89# Anonymous
我同意。
补充下微观部分。前面一个会员提到了reduced form中变量内生性问题,这一部分国内不是没有人做,一般上点档次的论文都要处理,问题在于如何处理?
好的工具变量非常难找,一个“通解”的方法是用内生性变量的滞后期做IV。
与楼上会员(尽管知道id,既然匿名,那就不报id了,呵呵)的看法一致,这在技术上完全可以规避“批评”。
第一,滞后几期IV才起到效果?没有定论,具体问题具体操作。你放滞后三期显著了,就不会用滞后四期,审稿人不可能去查。问题在于,没有合理的理论(针对具体问题)解释到底应该用滞后几期。
第二,overidentification的问题。这很第一个问题有关系,有些时候2SLS的系数显著了,但Sargan检验通不过。然后,一些“不负责任”的研究者就所以调整,以保证Sargan检验能通过。
第三,weak IV(弱工具变量)问题。在很多时候,显著性、Sargan检验和KP weak IV检验同时能通过的模型非常有限。一般能做第一和第二步检验的已然不易,很多人把Weak IV的检验就“省略”了。
第四,Robustness check。 肯定是怎么有利于“规避风险”怎么做。大家平心想想,能通过上面三个检验就像考上中国那几所名校一样难,好不容易又考研成功,如今要申请博士了,谁希望功亏一篑呢?这时候,当然如何省事如何安全,就如何做。Robustness check并没有明确规定必须如何检验,研究者可以去除极端值(比如最前的5%,或者最后的5%),也可以加减变量(但加谁减谁,还是有自主权的)
我的师傅有句话:我们应该以严格的标准来批判自己的模型和结果,并且立足于驳倒它。只有当Identification(识别)被反复攻击和批判之后,我们才能有自信认为,我们做对了第一步,且是最重要的一步。然后经过严格的检验和再次批判,我们才能相信自己的结果基本“靠谱”(make sense)。最后,要从逻辑上证明自己做的模型确实在解释论文提出的问题,并且这样的test是有趣和有必要的。
关于这一点,恐怕很多人在经历数据整理,模型测试之后,都难以下狠心做到。事实上,我们视结果为自己的孩子,都不忍心批评他或者抛弃他。可正因如此,国内目前的实证(大部分)还处于自娱自乐或者不靠谱的程度——也极大地挫伤了年轻学者和研究生从事学术的积极性。


雷达卡
京公网安备 11010802022788号







