三重差分--碳减排政策的真实效应:财务约束与溢出效应

文摘   教育   2024-11-04 22:00   中国  

👇 连享会 · 推文导航 | www.lianxh.cn

🍓 课程推荐:2024 机器学习与因果推断专题
主讲老师:司继春 (上海对外经贸大学) ;张宏亮(浙江大学)
课程时间:2024 年 11 月 9-10 日 ;16-17日
课程咨询:王老师 18903405450(微信)

 课程特色 · 2024机器学习与因果推断

  • 懂原理、会应用。本次课程邀请了两位老师合作讲授,目的在于最大限度地实现理论与应用的有机结合。为期四天的课程,分成两个部分:第一部分讲解常用的机器学习算法和适用条件,以及文本分析和大语言模型;第二部分通过精讲 4-6 篇发表于 Top 期刊的论文,帮助大家理解各类机器学习算法的应用场景,以及它们与传统因果推断方法的巧妙结合。
  • 以 Top 期刊论文为范例。目前多数人的困惑是不清楚如何将传统因果推断方法与机器学习结合起来。事实上,即便是 MIT 和 Harvard 的大牛们也都在「摸着石头过河」。为此,通过论文精讲和复现来学习这部分内容或许是目前最有效的方式了。张宏亮老师此前在浙江大学按照这一模式教授了「因果推断和机器学习」课程,效果甚佳:学生们能够逐渐建立起研究设计的理念,并在构造识别策略时适当地嵌入机器学习方法。

作者:叶颖琛 (中山大学)
邮箱:947142460@qq.com

编者按:本文主要整理自下文,特此致谢!
Source:Bartram, S. M., K. Hou, S. Kim, 2022, Real effects of climate policy: Financial constraints and spillovers. Journal of Financial Economics, 143 (2): 668-696. -Link- -PDF-

温馨提示: 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码,直达原文:


目录

  • 1. 内容简介

  • 2. 研究背景

  • 3. 数据预处理与变量定义

    • 3.1 理论分析

    • 3.2 数据来源与描述

    • 3.3 变量和描述性统计

  • 4. 实证模型及实证结果

    • 4.1 模型设定

    • 4.2 实证结果

    • 4.3 实证结果检验

  • 5. 进一步思考

    • 5.1 资金约束影响排放量再分配的经济机制

    • 5.2 限额与交易规则的其他影响

    • 5.3 再分配 vs 遵守规则

    • 5.4 增长前景的干扰

    • 5.5 限额交易政策的整体效果

  • 6. 结论

  • 7. 相关推文



1. 内容简介

为应对气候变化的潜在风险,各国政府推行各种法规以遏制温室气体的排放。但政策是否真的有效?

本文基于 2013 年加利福尼亚实施的「限额与交易计划」的背景,通过使用三重 DID,探究环保政策通过资金约束所产生的溢出效应,即政策能否有效影响企业行为。作者假设,财务受限的公司为应对更高的监管成本 (如税收的大幅增加),会减少在加州的污染排放,但会增加位于其它州的不受政策管制的同类工厂中的排放量。即政策并未带来温室气体排放的减少,而是使企业对总排放量进行再分配。

研究结果表明:面临资金约束的公司,将其污染排放和产出从加利福尼亚转移到位于其它州的不受管制的同类工厂中,最终导致受约束公司的总排放量增加 21%,不受约束的公司不做出这样的调整。因此,限额与交易计划可能导致公司进行监管套利,从而削弱政策的有效性。

2. 研究背景

2013 年,California Air Resources Board 开始在全州范围内实施碳限额与交易规则,该规则涵盖了所有每年二氧化碳排放量在 25000t 以上的发电厂和工厂。规定如下:

  • 每家企业的排放限额通过免费配额、季度拍卖和市场交易组成;
  • 排放超过免费配额的企业必须通过在拍卖中投标或通过市场交易购买额外排放额度。

限额与交易规则的引入,导致企业的成本增加,造成了一定程度的资金约束。基于该政策背景,作者认为加州限额交易规则将通过对企业的资金约束影响温室气体的排放。

3. 数据预处理与变量定义

3.1 理论分析

根据利润最大化原则,在不受资金约束时,企业会将资源分配到 NPV 0 的项目。若受资金约束时,企业会衡量投入与 NPV,从而将资源配置到有限的项目。由于碳限额与交易规则仅在加州进行区域监管,因此作者认为该政策将激励资金受限的公司重新分配资源。

