
• 专利的通用性程度 (Normalized Generality Per Patent)：员工平均每项专利的标准化通用性得分，其中通用性得分等于 1 减去赫芬达尔-赫希曼指数 (HHI)。
• 专利的原创性程度 (Normalized Originality Per Patent)：员工平均每项专利标准化原创性得分，其中原创性得分是基于该专利引用它人的专利数量计算而得。
• 新技术指标 (New Technology Indicator)：如果员工申请的任何专利属于公司之前从未申请过专利的技术类别，那么该指标则等于 1，否则等于 0。
• 探索性专利数量 (Number of Exploratory Patents)：员工的探索性专利数量，其中探索性专利被定义为该专利引用的专利所用到的现存知识占比低于 20%。

一般来说，产生专利被高度引用、原始/通用或探索性专利的项目对工人来说可能更难执行。因此，我们可以将上述所有指标都看作是衡量项目难度的指标，从而捕捉到员工创新生产力的各个方面。

在解释变量上，本文的核心解释变量为金融危机后房价变动的百分比情况 ($\mathrm{\Delta }\mathrm{\%}H{P}_{z,post}$)，它用于衡量金融危机后地区的房价冲击程度，进而代表家庭财富的变化情况。

最后，在控制变量的选取上，本文主要考虑了三个方面：一是员工个人背景特征，如年龄、教育背景、工作年限以及入职公司年限；二是员工家庭住处特征，如房屋的尺寸等；三是员工所在社区特征，如社区的人均收入、儿童人口占比以及城市化程度等。

2.2 实证策略与模型介绍

本文首要关注的是与 2008 年金融危机相关的房价变化如何影响工人的创新产出。由于 2008 年的金融危机是一次性事件，且影响样本中的所有个体，本文依托截面数据，比较了居住在经历不同房价冲击的邮政区域的员工的创新产出变化。由此，本文的基准模型为：

其中，$y_{i,post}$ 是个体 $i$ 经历冲击后衡量专利产出的一系列变量，$\mathrm{\Delta }\mathrm{\%}H{P}_{z,post}$ 表示邮政区域 $z$ 经历危机后房价变动的百分比情况，$y_{i,pre}$ 是个体 $i$ 在金融危机前创新专利产出的情况，$\epsilon$ 为不可观测的误差部分，下标 $i,z$ 分别指代个体 $i$ 与邮政区域 $z$。

考虑到员工的住宅选址并未随机分配的，那些生活在受房价下降冲击较严重地区的人往往会在受危机影响更大的公司工作，然而，那些受金融危机影响较为严重的公司可能面临着大幅下降的需求。与此同时，当地房价的下跌可能会降低那些以房地产作为抵押品的公司的借贷能力，上述因素均会导致公司的创新产出下降。

基于上述分析，本文指出员工会受到公司层面因素的影响，这些因素并非通过房价下降直接影响员工的创新产出效率，因此会对估计产生一定的偏误，本文的解决办法是纳入公司层面 (firm) 的固定效应，识别那些同一公司的员工面对不同程度的房价下降冲击时创新产出的变化情况。

此外，考虑到同一家公司会在不同城市区域设立分部，那些处于受危机影响较为严重城市的分部可能面临着更为恶劣的外部机会，进而影响产出。进一步地，为了解决该问题，本文纳入了城市层面 (Core Based Statistical Area-CBSA) 的固定效应。通过纳入公司-城市层面的二维固定效应，本文将识别在同一公司工作并在同一地区拥有房子，但在各自的邮政编码区中经历了不同程度的价格下降的员工的创新产出水平变化情况。此时，模型为：

与基准模型相比，此模型新增的 ${\eta }_{f,c}$ 表示公司 $\times$ 地区 (firm $\times$ CBSA) 固定效应。

最后，在机制分析部分，本文指出同一公司、同一城市购房的个体之间面临相同的房价冲击时仍会产生不同的反应，已有文献指出金融困境主要由两方面引发：负房屋净值和长期失业期。本文推测在员工的购房时期 (繁荣时期或者危机时期) 以及员工对应专业领域面临的就业市场情况，会影响员工对于房价冲击的反应程度。为了验证该猜想，本文引入了上述特征与房价冲击的交互项，估计模型为：

