笔记
按建议的阅读顺序排列。方法类的笔记会随学随改，改过的会标出更新日期。
-
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。
-
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%。