进一步以图形阐明,已知在利润最大化时,企业的 MR (边际收益) = MC (边际成本),当碳限额与交易规则实施后,将使得生产成本增加,成本函数 将上移到 ,从而使得净收益由区域 下降到区域 。对于不受资金约束的公司而言,由于净收益仍是正的,即使成本较高,公司仍会进行排放。但对于资金受限的公司,最优点 并不一定被选择,因为净收益比在其他州排放的要小 (区域 )。

因此,当政策导致排放成本上升时,资金受限的公司进行内部再分配将使得资源配置更优。

3.2 数据来源与描述

本文采用的数据来源于 the United States Environment Protection Agency (EPA) 在 2010-2015 年所发布的温室气体排放的强制性报告,包括身份、地理位置、母公司、行业代码和温室气体年排放量等信息。

基于本文主要探究资金约束对企业的影响,因此作者仅将拥有正的资产和超过 1000 万美元销售额的企业纳入样本。同时为防止其他因素的干扰,本文还排除了公用事业企业和政府企业。最终本文的数据集为 511 家公司的 2806 家工厂组成的面板数据。

此外,本文还通过 Compustat data 和 National Establishment Time Series (NETS) 获得企业总资产、托宾q等财务信息和销售、就业数据。

对于资金约束的衡量,作者将 Kaplan-Zingales 指数、Hadlock and Pierce 指数、Whited and Wu 指数、公司规模、支出和信用评级等 6 个指标合并为一个综合指标,作为资金约束的代理变量。

3.3 变量和描述性统计

变量类型变量符号变量定义
企业层面Carbon Emission企业总温室气体排放量

Total assets公司总资产 (单位:十亿)

Firm age企业成立时间与政策观察时间的差异

Short-term debt短期债务 / 总资产

Long-term debt长期债务 / 总资产

Total debt总债务 / 总资产

Cash现金和短期投资 / 总资产

Cash Flow折旧前营业收入 / 总资产

Payout ratio(现金股利+回归) / 扣除非经常性损益前的净利润

Tobin's q市值 / 账面价值

Profitability资产回报率 (ROA)

R&D研发费用 / 销售额

R&D stock使用永续盘存制且折旧率为 15% 进行研发费用的计算

PP&E(不动产+产房+设备) / 总资产

Capital expenditures资本支出 / 总资产

Rated(long-term)虚拟变量,表示企业有无长期债务的信用评级

Rated(short-term)虚拟变量,表示企业有无短期债务的信用评级

DivFirm | CA plant表示公司在加州有工厂并进行在其他州布局工厂

Number of plants owned by a firm公司在加州和其他州拥有的工厂数量
工厂层面Carbon emissions工厂的温室气体排放量

Excess Capacity以每百万美元销售额的工人数衡量过剩产能

Sales销售额 (单位:十亿)

Employment表示工厂的就业情况

变量的描述性统计如下表所示。其中,Panel A 反映了样本在公司层面的特征。财务受限的公司占所有公司的 63%,财务受限的公司通常规模更小、建设时长短、杠杆率高、现金少、盈利能力较弱,但由于规模较小,受约束的公司在温室气体的排放平均上更少。

Panel B 反映公司在工厂层面的特征。其中,财务受限的公司的工厂温室气体排放量、过剩产能更多,说明财务受限的公司并未有效利用产能,在限额与交易规则施行后更有动机去将资源调整到产能过剩的低成本生产地点。

4. 实证模型及实证结果

4.1 模型设定

基于上述的理论分析,作者假设加州的限额交易规则将激励资金受限的公司重新分配排放权。为检验这一假设,本文采用双重差分法进行检验。

首先,为判断双重差分法是否可行,则需判断是否满足平行趋势假设,即在政策施行前,财务受限的公司与财务不受限的公司温室气体排放趋势是平行的,无其他混杂事件影响。

由 Panel A 可知,在 2013 年政策施行前,财务受限和非受限公司的加州和其他州工厂的排放量总体趋势是平行的,但在 2013 年后,非财务受限公司的排放量几乎没有变化,而财务受限的公司在其他州的工厂的排放量大幅增加。

首先,为探究该政策是否导致加州和非加州工厂进行排放量调整,本文构造以下的模型:


其中,

  • 表示处于行业 的企业 的工厂 所排放的
  • 是指工厂是否处于加州,若在加州,则取 1,否则为 0;
  • 是指当前年份在 2013 年前或年后,若在 2013 年及之后,则取 1,否则取 0;
  • 是企业层面的控制变量,包括除面积外的一系列反应房屋和社区特征的变量;
  • 指工厂的固定效应;
  • 指行业的固定效应。

进一步,为探究该政策是否导致同一公司位于其他州的工厂排放量受到影响,且是否由于企业在加州拥有工厂从而导致调整,本文设定以下模型探究政策溢出效应:


其中, 是指企业是否在加州和其他州均拥有工厂。

最后,为探究资金约束是否会影响政策的有效性和溢出效应,本文将财务受限的公司视为 处理组,非财务受限的公司作为 对照组,构建三重差分模型:


其中, 是指企业是否财务受限。

4.2 实证结果

实证结果表明,限额与交易规则的作用和溢出效应主要是通过资金约束影响企业行为,造成财务受限企业在加州工厂排放量的减少,但也同时导致其重新配置,增加非加州工厂的排放量。

4.2.1 政策的有效性

首先针对政策是否有效,即探究政策施行后公司工厂加州工厂排放量的变化情况,作者基于模型 (1) 和 (3) 进行 DID 回归,结果如下表所示。

其中,

  • 列 (1)-(2) 表示不区分财务约束结果;
  • 列 (3)-(6) 表示基于财务约束条件的子样本结果,其中 Const. 表示财务受限,Unconst. 表示非财务受限;
  • 列 (7) 报告了财务约束条件对该政策的影响结果;
  • 控制变量包括公司规模、托宾q、ROA、总债务、研发资本存量等。

首先,针对加州限额与交易规则对企业排放量的调整,关键系数为交叉项 的系数,其反映了引入该政策对企业加州工厂相对于非加州工厂的排放量的影响。由Panel A 列 (1)-(2) 可知,该系数在 1% 的水平上显著为负,表明在该政策施行后,相比非加州工厂,加州工厂的排放量的减少量多 15% (列 (2) 中交叉项系数为 -0.151)。

其次,进一步考虑资金约束对于企业排放量的调整是否有所不同,作者首先将样本分为财务受限和非财务受限公司,研究政策引入对排放量的影响。从列 (3)-(6) 可知,无论是仅控制工厂和时间的固定效应 (列 (3)-(4)),还是进一步控制行业固定效应 (列 (5)-(6)),财务受限的公司对于加州工厂排放量减少更多,其中如列 (5) 所示,财务受限的公司减少加州工厂的排放量比非加州工厂多 28%,且在 1% 的水平显著。

而在列 (7),同样为探究资金约束对企业排放量的影响,但此时并不单独研究子样本,而是基于模型 (3) 进行三重 DID 回归分析,此时关键系数为交叉项 的参数,表示财务约束对于政策施行后企业对加州工厂相对于非加州工厂的排放量的影响。由Panel A 列 (7) 所示,财务受限公司加州工厂的排放量比非加州工厂少 39% ,且在 1% 的水平显著。而 的系数很小,且不显著,说明加州工厂与非加州工厂排放量的调整与财务是否受限显著相关。

4.2.2 政策的溢出效应

同时,作者还探究交易与限额规则对于非加州工厂的影响 (溢出效应),基于模型 (2) 和 (4) 进行 DID 回归,结果如下表所示。

本表表示有多元化布局的企业 (即既有加州工厂,又有非加州工厂) 与未进行多元化布局的企业非加州工厂排放量的区别。其中,

  • 列 (1)-(2) 表示不区分财务约束结果,列 (3)-(6) 表示基于财务约束条件的子样本结果,其中 Const. 表示财务受限,Unconst. 表示非财务受限,列 (7) 报告了财务约束条件对该政策的影响结果;
  • 控制变量包括公司规模、托宾q、ROA、总债务、研发资本存量等。

由列 (1)-(2) 可知,政策导致多元化公司的非加州工厂排放量相比非多元化公司多 14%。而在考虑财务约束的影响后,由列 (3)-(6) 可知,财务受限的企业将显著增加非加州工厂的排放量,而对于财务不受限的公司排放量的调整并不显著,与列 (7) 结果相似。

4.3 实证结果检验

为保证结果稳健,本文替换财务约束的测量方式 (替换自变量法)、扩大样本 (改变样本容量法)、以工厂销售额或所有权作为因变量 (替换因变量法) 以及安慰剂检验进行检验,检验结果由下表所示。