其中，$Characteristi{c}_i$ 表示个体 $i$ 的购房时期 (若其在危机时期购房，则变量等于 1) 或者个体 $i$ 的就业市场环境 (若员工的技术被广泛使用或流行，则变量等于 1)，${\eta }_f$ 和 ${\eta }_z$ 分别表示公司固定效应与邮政编码区域固定效应。交互项的系数反映了不同特征之间的个体对于相同的房价冲击时反应的差异情况。

2.3 实证结果分析

2.3.1 基准回归

首先，本文以房价变动百分比作为自变量，分别以一系列衡量创新型产出数量与质量的指标为因变量，对模型 (2) 式进行估计。为了衡量产出指标的变动情况，回归中添加了对应的产出指标在危机前时期 (2005 年- 2007 年) 的数值作为基准，同时本文额外纳入危机前的房价变动情况对每一个因变量进行第二次回归。

巧妙使用固定效应是本文的一大特色，这个基准回归组施加了公司层面 $\times$ 城市层面的固定效应，用于识别在同一公司工作并在同一地区拥有房子，但在各自的邮政编码区中经历了不同程度的价格下降的员工的创新产出水平变化情况。最后，回归的聚类稳健标准误选择聚类于公司层面和邮政区域层面，表明本文假设同一公司或同一邮政区域内的观测值是相互关联的，不同公司且不同邮政区域的观测值之间是相互独立的。

该回归的结果表明了房价下降的冲击显著地抑制了员工的创新型产出。结果显示，房价的百分比变动情况与专利产出数量存在正向的相关关系，且在 1% 的水平上统计显著，就其数值而言，当其他条件保持不变时，房价每下降 1 个百分点，会导致员工专利数量下降 0.218 个百分点。由于危机期间，房价平均降幅为 16%，这就意味着员工的专利数量平均下降了 3.5%，考虑到创新产出对于经济举足轻重的作用，该数值大小是具有深刻的经济含义的。

衡量专利产出质量的指标也呈现出同样的结果，在其他条件保持不变时，房价每下降 1 个百分点，则会导致员工平均每项专利被引量下降 0.172 个百分点，员工的高被引专利数量下降 0.135 个百分点，专利的通用性程度下降 0.0922 个百分点，原创性程度下降 0.156 个百分点，新技术指标下降 0.0486 个百分点以及突破性专利的数量下降 0.188 个百分点，上述结果均在 1% 的水平上统计显著。

2.3.2 三维固定效应

尽管基准回归使用了公司层面 $\times$ 城市层面的固定效应，但考虑到同一公司内不同类型的员工在同一城市区内选择不同类型的社区的可能性，例如年轻的员工更倾向于居住在市中心，年长的员工倾向于居住在城市的郊区，这类因素既会影响员工的社区选择进而影响员工面临的房价冲击程度，又会影响员工的创新型产出，从而导致内生性问题。

为了解决这一顾虑，本文引入了一系列三维固定效应，即公司层面 $\times$ 城市层面 $\times$ 特征层面，如 firm $\times$ CBSA $\times$ worker age quartile fixed effects。文中的一系列三维固定效应如下列示：

