![]()
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.
刚被TOP5刊Econometrica接收的文章“Social Media and Collective Action in China”，其主题与中国社交媒体和集体行动有关，所谓的集体行动就是诸如protests、strikes等。文章的研究范围广泛，涉及大量的数据，观测值从6-70万到100多万不等，时间跨度长，整理这些数据是一项相当艰巨的任务。其实，这不是作者在TOP5上发表相关主题文章，早在2018年就已在AER上刊发了一篇关于Media bias的文章。能收集到如此庞大规模的专业高频媒体数据，绝非易事，这通常不是一般人能够做到的。该文合作者之一的Wu教授，在大学本科毕业后不久，便加入了国内一家享有盛誉的报社（这是20多年前的事情了），担任财经记者，并荣获了多项专业奖项。这样看，Wu教授在国内媒体领域的深耕对其研究兴趣，以及研究数据的获取都功不可没。“可以观察到社会的方方面面，这是当记者最好的回报，但以新闻报导来认识社会毕竟深度有限。面对越来越多的困惑，我决定重启我的学术生涯，希望透过学术研究来认识社会，为社会问题寻找解决方案。“：Wu教授说。在攻读博士学位期间，Wu教授探索了一系列他认为重要的社会问题，涵括大众传媒的政治角色、企业内部的激励设计、以及信息技术和全球化对人才回报和收入不平等的影响等议题。回到Econometrica正文中来，其中关于中国social media、protests、strikes等内容的介绍可能存在一些不便展示的情况。因此，将重点介绍文章的实证设计部分。这里面的工作量非常庞大，包括了面板数据、固定效应、线性概率模型（LPM）、工具变量、三重差分（DDD）等方法。*下面三张图片可以带我们了解整篇文章的大概发现。鉴于其内容的敏感性，我们不对研究发现和内容做深入详细解读。
![]()
*文章整体读起来很过瘾，感兴趣的学者可以自行前往文后二维码查看，群友可以直接在社群下载参与。本文分析了新浪Weibo上的信息传播是否影响中国城市之间&&和##的扩散。研究使用了包含N个城市的每日面板数据。由于&&和##事件的统计模型相似，下面以&&为例进行说明。设![]()
为一个指示变量，表示城市i在第t天发生&&的情况。假设城市i在第t天发生&&的概率![]()
依赖于在时间t-1时，其他城市j中知晓&&事件的人数![]()
。设![]()
为城市i中通常阅读来自城市j的用户发布的微博的人数。在城市j没有&&的日子里，没有任何信息可供学习或传播。因此，城市i中了解到城市j &&事件的人数可以表示为![]()
。在假设线性叠加效应的前提下，&&微博的阅读量（从而潜在的事件传播到城市i随着以下值的增加而增加：
这是一个通过社交媒体网络传播事件的模型，使用![]()
来度量。作者使用两种城市对之间社交媒体连接的测量方法：一种是时变的，另一种是不时变的。时变的测量![]()
是城市i在前六个月内（直至第t天前一周）对城市j 用户发布的所有主题（不包括&&和##）微博的转发次数加1后取对数。本文对![]()
矩阵进行标准化，使得加权矩阵每行所有元素的平均和为1。
然后，定义：
不时变的测量![]()
则捕捉了在微博时代后期城市i和j之间的平均社交媒体连接性![]()
。因此，社交媒体于&&传播测量为：![]()
矩阵经过标准化，使得![]()
的边际变化与相同大小的![]()
边际变化相关联。因此，上述两个测量的估计系数是可比较的。
正如稍后所展示的，这两种测量方法利用了不同的变异性，从而构成了两个互补的计量经济学模型。时变测量的优势在于，它能精确地衡量每个时刻城市之间的实际社交媒体连接。因此，它利用社交媒体网络扩展的确切时间来识别影响。相比之下，时不变测量方法使我们能够更清晰地阐明识别假设，并探究由于前weibo时代城市间的相关性和情境效应而传播的现象，这些城市最终在后weibo时代建立了连接。另一个优势是，可以研究2013年之后社交媒体的影响，尽管那时我们没有weibo数据，但有大量事件被纳入本文的数据集中。在合理的假设下，即2009年至2013年间城市之间的平均转发数量是2014年至2017年间的良好代理指标。
4.1 时变连接测量
使用时变社交媒体连接测量![]()
时，估计以下模型：其中![]()
是一个二元事件虚拟变量，![]()
的定义如上，![]()
是城市j在t前两天内的事件数量。变量![]()
捕捉地理上相近城市的传播，其定义为：其中![]()
是城市i和城市j之间地理距离的倒数。模型里包括weibo渗透率 ![]()
，因为社交媒体可能直接影响&&事件的发生。实际上，![]()
是不包括与&&和##相关的帖子的人均微博发布数量的对数。需要注意的是，![]()
是通过weibo总发布量计算的，其中大部分内容涉及非敏感的个人沟通信息，因此这一数字仅受到&&和##发帖或审查的微小影响。模型中还添加了另一组控制变量![]()
