斯坦福大学徐轶青老师主讲“面板数据因果推断：实践与检验”学术讲座

5月20日上午，经济管理学院学术沙龙在腾讯会议平台成功举办。讲座由学院赵仁杰副教授主持，特邀斯坦福大学助理教授徐轶青老师做了题为“面板数据因果推断：实践与检验”的学术讲座。学院副院长师博教授，学院教师和本校以及外校硕、博士研究生等共计300余人参与了本次讲座。讲座开始前，学院副院长师博教授对徐老师的研究领域进行介绍，并对徐老师到来表示欢迎和感谢。

讲座伊始，徐老师介绍了一个通过估算插补值构造处理组的反事实结果的平均处理效应进行因果推断的反事实估计方法。徐老师谈及了双重固定效应模型在使用时需要变量满足三个条件，即不允许拥有反馈效应、无延续效应且无个体参与，如果存在这种情况，双重固定效应无法解决由于时间或者个体的差异导致的内生性问题。因此，徐老师在新的估计框架下讨论了几个新的估计量，包括固定效应反事实估计量（FEct）、交互式固定效应反事实估计量 (IFEct) 和矩阵完备估计量(MC)。其中固定效应的反事实因果估计量(FEct) 的特点：该估计量与传统的双向固定效应模型共享相同的假设，同时放宽当干预效果为二分变量时的恒定干预效果假设。当干预效果是异质性的时候，该估计量依然稳健。交互固定效应的反事实估计量(IFEct) 的特点：当存在未观察到的时变混杂因素时，FEct 将导致有偏估计。如果这些混杂因素可以分解为时间特定因子与单位特定因子载荷相互作用，可以使用IFEct 来获得更精确的估计量。IFEct 估计量是对FEct 估计量的拓展，放宽了双向固定效应模型中的“无时变混杂因素假设”。矩阵完备估计量(MC) 的特点:类似于FEct 估计量和IFEct 估计量，它将因果推理问题视为一个任务，即完善一个矩阵的N×T缺失项，通过引入了一个新的参数lambda ，作为估计时的惩罚项进行反事实估计。

讲座下半段，徐老师介绍了一个新的动态处理效应图以及一些诊断检验以更好帮助实证研究人员评估假设检验的有效性。同时，徐老师用两个政治经济学示例来说明这些方法，并介绍了再在R 和Stata 中开发的开源包。最后，徐老师介绍了因果诊断中反事实估计的步骤：1.画出数据图；2.考察强外生假设，基于固定效应模型的反事实估计法进行估计；3.考察分组处理效应；4.将估计结果与阅读者透明沟通。

讲座过程中，徐老师对参会老师同学的提问进行了解答。最后，师博教授和赵仁杰副教授对徐老师的精彩分享进行了总结。本次讲座将为各位老师和同学在后续从事相关研究过程中进行反事实框架下的估计以消除内生性问题提供借鉴与参考。

转自：西大经管科研

如有侵权，请联系本站删除！