其中,

  • Panel A 表示对政策有效性结果的检验,Panel B 表示对政策溢出效应的检验。
  • 列 (1) 表示原本采用六个指标构造财务约束的综合指标的结果,列 (2)-(7) 表示使用单一指标作为衡量财务约束的结果,列 (9) 表示采用包含公用事业公司的企业,列 (10)-(11) 表示以工厂销售额或所用权作为因变量,列 (12)-(13) 表示安慰剂检验结果,分别以德克萨斯州和路易斯安那州作为替代的安慰剂州。

由 Panel A 和 Panel B 的结果可得,安慰剂检验的结果表明排放量的变化是由于限额与交易规则实施引起,而非其他干扰事件。由列 (1)-(11) 可得,由于 的系数几乎均显著,而 的系数几乎不显著,说明政策导致公司工厂排放量调整是由于财务约束引起。因此,财务受限的工厂相对减少在加州工厂的排放量,而增加在其他地方的排放量。

5. 进一步思考

5.1 资金约束影响排放量再分配的经济机制

为探究什么因素对财务受限企业工厂的排放量再分配有影响,作者从不同工厂的功能、过剩产能进行分析。

5.1.1 工厂在供应链的经济作用

首先,本文研究了工厂在企业的组织结构或供应链所发挥的作用对财务受限企业排放量再分配的影响。作者根据同一公司所拥有的工厂之间的联系将其分为横向联系、纵向联系或不相关。其中横向联系的工厂认为生产功能相似,而纵向联系或不相关的工厂则被认为有不同功能。利用模型( 3) 对不同子样本进行估计,结果如下表所示。

由 Panel A 可知,财务受限的公司中,加州工厂相比于与该加州工厂有横向联系的非加州工厂减少的排放量更多 (系数为 -0.359 ,且在 1% 的水平显著),而相比于与该加州工厂有纵向联系的非加州工厂减少的排放量没有这么多 (系数为 -0.154 ,且仅在 10% 的水平显著)。列 (3)-(8) 同样支持这一结论。

由 Panel B 可得,对于在加州没有工厂的公司但以相同方式联系的其他工厂相比,与加州工厂有横向联系的财务受限公司的非加州工厂的排放量显著增加 (系数为 0.332 ,且在 5% 的水平显著),但纵向联系或不相关的非加州工厂排放量增加不明显 (系数为 0.073,且不显著)。列 (3)-(8) 同样支持这一结论。

综上,财务受限公司是通过将排放量转移到与原工厂生产功能相似的工厂来调整排放量。

5.1.2 财务受限与过剩产能的关系

财务受限的公司资源有限,为选择带来最大盈利的项目,它们更有可能在经济状况良好时积累过剩产能,而不受约束的企业可能仅保持现有产能,因为它们并不需要在可选项目中选择。因此作者假设拥有过剩产能的工厂将会使企业重新分配其排放。

可以看出,相比于高产能非加州工厂,财务受限企业将会显著减少加州工厂的排放量 (系数为 -0.457,且在 1% 的水平显著),但相比于低产能非加州工厂,加州工厂排放量变化不明显 (系数为 -0.021 ,且不显著)。同时,与不受影响公司的非加州工厂相比,受政策影响且财务受限的公司在拥有高的过剩产能时将显著增加非加州工厂的排放量 (系数为 0.409,且在 5% 的水平显著),在拥有低过剩产能时则增加不明显 (系数为 0.137,且不显著)。

5.2 限额与交易规则的其他影响

进一步,为探究限额与交易规则对除碳排放量以外其他方面的影响,作者构造类似于模型 (3) 和模型 (4) 的回归模型,但使用碳效率、产量、就业和过剩产能作为因变量。估计结果如下表所示。

由 Panel A 可知,在政策施行后,并没有导致财务受限公司的加州工厂碳效率显著提升,也没有使得加州工厂产能显著下降,但会显著导致加州工厂相比于非加州工厂的销售量、就业情况显著下降。由Panel B 可知,财务受限的公司的非加州工厂虽然碳效率下降 (不显著),但并不是因为生产效率提高,而是因为销售额的增长幅度大于排放量的增长幅度,即实际是企业通过将生产活动转移至非加州工厂而导致碳效率下降。同时,政策施行后导致财务受限公司的非加州工厂过剩产能显著下降。

