政策評估的經典計量方法, 以及政策干預評估方法的新進展

凡是搞計量經濟的，都關注這個號了

稿件：econometrics666@126.com

全部計量經濟圈方法論叢的code程序, 宏微觀數據庫和各類軟件都放在社羣裏.歡迎到計量經濟圈社羣交流訪問.

在社會科學中，政策評估方法被普遍用來評估政策干預效應。在這篇文章中，兩位計量大咖介紹了政策評估計量經濟學方法的主要框架。此外，他們也對這些方法作了一些拓展，同時介紹了政策評估方法取得的新進展。

下面只作一些基礎性的引薦，若想了解具體內容，建議參看文後附上的原文標題。同時，若對這些政策評估和因果推斷方法感興趣，也能夠到計量社羣交流訪問和討論。

政策評估的基礎性介紹

1.政策效應評估的四種方法（Policy evaluation），2.政策效應評估的基本問題，3.微觀計量經濟學：政策效應評估，4.在雙重差分模型中使用傾向得分估計政策變化效應操做及注意事項! 附100篇相關文章! 5.諾獎得主一張表, 解開各類政策評估計量方法描述, 適用條件和所需數據等謎底！6.聚束分析法(Bunching)最權威綜述, 財稅政策評估的主流方法！7.計量經濟學會主席: 非實驗數據的社會政策評估方法綜述，8.海外第一個拿到終身教職回到國內當經濟學院院長的教授卸任了！用於政策評估的計量經濟學: 問題, 前沿與展望，9.DID的研究動態和政策評估中應用的文獻綜述，10.用觀測數據進行政策效應評估的基本問題和分析框架，11.置換檢驗政策的隨機性, 政策評估愈來愈風行的利斧，12.必讀|遺漏變量偏誤對於因果推斷的影響, 及在各類政策評估方法中可能的解決方法，13.比DID更加靈活的DDID政策效應評估方法

因果推斷和政策評估基礎性介紹

1.基於「因果推斷」的新興研究範式, 是真實因果？，2.五種計量因果識別方法祕籍,今後走遍天涯都不怕，3.反事實因果推斷方法是過去50年中最重要的統計思想麼? 且聽我娓娓道來！4.搞懂因果推斷中內生性問題解決方法必讀的書籍和文獻已蒐集好！5.Guido Imbens: 潛在結果和有向無環圖在因果推斷實證研究中的應用實例講解(二)，6.ECM主編: 潛在結果和有向無環圖在因果推斷實證研究中的應用權威講解，7.一位「詩人」教授寫了本因果推斷書籍, 如今能夠直接下載PDF參看！8.你應該閱讀哪本因果推斷書籍: 一份進階流程圖和簡短書評列表，9.前沿: 衛星數據在實證研究中的應用, 用其開展因果推斷的好處！10.7大因果推斷大法精選實證論文, 可用於中國本土博士課堂教學！11.應用計量經濟學現狀: 因果推斷與政策評估最全綜述，12.哈佛大學新修訂完成的因果推斷經典大做免費下載！附數據和code！13.疫情期計量課程免費開放！面板數據, 因果推斷, 時間序列分析與Stata應用，14.Python作因果推斷的方法示例, 解讀與code，15.孟德爾隨機化法在因果推斷中的應用, 如火如荼新方法，16.圖靈獎得主Pearl的因果推斷新科學, Why? 17.基於「因果推斷」的新興研究範式, 是真實因果？18.圖說: 各類因果推斷方法適用數據, 條件和潛在缺陷，19.用"因果關係圖"來進行因果推斷的新技能，20.因果推斷的統計方法總結, 177份文獻，21.機器學習在微觀計量的應用最新趨勢: 大數據和因果推斷，22.工具變量與因果推斷, 明尼蘇達Bellemare關於IV的分析，23.因果推斷中的匹配方法:最全回顧和前景展望，24.因果推斷中的匹配方法:最全回顧和前景展望，25.我是安神, 我爲因果推斷計量代言，26.因果推斷的實證革命，搞前沿計量都須要閱讀的大做，27.J.Angrist就因果推斷長篇評論+音頻版，30.J.Angrist就因果推斷長篇評論+音頻版(2)，31.Angrist因果推斷課程，經典期刊讀物聚集

