Amber
Memo
读书和做实证时随手记下的笔记。眼下主要是计量方法，偶尔也记一点软件和工具里值得记住的小细节。
笔记
-
双重差分（上）：从 2×2 到事件研究
DID 到底估计的是什么，平行趋势该怎么理解，事件研究图怎么画，以及两种安慰剂检验。文中代码都在模拟数据上跑过。
-
双重差分（下）：交错处理与新估计量
政策分批实施时，双向固定效应估计量可能严重失真。用一个模拟例子看偏差从哪里来，再比较 Callaway–Sant'Anna、Sun–Abraham、插补估计量和 de Chaisemartin–D'Haultfœuille 几种方法及对应的 Stata 命令。
-
合成控制法：权重、置换检验与合成 DID
只有一个受政策影响的地区时怎么估计效应：合成控制的权重从哪来，为什么比 DID 灵活，置换检验怎么做，以及 synth、synth_runner、sdid 三个命令。附一个平行趋势不成立、DID 失效的模拟例子。
-
中介效应：逐步法、Sobel、Bootstrap，以及它们回答不了的问题
三步法、Sobel 检验和 Bootstrap 置信区间怎么做；一个模拟例子说明“间接效应显著”不等于找到了机制；以及江艇（2022）之后，机制分析更稳妥的写法。
-
倾向得分匹配（PSM）：平衡、标准误与 PSM-DID 的陷阱
倾向得分为什么能拿来匹配，psmatch2 和 teffects 怎么用，平衡性该看什么，psmatch2 的标准误有什么问题，以及 PSM 解决不了什么。附一个 PSM-DID 的反例：用政策前的结果做匹配，凭空造出一个显著的政策效应。
-
样本选择与 Heckman 模型：排除变量比两步法本身重要
什么情况才算样本选择问题，Heckman 两步法和最大似然各做了什么，为什么排除变量决定估计好不好。一组模拟：排除变量由强变弱，标准误涨到四倍；排除变量不成立时，Heckman 并不比 OLS 好。
-
双重机器学习（DML）：原理、代码和几个坑
部分线性模型里的 DML 做了两件事：正交化和交叉拟合。用一个非线性混杂的模拟比较 OLS、Lasso 和树模型，附 Stata ddml 与 Python DoubleML 的代码，以及面板数据上要注意的地方。
-
工具变量：2SLS、弱工具变量与几种常见用法
相关性和外生性怎么论证，第一阶段该看哪个 F 值，LATE 是什么意思，以及“滞后一期当工具变量”“同行业均值当工具变量”这些做法的问题。
-
断点回归（RDD）：局部线性、带宽与操纵检验
精确断点和模糊断点各识别什么，为什么用带宽内的局部线性而不是全样本高阶多项式，rdrobust 的稳健置信区间怎么读，以及密度检验、协变量平衡、安慰剂断点这几项检验。附一个驱动变量被操纵的反例。
-
固定效应与聚类标准误：reghdfe 的几个细节
固定效应吸收了什么，reghdfe 的样本量为什么和 xtreg 不一样，标准误聚类到哪一层，聚类数很少时怎么办。附一个蒙特卡洛：不聚类时，名义 5% 的检验实际拒绝了 21.6%。
-
对数与零值：log(1+y) 不能当成百分比，以及泊松回归
因变量里有零，就取 ln(1+y)，系数当百分比读。一个模拟：同一份数据只改 y 的单位，DID 系数从 0.14 变到 0.43，而真实效应是 0.2；泊松伪极大似然（PPML）不受单位影响。附 ppmlhdfe 的用法、系数的读法和适用边界。
-
分位数回归：条件分位数、控制变量与 RIF 回归
分位数回归估计的是“条件分位数”，加了控制变量之后，它回答的就不再是同一个问题。一个随机分配的模拟：不加控制时，90% 分位数的处理效应是 1.34，加了一个控制变量变成 1.64，OLS 则始终是 1.0。附 qreg、sqreg、RIF 回归的用法和面板数据里的几个选择。