因果推断第一部分启动了一个为期 4 天的基于设计的因果推断系列新系列。它涵盖了以基于 Neyman-Rubin 潜在结果模型的反事实因果理论为基础的因果推断基础。它还将涵盖随机推断、独立性、匹配、断点回归和工具变量。我们将详细回顾这些设计背后的理论。为了帮助实现这一点，我们将通过 Discourse 进行持续的讨论，一起完成作业和练习，并详细介绍 R 和 Stata 中的代码。这是第二部分课程的前传，涵盖双重差分和合成控制法。因果推断第二部分包括Bacon分解和事件研究法工具变量 (IV) 是利用外部（“外生”）变异来估计其他混杂（“内生”）变量的因果效应的有力工具。这个为期一天的研讨会将通过不同的实际示例介绍 IV 的基础知识，形式化有效且强大的 IV 的要求，并讨论两阶段最小二乘 (2SLS) 估计量的机制。将特别关注在异质性处理效应下解释线性 IV、移动份额 IV 等方面的最新进展。该课程将包括大量的小组编程练习，其中将在实际应用中说明不同的 IV 方法。Mixtape Sessions 旨在提供高质量且平易近人的因果推断课程。每年多次，我们的因果推断民主主义者斯科特·坎宁安 (Scott Cunningham) 主持我们的“混音带Sesssions”，这是我们针对早期因果推断学习者的旗舰多日研讨会。我们还欢迎研究因果推断方法前沿的研究人员举办“Mixtape Tracks”，这是针对高级主题的较短研讨会。份额移动工具变量 (SSIV) 用于解决许多经济环境中的内生性和选择挑战。这个为期半天的研讨会将介绍 SSIV 的基础知识，并涵盖有关其计量经济学基础的最新文献。将特别关注 SSIV 识别的“外生份额”和“外生冲击”方法背后的不同假设及其实际影响。我们还将介绍一类更通用的工具变量策略，它结合了外生冲击和非随机风险敞口。小组编程练习将用于说明实际应用中的各种理论概念。高级DID。这个为期一天的研讨会将涵盖最近的双重差分 (DiD) 文献中的高级主题。课程结构大致基于我的评审论文《What's Trending in Differences-in-Differences? A Synthesis of the Recent Econometrics Literature》，特别是第 3 节和第 4 节。当然，我不会假设你对这篇论文有任何了解，但如果你想做一些可选的课程准备，就可以从阅读这篇论文开始！我们将开始通过简要回顾标准的DiD模型。然后，将介绍以不同方式偏离这一基本模型的两种文献。第一股考虑具有多个时期和交错处理时间的设置。第二条考虑了平行趋势假设可能不完全成立的事实。研讨会将不仅关注理论，还将关注 R 和 Stata 等统计软件的实际实施。你点击去相应模块学习，都可以看到数据、代码、讲义和阅读清单，真的非常有诚意了。