隨機實驗做爲基礎

1.RCTs隨機控制試驗究竟是什麼, 會是社科研究的必然趨勢

觀測樣本基礎上的因果推斷

關於匹配方法相關文章1. PSM傾向匹配Stata操做詳細步驟和代碼，乾貨十足，2.處理效應模型選擇標準，NNM和PSM，贈書活動，3.PSM和馬氏匹配已淘汰, '遺傳匹配'成因果推斷匹配之王，4.PSM, RDD, Heckman, Panel模型的操做程序, selective文章精華系列，5.廣義PSM,連續政策變量因果識別的不二利器，6.PSM-DID, DID, RDD, Stata程序百科全書式的寶典，7.在教育領域使用IV, RDD, DID, PSM多嗎? 使用具體References，8.分位數DID, PSMDID, 政策前協變量平衡性檢驗操做步驟和案例，9.逐年匹配的PSM-DID操做策略, 多時點panel政策評估利器，10.執行PSM的標準操做步驟, 不要再被誤導了，11.PSM匹配後如何保留配對樣本? 1:1, 1:4或更多狀況呢？12.逐年PSM匹配後再DID識別因果的實證範文, 這就是逐年PSM-DID的操做範式！13.英諾丁漢大學校長爲你講解逐年PSM匹配-DID方法的操做, 並配上本身寫的一篇範文！14.內生性問題和傾向得分匹配, 獻給準天然試驗的厚禮，15.粗化精確匹配CEM文獻推薦, 程序步驟可複製，16.DID, 合成控制, 匹配, RDD四種方法比較, 適用範圍和特徵，17.匹配方法(matching)操做指南, 值得收藏的16篇文章，18.中國工業企業數據庫匹配160大步驟的完整程序和相應數據，19.Match匹配估計作敏感性檢驗的最新方法, 讓不可觀測變量基礎上的選擇無處遁形，20.無需檢查協變量平衡性的CEM匹配, 到底有多神氣和不同凡響，21.因果推斷中的匹配方法:最全回顧和前景展望，22.內生性問題和傾向得分匹配, 獻給準天然試驗的厚禮，23.傾向值匹配與因果推論,史上最全面精妙的錦囊，24.匹配仍是不匹配？這真是個值得考慮的問題，25.匹配比OLS究竟好在哪裏？這是一個問題，26.傾向匹配分析深度（Propsensity matching analysis），27.傾向得分匹配PSM, 你真的用對了嗎? 對主流期刊86篇文章分析與總結！28.中文刊上用傾向得分匹配PSM和內生轉換模型ESM的實證文章有哪些？不看至少須要收藏一下，29.傾向得分匹配PSM, 你真的用對了嗎? 對主流期刊86篇文章分析與總結，30.內生轉換模型vs內生處理模型vs樣本選擇模型vs工具變量2SLS，31.ESP內生轉化機率模型是什麼, 如何作, 如何解釋, 爲何須要它? 32.Heckman模型out了,內生轉換模型掌控大局，33.因果效應中的雙重穩健估計值, 讓你的估計精準少誤，34.加權DID, IPW-DID實證程序百科全書式的寶典

