有趣! 经济学各领域实证方法的横向比较和纵向演变, 为啥有的领域用结构估计, 但其他领域不呢?

学术   2024-12-08 00:02   江苏  

凡是搞计量经济的,都关注这个号了
邮箱:econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.

本文对1980年至2023年间的超过44,000篇经济学工作论文进行了深入分析。在阅读的过程中,发现二部分特别引人入胜:一是对经济学研究中可信度革命的横向和纵向比较,二是经济学各领域中实证研究方法的演变。

Garg, P and T Fetzer (2024), ‘DP19701 Causal Claims in Economics‘, CEPR Discussion Paper No. 19701. CEPR Press, Paris & London.

1.了解经济学研究中的可信度革命

为了分析因果推断方法在经济学研究中的演变,我们专注于研究论文中因果关系比例随时间的变化。这一指标不仅反映了经济学家在研究中越来越倾向于采用严谨的因果推断方法,也标志着“可信度革命”的兴起。

图5(a)展示了1980年至2023年间每篇论文中因果关系比例的平均值。数据显示,这一比例显著上升。1990年时,平均比例约为4.2%;到2000年,略微上升至约8.4%。然而,在随后的几十年中,增长趋势愈发明显:2010年时达到约17.1%,到2020年进一步上升至约27.8%。这一上升趋势表明,在过去三十年间,经济学论文中越来越多地采用因果推断方法来支持其研究结论。这一显著增长反映了经济学研究中对建立可信因果关系的日益重视。实证方法的普及以及对因果识别策略的高度关注推动了这一趋势,体现了“可信度革命”对经济学的深远影响。

还分析了因果关系比例在经济学不同领域中的变化。图5(b)比较了2000年前后各领域论文中因果关系比例的平均值。数据显示,大多数领域在2000年后的因果关系比例都有显著提高。

在经济学的各个领域中,城市经济学、健康经济学、发展经济学和行为经济学等领域的因果推断方法增幅最为显著。例如,城市经济学的因果关系比例从2000年前的约4.7%上升至2000年后的33.2%,成为增幅最大的领域之一。健康经济学的比例从10.1%上升至37.6%,达到所有领域中2000年后的最高水平。发展经济学的比例从4.4%提高至31.0%,而行为经济学的比例从3.6%上升至29.6%。这些领域通常研究与政策相关的问题,并能够利用自然实验或有利于因果分析的数据,因此更加广泛地采用了因果推断方法。这种趋势反映了这些领域在因果推断方法应用上的广泛性和深入性。

相比之下,某些领域的增幅较小或保持较低水平。例如,宏观经济学的因果关系比例仅从3.3%略增至8.4%,这反映出由于实验设计和识别策略方面的挑战,宏观经济学在采用因果推断方法时较为谨慎。计量经济学的比例从6.3%上升至11.0%,而金融经济学则从2.9%增长至17.0%。这些差异表明,各领域对因果推断方法的采用因研究问题的性质、数据的可获得性以及各自的方法论传统而有所不同。


2.经济研究中实证方法的演变

为了探究因果推断方法日益受到关注的趋势,我们分析了方法和领域随时间的变化。图6展示了1980年至2023年间在NBER和CEPR工作论文中主要实证方法的使用情况。结果显示,双重差分法(DiD)、工具变量(IV)、随机对照试验(RCTs)和断点回归(RDDs)等方法的使用显著增长,这反映了学科正朝着更严谨的识别策略转变。

双重差分法的使用显著增加,从1980年论文的约4%上升至近年来的15%以上。这表明双重差分法在通过政策变化和自然实验来识别因果效应方面的实用性得到了广泛认可。工具变量方法也呈现出稳定增长,从1980年的约2%上升至2023年的6%以上,这强调了其在通过外生工具解决内生性问题中的重要作用。随机对照试验的使用自2000年代初加速增长,从2000年的不到1%增长至2023年的7%以上,这反映了实验设计在经济学中日益可行且被接受。同样,断点回归的使用从1980年代接近于零增长至近年来的2%以上。这些数据表明,经济学研究方法正在向更为严谨和实证的方向发展。