，包括城市i用户的总转发数量、人口对数、GDP、第二和第三产业的占比，以及手机用户数量。还包括了自回归项![]()
，以及时间和城市的固定效应![]()
和![]()
。估计该模型的时间范围直到2013年底，此时测量指标![]()
可用。在稳健性模型中，通过添加以下交互项，允许城市对之间事件传播的任意时不变异质性![]()
：这些变量控制了![]()
和![]()
之间的任何时不变的虚假相关性（例如，由于相关或情境效应造成的）。然而，在一个非常严格的模型中添加大量N(N - 1) 控制变量可能会去除一些有用的信息。![]()
4.2时不变连接测量
在使用时不变的连接测量时，将数据划分为三个时期：时期0代表前weibo时代（2006-2009年）；时期1代表第一次后weibo时代（2010-2013年），在这一时期作者有weibo数据；时期2代表第二次后weibo时代（2014-2017年），此时作者没有weibo数据。估计的模型如下：其中变量的定义与前文相同。新的变化在于，允许![]()
、![]()
的系数以及截距在三个时期内有所不同，这种差异通过上标p表示。如附录A.1所示，上述方程可以视为一个完全饱和的三重差分DDD估计的扩展，它处理的是后微博时期信息连接城市中的（滞后）事件冲击。
现在，来讨论识别假设；更多细节见附录A.1。
![]()
因此，在控制了其他变量后，社交媒体连接的F矩阵被假设为条件外生，尤其是城市-时期的固定效应。这种计量模型允许在前微博时代，城市i的&&发生概率在连接度更高的城市中更高![]()
，而在后微博时代则有所差异![]()
。通过包含这些控制项，允许网络对城市i在每个时期的平均&&概率产生内生影响。例如，网络中更中心的城市可能更容易发生&&。
值得注意的是，虚假相关性可能由与网络相关的未观察到的冲击引起，这些冲击可能源自内生的排序过程或共同的环境因素。这涉及到相关效应的问题。此外，这些相关性也可能由连接城市之间的特征所驱动，这就构成了情境效应的问题。为了解决这些问题，假设在城市i中，在最终通过微博连接的城市j中发生&&之后，无论是否存在微博的传播，&&的发生概率都会提高。具体来说，通过估计![]()
来衡量前微博时期的相关性和情境效应，并在估计后微博时期的网络效应时将其排除。
此时，关注的参数是![]()
，它捕捉了社交媒体网络对事件传播的影响。如果在后微博时期，&&在连接城市间的传播增幅大于在非连接城市间，那么该参数将为正值。识别该参数依赖于一个平行趋势的假设：在没有社交媒体网络扩展的情况下，城市j中有&&和没有&&的日子的结果差异，在连接和非连接城市之间将保持相同的趋势。虽然这样的识别假设无法直接验证，但可以通过在前微博时期以半年为频率分别估计![]()
的系数来检验前期趋势。![]()
4.3 计量经济学问题
在分析中，除了前面讨论的相关性和情境效应之外，还面临几个计量经济学方面的挑战。
首先，如果城市i的事件同时影响城市j的事件，而城市j的事件又反过来影响城市i的事件，就会形成一种循环因果（或称为同时性）问题。在典型的截面网络分析中，由于所有事件都是同时发生的，这个问题更为严重。然而，在面板数据设置中，这种情况相对较轻，因为一些事件的发生有先有后。此外，可以以日为单位测量&&冲击，并确定事件的时间顺序。尽管如此，在测量事件日期时可能会出错，导致时间顺序的分配不准确。这种测量误差可能会导致估计结果出现偏误。根据设计，我们的模型不捕捉同一天内的事件传播。考虑到组织抗议活动需要时间，同一天内的事件传播可能相对有限。在这种情况下，本文的估计将捕捉到总的“简约形式”效应，包括可能在同一天内发生的传播。
其次，逻辑回归和Probit模型在处理稀有事件数据时容易出现偏误，并且在包含大量固定效应的面板数据中表现不佳。因此，选择估计线性概率模型LPM，该模型能够避免这些问题的影响。
第三，检验了估计过程的稳定性，具体方法如附录A.2.1所述。
第四，一致性要求误差项中不能存在序列自相关。在一阶差分残差中检验了序列自相关。
第五，方程（1）中的误差项可能在时间和空间单位之间存在相关性。通过双向聚类（时间和空间维度）来解决这个问题。
最后，模型包括地点固定效应和滞后因变量。通常，这类模型中的估计结果是不一致的，当时间固定效应被包含在模型中时，可能会导致所谓的“Nickell偏误”。在我们的模型中，由于时间周期T较大，这种偏误可能较小。通过蒙特卡罗模拟，在附录A.2.2中展示了这种偏误确实微乎其微。允许时不变异质性的计量模型可能面临的另一个潜在问题是，使用的自相关检验可能不太合适；详见附录A.2.2的详细讨论。![]()
*群友可直接在社群下载ECM全文PDF。
Reference: Qin, Stromberg, & Wu, 2024, Social Media and Collective Action in China, Econometrica , Conditional Accepted.