DID和合成控制

合成控制是DID的延伸而已，經過權重合成一個控制組

關於DID相關文章0.雙重差分DID方法免費課程, 文章, 數據和代碼全在這裏, 優秀學人必須收藏學習！1.DID運用經典文獻，強制性許可:來自對敵貿易法的證據，2.連續DID經典文獻, 土豆成就了舊世界的文明，3.截面數據DID講述, 截面作雙重差分政策評估的範式，4.RDD經典文獻, RDD模型有效性穩健性檢驗，5.事件研究法用於DID的經典文獻"環境規制"論文數據和程序，6.廣義DID方法運用得很是經典的JHE文獻，7.DID的經典文獻"強制許可"論文數據和do程序，8.傳銷活動對經濟發展影響, AER上截面數據分析經典文，9.多期DID的經典文獻big bad banks數據和do文件，10.因果推斷IV方法經典文獻，到底是制度仍是人力資本促進了經濟的發展？11.AER上因果關係確立, 敏感性檢驗, 異質性分析和跨數據使用經典文章，12.第二篇因果推斷經典，工做中斷對工人隨後生產效率的影響？，13.密度經濟學:來自柏林牆的天然實驗, 最佳Econometrica論文，14.AER上以DID, DDD爲識別策略的勞動和健康經濟學，15.一個使用截面數據的政策評估方法, 也能夠發AER，16.多期DID模型的經典文獻，big bad banks講解"，17.多期DID的經典文獻big bad banks數據和do文件，18.非線性DID, 雙重變換模型CIC, 分位數DID，19.模糊(Fuzzy)DID是什麼？如何用數據實現呢？20.多期DID的big bad banks中文翻譯版本及各細節講解，21.DID中行業/區域與時間趨勢的交互項, 共同趨勢檢驗, 動態政策效應檢驗等，22.截面數據DID操做程序指南, 一步一步教你作，23.DID的研究動態和政策評估中應用的文獻綜述，24.連續DID經典文獻, 土豆成就了舊世界的文明，25.DID雙重差分方法, 一些容易出錯的地方，26.連續DID, DDD和比例DID, 不可觀測選擇誤差，27.加權DID, IPW-DID實證程序百科全書式的寶典，28.DID和DDD, 一個簡明介紹, 雙重和三重差分模型，29.DID過程當中總結的地圖展現技巧，30.DID的平行趨勢假定檢驗程序和coefplot的其餘用法，31.截面DID, 各類固定效應, 安慰劑檢驗, 置換檢驗, 其餘外部衝擊的處理，32.實踐中雙重差分法DID暗含的假設，33.過去三十年, RCT, DID, RDD, LE, ML, DSGE等方法的「高光時刻」路線圖，34.計量院士首次用DID方法分析, 中國封城對新冠病毒擴散的影響！，35.截面DID, 各類固定效應, 安慰劑檢驗, 置換檢驗, 其餘外部衝擊的處理，36.諾獎夫婦的中國學生, 「DID小公主」的成名之做, 茶葉價格與中國失蹤女性之謎！，37.前沿: 反向DID, 反向雙重差分法DDR全解析, 輔以實證示例！38.英諾丁漢大學校長爲你講解逐年PSM匹配-DID方法的操做, 並配上本身寫的一篇範文！39.逐年PSM匹配後再DID識別因果的實證範文, 這就是逐年PSM-DID的操做範式！40.用事件研究法進行因果識別如何作? 有什麼好處? 與DID結合起來潛力無窮！41.Abadie半參數雙重差分DID估計量, 使你的平行趨勢假設更加可信！42.彈性DID, DID的終極大法, 關於DID各方法總結太讚了！43.二重差分法分析（DID），44.比DID更加靈活的DDID政策效應評估方，45.DID思路和操做，一篇相關實證文獻，46.二重差分法深度分析（DID），三重差分兼論，47.面板數據的DID估計，透徹解讀，48.PSM-DID, DID, RDD, Stata程序百科全書式的寶典，49.關於DID的全部解讀, 資料, 程序, 數據, 文獻和各類變形都在這裏，50.分位數DID, PSMDID, 政策前協變量平衡性檢驗操做步驟和案例，51.PSM-DID, DID實證完整程序百科全書式的寶典，52.逐年匹配的PSM-DID操做策略, 多時點panel政策評估利器，53.廣義DID, DID最大法寶, 無所不能的政策評估工具，54.漸進DID專治各類漸進性政策的良藥, 可試一試療效，55.雙重差分DID的種類細分, 不得不看的20篇文章，56.找不到IV, RD和DID該怎麼辦? 這有一種備選方法，57.在教育領域使用IV, RDD, DID, PSM多嗎? 使用具體References，58.DID和IV操縱空間大嗎? 一切皆爲P-hacking，59.第一篇中文DID實證論文長啥樣? 60.世界上第一篇DID實證論文長啥樣?，61.關於雙重差分法DID的32篇精選Articles專輯！62.空間雙重差分法(spatial DID)最新實證papers合輯！63.空間DID雙重差分方法的文獻, spatial DID，64.多期三重差分法和雙重差分法的操做指南，65.多期雙重差分法,政策實施時間不一樣的處理方法，66.三重差分法運行和示例，67.如何設計雙重差分法DID: 各類政策研究的最佳指南!

