基本有用的计量经济学——因果推断【2024】
上课信息
上课地点：在线学习，提供配套资料和授课老师答疑
案例：
班级规模与学习成绩（Krueger,1999），种族与就业歧视（BertrandandMullainathan,2004）、
竞选中名字在选票中的位置优势(HoandImai,2006)、媒体的影响(ChenandYang,2019)
培训的效果(DehejiaandWahba,1999)、
精英大学的作用(DaleandKreuger,2002)
出生季度和教育回报(AngristandKrueger,1991)，
参军与收入(Angrist,1990)、家庭规模和父母劳动供给(AngristandLavy,1998)、
美国的教育回报（Carneiroetal.,2011）、
全民儿童照护服务的收益(Cornelissen,DustmannandSchonbrg,2018)。
案例：双胞胎数据估计中国教育回报(Li,LiuandZhang,2012)
案列：
移民冲击和工资(Card,1990)、最低工资调整和就业(CardandKrueger,1994)、
911事件对美国办公楼的影响(AbadieandDermisi,2008)、大学扩招和大学生失业（邢春冰和李实，2011）。
茶叶价格和消失的女性(Qian,2008)、土豆和人口及城市化(NunnandQian,2011)。
印尼建校项目对教育回报的影响(Duflo,2001)
强制福利对劳动力市场的影响(Gruber,1994)
Goodman-Bacon分解
CallawayandSanta’Anna(2021)非参数估计量
Wooldridge(2021)回归估计量
案例：大而坏的银行：放松管制与收入分配(Becketal.,2010;Bakeretal.,2022)
案例：加州控烟法案的效果(Abadieetal.,2010)
德国统一的经济影响(Abadieetal.,2015)
案例：美国政党的在位优势(Lee,2008)、
空气污染和寿命(Chenetal.,2013；Ebensteinetal.,2017)、
学区房的价值(Black,1999)、户口的价值(Chenetal.,2019)。
案例：教育通过职业影响收入的因果中介分析
基本有用的计量经济学——因果推断
现有很多计量教材集中于统计推断，对因果推断很少涉及，包括安神(AngristandPischke,2009)的《基本无害的计量经济学》也没有显性的讲出来什么是因果识别，如何构造识别策略。本课程将详细的对此进行区分，明确目标参数、识别策略和估计方法（OLS,MLE,GMM）的区别。
不讲潜在结果框架或Rubin因果模型(RCM)，就无法说清楚因果识别。
不讲图因果模型或Pearl因果模型(PCM)，就无法清楚的构建因果识别策略。
不讲随机化实验，就无法讲解清楚实证中的因果效应估计。
课程目的：
让学员明确经济学实证研究的基本步骤：首先，定义清楚目标参数(causalestimand)，其次，构造识别策略，建立统计参数(statisticalestimand)，最后，构造估计量(estimator)，得到目标参数的估计值。由目标参数到统计参数，由观测不到的因果效应转变化可以观测到的统计参数的过程，即因果推断。利用样本信息构造估计量，估计统计参数，即统计推断。
2024内容更新：
课程特色：
--《基本有用的计量经济学》（第2版）最新内容。进行了全面更新，对统计推断和因果推断进行了区分，对因果推断和因果识别进行了明确定义，并将估计方法和因果推断区分开来，吸收了最近几年各类方法的最新发展，并在统一的框架内进行详细解构，让读者更容易掌握因果推断的基本内容。
--讲清楚因果效应参数(causalestimands)、统计参数(statisticalestimands)和统计量(estimators)的区别。实证分析的第一步就是明确自己想回答的问题，定义清楚因果效应参数或目标参数(targetparameters)，才能根据研究问题的背景信息和先验知识，构造识别策略。
--因果推断的关键在于分配机制(assignmentmechanism)，识别策略主要是对分配机制的描述，通过引入合理的识别条件，描述可能的分配机制，才能识别出因果效应。理解了分配机制，也就理解了因果推断的核心内容，对于匹配、IV、DID(SC)、RDD等具体的方法也就更容易理解。
--在实证分析中，原因变量（或核心解释变量）和控制变量的地位是不同的，如何才能合理的选择控制变量？控制变量越多越好吗？选择控制变量的基本原则是什么？
--如何选择工具变量？如何思考工具变量的独立性和排除性假设？如何合理化(justify)你的工具变量？
--面板数据中固定效应是什么，起着什么作用，如何加固定效应？
本课程学员可以学到：
授课嘉宾：
赵西亮教授现任厦门大学经济学院和王亚南经济研究院经济学教授、博士生导师。
清华大学经济管理学院数量经济学专业博士，美国康奈尔大学和芝加哥大学访问学者，加拿大西安大略大学经济系博士后，长期从事中国经济和应用计量经济学研究，编著教材《基本有用的计量经济学》，被京东评为“十大构思细腻的大学教材”之一。
在《经济研究》、《经济学》（季刊）、《数量经济技术经济研究》、《WorldEconomy》等国内外重要期刊发表论文十余篇。ChinaEconomicReview,《经济研究》、《管理世界》、《经济学（季刊）》、《世界经济》等国内外重要期刊匿名审稿人。
课程大纲：
第1讲统计推断
第2讲潜在结果框架
第3讲因果图
第4讲随机化实验
案例：①班级规模与学习成绩（Krueger,1999）②种族与就业歧视（BertrandandMullainathan,2004）③竞选中名字在选票中的位置优势(HoandImai,2006)④媒体的影响(ChenandYang,2019)
第5讲非混杂性条件下的因果效应估计
最基本的识别条件是非混杂性(unconfoundedness)，也称为条件独立性假设(CIA,AngristandPischke2009)，或根据观测变量进行的选择(selectionontheobservables)或可忽略性(ignorablity)，是最基础的分配机制。这类策略的关键是通过（匹配）设计，模拟随机化实验。
案例：⑤培训的效果(DehejiaandWahba,1999)⑥精英大学的作用(DaleandKreuger,2002)
第6讲工具变量法
工具变量法在模拟非依从的随机化实验。
第7讲固定效应方法
第8讲经典双重差分法
双重差分法在模拟增量上的随机化实验，在线性假设下，属于固定效应模型。
第9讲多期单一政策DID
经典DID的扩展，扩展到多期，仍然只有一个干预组和一个控制组
第10讲DID-IV设计
第11讲交错DID（staggeredDID）
第12讲合成控制法
第13讲断点回归设计
最接近于完全随机化实验的研究设计，教育学家发明(ThistlethwaiteandCompbell,1960)，作者认为价值不大，但被经济学家挖掘出来，焕发异彩(Hahnetal.2001)。本章讨论RDD、FuzzyRDD、KinkRDD的基本识别条件、估计方法、带宽选择方法等。
第14讲因果中介分析
优惠信息：
现场班老学员9折优惠；
同一单位三人以上同时报名9折优惠；
以上优惠与学生优惠价不叠加。
报名咨询：
[16]Callaway,BrantlyandPedroH.C.Sant’Anna.2021."Difference-in-DifferenceswithMultipleTimePeriods."JournalofEconometrics,225(2),200-30.
[50]Sun,LiyangandSarahAbraham.2021."EstimatingDynamicTreatmentEffectsinEventStudieswithHeterogeneousTreatmentEffects."JournalofEconometrics,225(2),175-99.
双重差分法原理及其最新发展：一个不完全综述byZhaoXiliang::SSRN