• 公司 $\times$ 城市 $\times$ 技术类型固定效应 (Firm $\times$ CBSA $\times$ Tech Class FE)：用于识别工作在同一公司、在同一城市拥有住宅且技术性相同的员工面对不同房价冲击时的创新产出变化。
• 公司 $\times$ 城市 $\times$ 邮政编码区人均收入四分位数固定效应 (Firm $\times$ CBSA $\times$ Neighborhood Income Q. FE)：用于识别工作在同一公司、在同一城市拥有住宅且生活在同一个社区平均收入四分位区间的员工面对不同房价冲击时的创新产出变化。
• 公司 $\times$ 城市 $\times$ 邮政编码区儿童占比四分位数固定效应 (Firm $\times$ CBSA $\times$ Family Neighborhood Q.)：用于识别工作在同一公司、在同一城市拥有住宅且生活在同一个社区儿童占比四分位区间的社区的员工面对不同房价冲击时的创新产出变化。
• 公司 $\times$ 城市 $\times$ 邮政编码区城市化人口占比四分位数固定效应 (Firm $\times$ CBSA $\times$ Urban Neighborhood Q. FE)：用于识别工作在同一公司、在同一城市拥有住宅且生活在同一个城市化人口占比四分位区间的社区的员工面对不同房价冲击时的创新产出变化。
• 公司 $\times$ 城市 $\times$ 邮政编码区危机前平均房价四分位数固定效应 (Firm $\times$ CBSA  $\times$ Neighborhood $\times$ Price $\times$ Level $\times$ Q. FE)：用于识别工作在同一公司、在同一城市拥有住宅且生活在同一个危机前平均房价四分位区间的员工面对危机后不同房价冲击时的创新产出变化。值得一提的是，这里使用了危机前社区的平均房价作为社区质量的代理变量。
• 公司 $\times$ 城市 $\times$ 邮政编码区平均住宅面积占比四分位数固定效应 (Firm $\times$ CBSA $\times$ Square Footage Q. FE)：用于识别工作在同一公司、在同一城市拥有住宅且生活在同一个平均住宅面积四分位区间的社区的员工面对不同房价冲击时的创新产出变化。
• 公司 $\times$ 城市 $\times$ 个人工作年限四分位数固定效应 (Firm $\times$ CBSA $\times$ Experience Q. FE)：用于识别工作在同一公司、在同一城市拥有住宅且工作年限位于同一个样本四分位区间的社区的员工面对不同房价冲击时的创新产出变化。

另外，本文通过 LinkedIn 网站的相关数据，分别将员工的年龄位于样本四分位区间 (Age Q.)、教育年限 (Education) 以及员工是否任高级职位 (Senior Position) 也作为特征变量纳入到三维固定效应中。同样地，回归的标准误聚类到公司层面与邮政编码区层面。回归结果整理可得：

从回归结果来看，引入了三维固定效应后，参数的系数估计与基准模型 (第一行) 估计的系数总体而言是相近的，尽管在一些情况下，点估计的参数大小是小于基准模型估计的参数大小，但这一差异在统计上是并不显著的。

通过纳入三维固定效应，本文指出未被观察到的工人异质性可以解释我们的部分基准回归结果，但纳入三维固定效应的回归以及后续的稳健性检验均表明，这种异质性不太可能是主要的驱动因素。因此，在更窄的识别层面上，房价下降的冲击显著地抑制了员工的创新型产出这一结论是仍然成立的。

2.3.3 同时控制多个特征——引入多维的控制变量

在上一部分中，文章使用了三维固定效应，从多个更窄的识别层面验证房价冲击对于员工创新型产出的影响。然而，上述的操作只能在一次回归中控制一个特性，因此，本文进一步地将固定效应与控制变量相结合，通过多维的控制变量与高维固定效应，同时控制员工的多个特征。其中，控制变量可以分为以下几类：

• 家庭住宅特征：家庭规模 (family_size)、住宅尺寸的对数 (ln_sqfeet)、住宅的房间数 (total_rooms)；
• 邮政编码区特征：收入中位数的对数 (ln_medianincome)、金融危机前平均房价水平 (l_ln_price)、儿童人口占比 (ratiokids)、城市人口占比 (ratiourban)；
• 专利研发者特征：年龄 (age)、工作年限 (expjob)、发表专利时间 (exppat)、在职时长 (tenure)、教育学历背景 (ba phd ma mba jd)。

在固定效应上，该回归固定了公司 $\times$ 城市层面、员工任高级职位情况层面、员工功能性领域层面及员工技术领域层面的效应，从一个较窄的视角识别在同一公司任职、在同一城市购房，在任高级员工情况、职位功能性及研究技术领域相似的个体面对不同程度房价冲击时，创新型产出的变化情况。回归的结果如下所示：

引入了多维度的控制变量后，我们仍然得到了与基准模型相似的结论。尽管新技术指标 (New) 变得统计上并不显著，但是其余衡量创新型产出的指标仍显著地表现出与房价变动的正相关关系，以此证明房价下降导致的家庭财富损失对个人的创新型产出具有显著的抑制作用。