關於合成控制法，1.匹配, 雙重差分, 合成控制, 斷點回歸方法的比較, 思想原理, 適用範圍和主要特徵，2.斷點回歸RD和合成控制法SCM免費課程, 文章, 數據和代碼全在這裏, 有必要認真研究學習！3.中文刊上用斷點回歸RDD和合成控制法SCM的實證文章有哪些？不看至少須要收藏一下！4.合成控制法創始人如何用SCM作實證呢？這些規定動做一個都不能少！5.最新: 運用機器學習和合成控制法研究武漢封城對空氣污染和健康的影響！6.關於合成控制法SCM的33篇精選Articles專輯！小組驚動了阿里巴巴！7.合成控制法與HCW方法, 誰可以走得更遠？8.廣義合成控制法gsynth, Stata運行程序release，9.廣義合成控制法gsynth, 基於交互固定效應的因果推斷，10.再談合成控制法SCM, 幫你尋找因果推斷控制組，11.合成控制法什麼鬼? 因果推斷的前沿方法指南

工具變量尋求LATE

圖片

關於工具變量，參看1.內生性問題操做指南, 廣爲流傳的22篇文章，2.看完頂級期刊文章後, 整理了內生性處理小冊子，3.如何尋找工具變量？得工具者得實證計量，4.內生性處理的祕密武器－工具變量估，5.工具變量在社會科學因果推斷中的應用，6.爲你的"工具變量"合理性進行辯護, 此文獻能夠做爲範例，7.沒有工具變量、斷點和隨機衝擊，也能夠推斷歸因，8.工具變量與因果推斷, 明尼蘇達Bellemare關於IV的分析，9.工具變量IV與內生性處理的精細解讀，10.個人"工具變量"走丟了，尋找工具變量思路手冊，11.面板數據裏處理多重高維固定效應的神器, 還可用工具變量處理內生性，12.豪斯曼, 拉姆齊檢驗，過分擬合，弱工具和過分識別，模型選擇和重抽樣問題，13.工具變量先鋒 Sargan，供參考，14.AEA期刊的IV靠不靠譜？15.計量大燜鍋: iv, clorenz, rank, scalar, bys, xtile, newey, nlcom，16.GMM是IV、2SLS、GLS、ML的統領，待我慢慢道來，17.IV和GMM相關估計步驟，內生性、異方差性等檢驗方法，18.因果推斷IV方法經典文獻，到底是制度仍是人力資本促進了經濟的發展？19.內生變量的交互項如何尋工具變量, 交互項共線咋辦，20.面板數據、工具變量選擇和HAUSMAN檢驗的若干問題，21.IV和Matching老矣, 「彈性聯合似然法」成新趨勢，22.IV迴歸係數比OLS大不少咋回事, 怎麼辦呢? ，23.不用IV, 基於異方差識別方法解決內生性, 賜一篇文獻，24.找不到IV, RD和DID該怎麼辦? 這有一種備選方法，25.內生轉換模型vs內生處理模型vs樣本選擇模型vs工具變量2SLS，26.內生性, 工具變量與 GMM估計, 程序code附，27.GMM和工具變量在面板數據中的運用，28.關於工具變量的材料包, 標題,模型,內生變量,工具變量，29.必須使用全部外生變量做爲工具變量嗎？30.工具變量精闢解釋, 保證你一生都忘不了，31.毛咕嚕論文中一些有趣的工具變量！33.前沿: 刪失數據分位數工具變量(CQIV)估計, 作刪失數據異質性效應分析，34.不須要找工具變量, 新方式構建工具變量, 導師不再用擔憂內生性問題了！35.關於頂級外刊工具變量的使用最全策略, 不收藏反覆讀就不要談IV估計！36.如何經過因果圖選擇合適的工具變量？一份關於IV的簡短百科全書，37.前沿: nature刊掀起DAG熱, 不掌握就遭淘汰無疑！因果關係研究的圖形工具! 38.最清晰的內生性問題詳解及軟件操做方案！實證研究必備工具！39.中國女學者與其日本同行在JPE上發文了！利用獨特數據, 地理斷點RDD和IV研究中國環境議題！40.雙胞胎樣本解決遺漏變量和測量偏差, LIV解決選擇誤差，41.內生性處理的祕密武器－工具變量估計，42.工具變量IV必讀文章20篇, 因果識別就靠他了，43.看完頂級期刊文章後, 整理了內生性處理小冊子，44.「內生性」 究竟是什麼鬼? New Yorker告訴你，45.Heckman兩步法的內生性問題(IV-Heckman)，46.最全估計方法，解決遺漏變量誤差，內生性，混淆變量和相關問題，47.非線性面板模型中內生性解決方案，48.內生性處理方法與進展，49.內生性問題和傾向得分匹配，50.你的內生性解決方式out, ERM獨領風騷，51.面板數據是怎樣處理內生性的，52.計量分析中的內生性問題綜述，53.一份改變實證研究的內生性處理思惟導圖，54.Top期刊裏不一樣來源內生性處理方法，55.面板數據中heckman方法和程序(xtheckman)，56.控制函數法CF, 處理內生性的廣義方法，57.二值選擇模型內生性檢驗方法，58.2SRI仍是2SPS, 內生性問題的二階段CF法實現，59.非線性模型及離散內生變量處理利器, 應用計量經濟學中的控制函數法！60.最全利用工具變量控制內生性的步驟和代碼—在經管研究中的應用，61.如何選擇合適的工具變量, 基於既有文獻的總結和解釋！62.中介效應最新進展: 中介效應中的工具變量法使用方法及其代碼！63.弱工具變量的穩健性檢驗, 附上code和相關說明！64.工具變量對因果效應的識別和外推, 大牛的頂級評述！