关于数据，参看：1.这40多个微观调查数据库, 你值得拥有, 发文章就靠它们了！2.2000-2018年中国地级市PM2.5数据更新, 可直接下载使用！3.2018年共计8年的投入产出表数据公布, 诺奖成果对经济系统做一些深入分析！4.2020年度中国流动人口动态监测调查数据CMDS共享开放通知！5.CGSS2017年的家户调查数据正式发布, 可以下载以最快速度发表论文！6.数据发布, CHARLS第四期(2018)全国追访数据正式公开发布！7.使用CEPS, CHARLS, CGSS, CLHLS数据库实证研究的精选文章专辑！8.疫情期CEIC数据库操作指南，9.疫情期EPS数据库向全社会免费开放！附细致使用指南！10.疫情期间CSMAR数据库使用指南！金融财务管理必备数据库！11.使用CFPS, CHFS, CHNS数据实证研究的精选文章专辑！12.清华北大经管社科数据库有哪些? 不要羡慕嫉妒恨！13.金融领域三大中文数据库, CSMAR, CCER, Wind和CNRDS，14.数据| 2017中国家庭金融调查数据CHFS发布，15.经济学研究常用中国微观数据手册，16.WIOD数据库的示例性使用说明, 以全球汽车行业为例，17.徐现祥团队:中国方言,官员, 行政审批和省长数据库开放，18.中国省/地级市夜间灯光数据release, 1992-2013的面板数据，19.中国经济社会微观数据还能挖吗? 20.工企数据与海关数据库合并方法，21.中国工企数据库各年份指标解释, 面板数据构建地基，22.中国所有地级市各类空间权重矩阵数据release，23.中国省级三大空间权重矩阵(相邻, 距离和经济)数据release，24.中国工业企业数据库匹配160大步骤的完整程序和相应数据，25.夜间灯光数据校对的一些成熟方法推荐，26.2005-2015中国分省分行业CO2数据circulation，27.中国家谱族谱数据库对外开放，28.CFPS和CHARLS数据库分析技巧大指南，29.全面的区域科学研究数据获取途径汇总，30.史上最全社会科学数据库, 唯一的一份，31.史上最全心理学开放数据, 为行为经济学开路，32.如何正确使用政府统计数据？33.经济社科数据库汇总，见过最全的Database，34.你想要的微观调查数据都在这里，要用好数据从这里开始，35.CHARLS数据的前世今生（附8个大型数据库），36.中国县域数字乡村指数数据库申请开放, 提供指标及解释和申请表！37.中国县域统计年鉴, 人口与就业统计年鉴1998-2019面板数据开放！38.中国各地级市坡度和经纬度数据正式开放！39.推荐"数字普惠金融指数", 省市县三级面板数据可做很多实证研究，40.工企数据与海关数据库合并方法，41.中国各省份和地级市地形起伏度数据正式开放！42.数据库分享: 青少年健康主题数据库, 可免费申请使用，43.据说这是上百份稀缺数据, 但还是需要谨慎使用才行，44.CFPS 2020, CHFS 2019数据都公布了! 最新数据用起来做研究！45.公开! 中国企业的不确定性感知指数数据(2007-2018)
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，始终坚信优秀是通过感染优秀而互相成就彼此的。