综上,限额与交易政策导致企业将生产转移至非加州工厂,但这并不使得碳效率能够得到提升,同时还导致加州就业率下降。

5.3 再分配 vs 遵守规则

财务受限公司选择再分配来避免限额与交易规则带来的监管成本增加,但再分配同样也存在成本,因此作者探究与加州的距离、各州环保法规严格程度、公司研发和资本支出等因素对再分配成本的影响,从而如何影响企业重分配的规模。

Panel A 表示在不同因素导致的再分配成本下,财务受限公司的加州工厂相对于非加州工厂排放量的变化。Panel B 表示在不同因素导致的再分配成本下,财务受限公司的非加州工厂相对于非受限公司排放量的变化。其中,

  • 列 (1)-(2) 是探究工厂与加州距离的影响,其中 定义为与加州相邻的三个州以内;
  • 列 (3)-(6) 是探究各州环境法规严格程度的影响,是根据 Pacific Research Institute(PRI) 公布的能源法规指数或 2005 年 Census Pollution Abatement Costs & Expenditures(PACE) 调查排名来衡量,其中 定义为该州的环保法规十分严格;
  • 列 (7)-(10) 是探究研发资本的影响,其中列 (7) 和 (8) 公司是事前异常的研发支出,计算方法为:
  • 列 (9) 和 (10) 则使用行业层面的研发支出。

根据列 (1)-(2) 可知,无论与加州的距离远亦或是近,均导致财务受限公司加州工厂排放量增加,且距离越近,影响越显著,但对于非加州工厂,只有距离加州较近的工厂排放量才会显著增加 (系数为 0.551 ,且在 5% 的水平显著),因为此时重分配成本较低;根据列 (3)-(6),重分配到环境法规低的非加州工厂排放量将显著增加,政策的溢出效应十分显著(系数为 0.467 ,且在 5% 的水平显著);根据列 (7)-(10),事前异常投资投资较少的公司加州工厂的排放量显著减少,非加州工厂排放量显著增加,说明事前异常投资投资较少的公司更有可能导致重分配。

5.4 增长前景的干扰

企业的增长前景可能会对政策效果造成干扰,即企业转移生产资源并不是受加州限额与交易政策的影响,而是由于其他州的经济增速比加州快,因此财务受限的公司将资源转移至更有前景的州。为排除增长前景的干扰,作者控制其影响,探究排放量的转移是否由政策导致。针对增长机会的衡量,作者采用州的年 GDP 增长率、在该行业的公司托宾 q 的中位数 (反映投资机会) 等指标。结果如下表所示。

根据州 GDP,加州在引入碳交易规则后是经济增速最快的州之一,经济增长显著快于其他州,而根据托宾q,其他州的投资机会比加州更好。因此作者推断,虽然加州能给企业带来较高的增速,但财务受限的企业难以在监管成本增加时很好利用这些机会,因此将有较大的动力去转移生产。Panel B 的结果也证实这一结论,财务受限的加州工厂相比于非加州工厂排放量将减少 36.4%,而非加州工厂相比其他不受影响的公司的排放量将增加 30.5%。

综上,财务受限企业的资源转移是由于加州限额与交易规则所引起,而不是受不同州的发展前景影响。

5.5 限额交易政策的整体效果

5.5.1 限额交易政策在公司层面的影响

上述的结果均基于工厂层面,同时上述结果表明该政策不一定能够使温室气体排放量减少,反而由于激励财务受限企业对排放量进行再分配从而造成排放量增加。因此为检验该政策的总体效果,作者在公司层面探究财务约束对政策效果的影响以及对运营效率的影响。

基本模型设定如下。对运营效率的影响即将因变量替换为 ROA 和托宾 q 即可。

由上表可知,在政策施行后,并没有显著导致温室气体排放量减少 (系数为 -0.084 ,且不显著),但财务受限的公司总排放量显著增加。同时由于财务受限公司在运营效率上没有明显提升,说明碳排放量的变化与生产效率无关。因此,政策并不能导致企业减少整体的温室气体排放,财务受限企业会通过再调整增加总排放量。

5.5.2 限额交易政策在宏观层面的影响

进一步,作者考虑该政策对宏观经济环境是否有影响,即该政策对就业率和实际 GDP 的影响。作者认为,加州的碳交易政策将会相对降低加州受影响行业 (“污染行业”) 的就业率和经济活动,但其他行业的增长可能可以弥补“污染行业”的经济萎缩。因此,本文构造下述模型进行回归。