3 稳健性检验与作用机制探讨

3.1 稳健性分析

本文主要通过固定效应的妙用，验证了房价下降导致的家庭财富减少会抑制员工的创新型产出效率与质量。为了探究主要结论的稳健性，本文从更换样本选择、更改核心变量定义、汇总公司层面三个方面进行检验：

3.1.1 更换样本选择

选择所有分部均在同一城市同一邮政编码区的公司子样本进行回归。上文假设同一邮政编码区内的分部往往专攻于同一个技术领域，因此通过纳入公司 $\times$ 城市 $\times$ 技术类型层面的固定效应解决该内生性问题。在稳健性检验中，本文选择那些所有分部均位于同一邮政编码区的公司子样本进行回归，施加公司 $\times$ 城市层面固定效应。

排除 2008 年至 2009 年的专利样本后进行回归。文中考虑到专利的申请具有一定的时间滞后性，部分标注为 2008-2009 年的专利可能是在金融危机前已经申请，若将其直接归属于冲击后的产出，则会导致测算偏误。为了解决该问题，本文删除了 2008-2009 年期间的专利样本后，重新进行回归分析。

缩短时间范围。考虑到房价冲击主要发生在危机时 (2007-2008 年)，后续年份经济处于恢复期。为了直接探究房价冲击带来员工的产出影响，本文通过将考察年份从 2007 年初至 2012 年末缩短为 2007 年初至 2010 年末，从而进行稳健性检验。

3.1.2 更改核心变量定义

改变房价变动的度量：主体部分的房价变动计算源自于 Bogin, Doerner, and Larson (2019) 文章中的计算方法。为了检验结论对于房价变动计算方法的敏感性，本文选用了 Zillow 的方法进行度量，并重新进行了回归。

3.1.3 汇总公司层面

将员工的各项产出指标汇总至公司层面 (Aggregate to firm)。考虑到公司内部员工组成不同，可能存在房价冲击导致公司部分员工产出下降，部分员工产出上升，最终由于员工的产出互补导致公司总体产出无明显变化的情况，本文通过计算公司的员工综合财富损失情况，并计算公司的各项专利产出指标，进行公司层面的回归，进而考察主要结论在公司层面上是否稳健。

检验专利产出给公司带来的价值变化。本文指出房价下降引发的财富减少会导致员工的创新型产出效率下降，进一步地，本文想检验产出效率的下降是否会造成公司价值的损失，因此本文使用了 Kogan et al. (2017) 的方法，将专利的各项指标转化为以公司股价为基础的价值衡量，并检验房价冲击是否会造成员工为公司贡献的价值的变化。

在上述稳健性检验中，本文主体部分的结论均展现出良好的稳健性，且验证了房价冲击确实导致员工为公司创造的价值显著下降。

3.2 作用途径探讨

家庭财富的减少是通过什么途径影响员工的创新型产出呢？本文的最后一部分将对该关系的作用途径进行探讨。结合已有研究，本文提出了以下三个潜在的作用途径：

• 家庭财富冲击会导致员工的心理负担压抑程度提高，进而影响员工的创新产出效率。
• 家庭财富冲击会导致员工用于支持其创新生产的个人资源下降，进而影响员工的创新产出效率。
• 员工的金融财务困境风险上升会加剧上述机制的冲击程度。

直接验证上述潜在的机制是相对困难的，因此，本文作出了以下两方面的努力：

一是验证了双向的财富变动带来的影响是非对称的。已有文献曾指出，基于大多数人是风险厌恶型偏好，一定程度的财富损失给心理带来的痛苦程度是大于同等程度的财富增加带来的心理满足程度。为此，本文利用金融危机前的繁荣时期房价上升的数据，使用员工的各类型专利产出指标对房价变动百分比进行回归，结果显示房价的上升并不能显著提高员工的创新型产出效率，表明了财富的双向变动带来的影响是非对称的。