相比之下,理论和非实证研究的比例显著下降,从1980年的约20%减少至2023年的不到10%。同时,模拟方法的使用也有所减少,从1980年的6%以上下降至近年来的约2%-4%。这种变化可能是由于更丰富的数据集和更复杂的实证方法的可获得性所致。

这些趋势在不同子领域中的表现并不均衡。图7展示了各领域中实证方法的分布情况。劳动经济学、公共经济学和城市经济学广泛采用了双重差分法,其中劳动经济学和公共经济学中超过12%的论文使用了该方法,而城市经济学中的比例甚至超过了16%。随机对照试验在行为经济学和发展经济学中尤为突出,分别应用于超过20%和11%的论文,这反映了实验干预在这些领域的可行性和政策相关性。这一趋势与Currie等(2020)的研究相符,该研究记录了由于大数据和先进计算技术的可用性,实证方法得到了广泛的增长。
相比之下,宏观经济学、产业组织(IO)和金融经济学更多地依赖于理论模型和模拟方法,通过观察性数据来推断因果关系。在宏观经济学中,理论方法占论文的约18%,而在金融经济学中占12%。结构估计和模拟在宏观经济学和产业组织中仍然占据重要地位,因为这些领域需要借助复杂的理论模型来理解整体现象和市场动态。

*群友可直接在社群下载全文PDF。
内生性问题的拓展性阅读 ,0.看完顶级期刊文章后, 整理了内生性处理小册子;1.“内生性” 到底是什么鬼? New Yorker告诉你;2.Heckman两步法的内生性问题(IV-Heckman);3.IV和GMM相关估计步骤,内生性、异方差性等检验方法;4.最全估计方法,解决遗漏变量偏差,内生性,混淆变量和相关问题;5.毛咕噜论文中一些有趣的工具变量!;6.非线性面板模型中内生性解决方案;7.内生性处理的秘密武器-工具变量估计;8.内生性处理方法与进展;9.内生性问题和倾向得分匹配;10.你的内生性解决方式out, ERM独领风骚;11.工具变量IV必读文章20篇, 因果识别就靠他了;12.面板数据是怎样处理内生性的;13.计量分析中的内生性问题综述;14.工具变量IV与内生性处理的解读;15.一份改变实证研究的内生性处理思维导图;16.Top期刊里不同来源内生性处理方法;17.面板数据中heckman方法和程序(xtheckman);18.控制函数法CF, 处理内生性的广义方法;19.二值选择模型内生性检验方法;20.2SRI还是2SPS, 内生性问题的二阶段CF法实现;21.内生变量的交互项如何寻工具变量;22.工具变量精辟解释, 保证你一辈子都忘不了,23.审稿人: 为啥你不展示Y对工具变量Z的简约式回归结果呢?24.Two Sample IV, 双样本二阶段工具变量回归, TS2SLS充分利用2份数据的信息,25.Stata自救行动: 高维固定效应HDFE, 弱工具变量稳健性估计, 工具变量SVAR
下面这些短链接文章属于合集,可以收藏起来阅读,不然以后都找不到了。

7年,计量经济圈近2000篇不重类计量文章,

可直接在公众号菜单栏搜索任何计量相关问题,

Econometrics Circle




数据系列空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 |  夜间灯光 官员方言  | 微观数据 | 内部数据
计量系列匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 200篇合辑 | 因果识别 | 社会网络 | 空间DID
数据处理Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |
干货系列能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 | 名家经验
计量经济圈组织了一个计量社群,有如下特征:热情互助最多前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此,建议积极进取和有强烈研习激情的中青年学者到社群交流探讨,始终坚信优秀是通过感染优秀而互相成就彼此的。

计量经济圈
凡是搞计量经济的,都关注这个号了。
 最新文章