IV裏面的邊際處理效應

因果推斷異質性什麼鬼? 邊際處理效應讓你不同凡響

圖片

斷點回歸RDD

圖片

斷點回歸設計RDD的文章1.斷點回歸設計RDD分類與操做案例，2.RDD斷點回歸, Stata程序百科全書式的寶典，3.斷點回歸設計的前沿研究現狀, RDD，4.斷點回歸設計什麼鬼？且聽哈佛客解析，5.斷點回歸和讀者的提問解答，6.斷點回歸設計RDD全面講解, 教育領域用者衆多，7.沒有工具變量、斷點和隨機衝擊，也能夠推斷歸因，8.找不到IV, RD和DID該怎麼辦? 這有一種備選方法，9.2卷RDD斷點回歸使用手冊, 含Stata和R軟件操做流程，10.DID, 合成控制, 匹配, RDD四種方法比較, 適用範圍和特徵，11.安神+克拉克獎得主的RDD論文, 斷點回歸設計，12.伊斯蘭政府到底對婦女朋友不友好？RDD經典文獻，13.PSM,RDD,Heckman,Panel模型的操做程序，14.RDD經典文獻, RDD模型有效性穩健性檢驗，15.2019年發表在JDE上的有趣文章, 計量方法最新趨勢，16.關於(模糊)斷點回歸設計的100篇精選Articles專輯！17.斷點回歸設計RDD精闢解釋, 保證你一生都忘不了，18.「RDD女王」獲2020年小諾獎！她的RD數據, 程序, GIS和博士論文可下載！關於她學術研究過程的最全採訪！19.中國博導要求掌握的RDD方法實證運用範文(配程序code), 否則就不要用RDD作實證研究！20.最近70篇關於中國環境生態的經濟學papers合輯！21.事件研究法用於DID的經典文獻"環境規制"論文數據和程序，22.環境, 能源和資源經濟學手冊推薦, 經典著做須要反覆咀嚼，23.中文刊上用斷點回歸RDD和合成控制法SCM的實證文章有哪些？不看至少須要收藏一下！24.上雙一流大學能多賺多少錢? 學習斷點回歸RDD, 機制分析的經典文章！25.JPE上利用地理斷點RDD和IV研究中國環境議題的do文件release！

政策評估將來發展方向

圖片

關於政策評估問題，下面的文獻沒有任何一篇是多餘的，相反，它們都是大浪淘沙中露出水面的金沙礫。

圖片

圖片

圖片

圖片

圖片

圖片

圖片

文獻來源：

圖片

下面這些短連接文章屬於合集，能夠收藏起來閱讀，否則之後都找不到了。