其中,

  • 是指
  • Emission sector 和 Non-emission sector 是根据行业代码 NAICS 进行分类,本文将所有拥有温室气体排放的 BEA 行业归为“排放部门”,将剩余所有行业归为“非排放部门”;
  • 表示该州是否为加州。

由上表可知,在政策施行后,导致加州排放部门相对于其他州的就业率显著下降,而非排放部门就业率和 GDP 均上升。而再纳入对监管严格度的考虑后,与低管制州相比,加州排放部门的就业率显著下降,非排放部门的就业率和 GDP 小幅上升;而与高管制州相比,加州排放部门就业率下降,但没有相比于低管制州显著,非排放部门就业率小幅上升。

因此,在监管较少的州,公司内部将会进行不同州的工厂之间的生产转移。

6. 结论

本文阐明了财务受限的公司在监管成本上升导致不同工厂的净收益发生变化时,公司会选择重新分配生产资源。其中公司主要选择与加州工厂具有横向联系且拥有较高的过剩产能的非加州工厂进行分配,但这种分配并不是由生产效率所驱动。最终在这种企业内部重新分配调整的策略下,限额与交易政策并没有使得企业减少总排放量,甚至受限企业还增加了公司的总排放量,使得环保政策不及预期。

7. 相关推文

Note:产生如下推文列表的 Stata 命令为:
lianxh DID 双重, m
安装最新版 lianxh 命令:
ssc install lianxh, replace

  • 专题:倍分法DID
    • DID最新进展:异质性处理条件下的双向固定效应DID估计量 (TWFEDD)
    • Stata:空间双重差分模型(Spatial DID)-xsmle
    • 如何在R语言中实现多期DID
    • Stata:平行趋势不满足?主成分DID来帮你!- pcdid
    • Stata:DID入门教程
    • 倍分法:交错DID与Stata操作
    • Stata倍分法新趋势:did2s-两阶段双重差分模型
    • DID陷阱解析-L111
    • DIDM:多期多个体倍分法-did_multiplegt
    • 面板PSM+DID如何做匹配?
    • 倍分法:DID是否需要随机分组?
    • Fuzzy DID:模糊倍分法
    • DID:仅有几个实验组样本的倍分法 (双重差分)
    • 考虑溢出效应的倍分法:spillover-robust DID
    • tfdiff:多期DID的估计及图示
    • 倍分法DID:一组参考文献
    • Stata:双重差分的固定效应模型-(DID)
    • 倍分法(DID)的标准误:不能忽略空间相关性
    • Stata:三重差分 DDD 模型简介
    • 多期DID之安慰剂检验、平行趋势检验
    • DID边际分析:让政策评价结果更加丰满
    • Big Bad Banks:多期 DID 经典论文介绍
    • 多期DID:平行趋势检验图示
    • Stata:三重差分模型简介


🍓 课程推荐:2024 机器学习与因果推断专题
主讲老师:司继春 (上海对外经贸大学) ;张宏亮(浙江大学)
课程时间:2024 年 11 月 9-10 日 ;16-17日
课程咨询:王老师 18903405450(微信)

尊敬的老师 / 亲爱的同学们:

连享会致力于不断优化和丰富课程内容,以确保每位学员都能获得最有价值的学习体验。为了更精准地满足您的学习需求,我们诚挚地邀请您参与到我们的课程规划中来。请您在下面的问卷中,分享您 感兴趣的学习主题或您希望深入了解的知识领域 。您的每一条建议都是我们宝贵的资源,将直接影响到我们课程的改进和创新。我们期待您的反馈,因为您的参与和支持是我们不断前进的动力。感谢您抽出宝贵时间,与我们共同塑造更加精彩的学习旅程!https://www.wjx.cn/vm/YgPfdsJ.aspx# 再次感谢大家宝贵的意见!

New! Stata 搜索神器:lianxh 和 songbl  GIF 动图介绍
搜: 推文、数据分享、期刊论文、重现代码 ……
👉 安装:
  . ssc install lianxh
  . ssc install songbl
👉  使用:
  . lianxh DID 倍分法
  . songbl all

🍏 关于我们

  • 连享会 ( www.lianxh.cn,推文列表) 由中山大学连玉君老师团队创办,定期分享实证分析经验。
  • 直通车: 👉【百度一下: 连享会】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。

连享会
连玉君老师团队分享,主页:lianxh.cn。白话计量,代码实操;学术路上,与君同行。
 最新文章