![]()
邮件：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.
![]()
社群群友（美国TOP经济系博士生，TOP经济系博后）说对学术界挺失望的。这种情绪的源头来自于她2022年撰写的一篇劳动经济学论文。这篇论文不仅在国内和美国的多所高校以及劳动经济学家学会进行了展示，还在SSRN平台上对外提供下载。2022年秋季，她将这篇论文投稿给了一经济学TOP刊，并收到了三份审稿意见：一份是正面的，一份是负面的，还有一份则持中立态度。可能由于这些反馈，她的论文最终未能被接受。在那之后，她没有选择将论文转投其他期刊，而是将全部精力投入到了自己的JMP项目中。然而，最近她注意到一篇与她的论文在观点上有所重叠的文章，不仅在数据使用、识别策略和混淆因素处理方面与她的研究挺接近，而且已经在一TOP刊上RR了。她指出，后面这篇文章在之前的版本中曾经引用过她2022年的WP论文，但在最新版本中却没有提及她的贡献。她认为，尽管那篇文章的发表并无不妥，但至少应该承认她论文的贡献，这样在她将来投稿时，审稿人就不会质疑她论文的贡献度。不过，社群中有群友说，后面那篇文章的作者在2017年的某个会议上就已经汇报过相关研究，所以不存在说先看到2022年的文章再去写自己的文章，可能真的是大家都想到了一个有点接近的idea。对此，我们无法对这一事件做出任何主观的价值判断，需要他们各自沟通才行。当然，该适当引用的还是建议引用，承认他人的贡献也比较重要。不过，这又涉及到一个现实困境，比如A想到一个idea，B也想到一个相似的idea，如果B引用了A的文章，那审稿人可能就会批B文章创新性不足。
或许这也间接表明，经济学界确实存在供给过剩的问题，导致学者们的想法可能也会不谋而合。因此，及时发表研究成果显得尤为重要，否则很难证明别人没有先于你想到类似的点子或识别策略。例如，面对相同的政策冲击X，如果你不更换一个变量Y来发表，那么别人就可能会选择更换不同的Y来发表，进而在职业发展上比你更快获得更高的收入和晋升。一个明显的例子是，将空气污染视为X，国内经济学者都在尝试从各种可能的Y角度进行研究，并在EJ、JDE、JEEM等期刊上发表文章。这些文章在数据使用、工具变量选择和识别策略上往往非常相似。类似的情况，比如数字经济或数字金融作为X，可能会对许多不同的维度Y产生影响。如果你只研究了你关心的一个维度Y，那么别人可能会研究他们关心的另一个维度Y并发表成果，所以出现了同一个X与不同的Y系列文章，其中逻辑构建、工具变量和影响机制也会非常接近。
以之前的高铁开通为例，大家都把高铁高通这个事件作为X，运用双重差分方法去研究其对不同Y的影响，例如，高铁开通对公司创新、环境污染、个体福感、股票分析师估价、土地价格、区域发展差异、城市经济效率、航空业、区域旅游业等的影响。总之，只要能想到的结果变量Y，几乎都被我们做完殆尽了，甚至很多看起来与高铁开通没有任何关系的变量都被写成了文章。这确实能够增加文章的产出——很多学者关于高铁开通的文章都有１０多篇，但这些文章的增量贡献却非常有限。抛开学界的贡献，就算看高铁开通的回归系数，很多都非常接近于０，因此其经济上的显著性也有限。又以当前大火的数字经济或数字普惠金融为例。他说，看到了太多学者以数字经济或金融作为X，研究其对不同Y的影响，例如，对企业创新、性别工资差异、家庭创业、城乡发展差距、绿色TFP、乡村振兴、就业质量、碳排放、环境污染、城市创新等的影响。保持X不变，只要不停更换Y后X的系数在统计上显著，从理论上看，一个人做几十篇同类型的文章完全不成问题。在浏览这样的研究后，我们发现其规范性都合格，但就是缺少比较好的增量贡献。那若不是以这种方式，我们应该怎样才能提升研究的增量贡献呢？他说，不是拼命去找不同的Y，相反应该去找不同的X，以增加我们对结果变量Y的解释力，最终挖掘出真正影响Y的重要变量，从而为政府政策提供更好的学术支持。比如，经济增长作为一个极为重要的结果变量Y，无论是政府还是学术界都有足够的动机去了解经济增长的决定因素X，进而为促进经济增长提供有效的政策建议。当然，上述提到的各种Y（例如，公司创新、环境污染等）本身也是非常重要的结果变量，但这里强调的是我们应该以研究Y这个结果作为关键目标，而非将X作为中心变量。
*这位群友一直非常积极地参与学术前沿的讨论，无论是普及前沿研究还是参与学术讨论，希望她能继续保持这种积极的态度，不断前进。
关于因果推断书籍，参看：1.一本最新因果推断书籍, 包括了机器学习因果推断方法, 学习主流和前沿方法，2.社会经济政策的评估计量经济学, 提供书籍和数据和程序文件，3.诺奖得主Angrist的因果推断课程文献读物单子再次更新了, 还提供了其他三门课程，4.全面且前沿的因果推断课程, 提供视频, 课件, 书籍和经典文献，5.从网页上直接复制代码的因果推断书籍出现了, 学会主流方法成效极快，6.推荐书籍"用R软件做应用因果分析", 有需要的学者可以自行下载！7.哪本因果推断书籍最好？我们给你整理好了这个书单！8.“不一样”的因果推断书籍, 很多观点让我们能恍然大悟, 涵盖了不少其他书里没有的因果推断方法！9.搞懂因果推断中内生性问题解决方法必读的书籍和文献已搜集好！10.一位“诗人”教授写了本因果推断书籍, 现在可以直接下载PDF参看！11.使用R软件学习计量经济学方法三本书籍推荐，12.机器学习与Econometrics的书籍推荐, 值得拥有的经典，13.史上最全的因果识别经典前沿书籍, 仅此一份，14.用R语言做Econometrics的书籍推荐, 值得拥有的经典，15.Stata学习的书籍和材料大放送, 以火力全开的势头，16.USA经管商博士最狂热崇拜的计量书籍震撼出炉，17.推荐使用Python语言做因果推断前沿方法的书籍,18.哈佛教授因果推断经典之作推荐！通过数据,代码和示例手把手教你！19.世界银行刚出版了“政策评估”经典书籍, 包括当前主流政策评估计量方法，20.欧盟EU出版了“数据驱动的政策评估”经典书籍, 关键还免费！
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
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，始终坚信优秀通过感染优秀而互相成就彼此。![]()
![]()