二是验证了金融财务困境会加剧财富变动对员工创新型产出效率的抑制作用。有关家庭财富冲击的研究表明，家庭金融困境风险主要由负的房产净值和长期失业两个因素共同引发的。

首先，文中认为员工在金融危机前夕的繁荣时期 (2004-2007 年) 购买房产会遭受负的房产净值变化，进而引发财务困境，因此定义特征虚拟变量 (Characteristic)，当员工购房时间早于 2004 年时，Chracteristic=1，反之则为 0。

其次，文中认为员工面对就业市场的机会取决于其专业技术领域的宽度，因此作者将技术分为广泛应用类与狭窄应用类，并定义当员工的技术类型属于广泛应用类时，特征虚拟变量 Characteristic=1，反之为 0。

最后，本文分别就上述两个特征虚拟变量，引入其与房价变动百分比变量的交互项，对模型 (3) 进行估计，该回归纳入了公司层面与邮政编码区层面的固定效应，以此控制了生活在不同邮政编码社区及受雇在不同公司的员工之间的差异，更好地识别员工面对相同的房价冲击时由于财务困境风险不同而导致的反应异质性。

回归结果显示，特征虚拟变量与房价变动的交互项估计系数小于 0，表明在更早的时期购买房屋，或者专业技术领域应用场景更广的员工(即财务困境风险较低) 面对相同的房价冲击时，其创新型产出的效率下降幅度更小。该结果验证了金融财务困境会加剧财富变动对员工创新型产出的抑制效果。

4. 相关推文

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

• 专题：论文写作

  • Stata论文复现：份额移动法工具变量(Shift-Share IV)
• 专题：Stata命令

  • Stata新命令-pdslasso：众多控制变量和工具变量如何挑选？
• 专题：IV-GMM

  • 工具变量：与朱熹书院距离作为IV
  • 论文推介：IV-天气是好的工具变量吗？
  • 工具变量：教育回报IV探讨
  • 工具变量：顶刊中的Shock-IV整理
  • 工具变量：Shock-IV中预处理平衡的必要性
  • 工具变量法：IV估计的信与不信
  • Stata：工具变量的秩检验-bootrantest
  • Stata：无需工具变量的IV估计-kinkyreg-
  • Stata：当工具变量小于内生变量时，该如何估计？-mmeiv
  • Lasso一下：再多的控制变量和工具变量我也不怕-T217
  • IV在哪里？奇思妙想的工具变量
  • twostepweakiv：弱工具变量有多弱？
  • 多个(弱)工具变量如何应对-IV-mivreg？
  • IV：工具变量不满足外生性怎么办？
  • IV-工具变量法：第一阶段系数符号确定时的小样本无偏估计
  • IV：可以用内生变量的滞后项做工具变量吗？
  • Stata: 工具变量法 (IV) 也不难呀！
  • IV-估计：工具变量不外生时也可以用！
• 专题：内生性-因果推断

  • Stata：内生变量与工具变量非线性关系处理-discretize
  • 工具变量-IV：排他性约束及经典文献解读

相关课程

免费公开课

• 直击面板数据模型 - 连玉君，时长：1小时40分钟，课程主页，Bilibili 站版
• Stata 33 讲 - 连玉君, 每讲 15 分钟. 课程主页，课件，Bilibili 站版
• Stata 小白的取经之路 - 龙志能，时长：2 小时，课程主页
• 部分直播课 课程资料下载 (PPT，dofiles等)

最新课程-直播课

• Note: 部分课程的资料，PPT 等可以前往 连享会-直播课 主页查看，下载。

⛳ 课程主页

⛳ 课程主页

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。
• 连享会-主页 和 知乎专栏，700+ 推文，实证分析不再抓狂。直播间 有很多视频课程，可以随时观看。
• 公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标，输入简要关键词，以便快速呈现历史推文，获取工具软件和数据下载。常见关键词：课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法 等

连享会小程序：扫一扫，看推文，看视频……

扫码加入连享会微信群，提问交流更方便

✏ 连享会-常见问题解答：
✨ https://gitee.com/lianxh/Course/wikis

New！ lianxh 和 songbl 命令发布了：
随时搜索连享会推文、Stata 资源，安装命令如下：
  . ssc install lianxh
使用详情参见帮助文件 (有惊喜)：
  . help lianxh