先发制人难以捉摸的长期影响：内部和跨

然而，这一积极的、潜在的重要影响并没有转化为更高的大学毕业率或更高的成年收入。23[在此插入图4]对学龄结果的领先影响对学龄结果的领先影响能否解释上述成人结果的队列差异？例如，对于Deming的队列来说，领先对成就的影响通常是积极的，但对于补充队列来说是消极的吗？虽然完整的计量经济学中介分析（如Heckman&Pinto，2015）不是本文的重点，但学龄期结果可能被视为影响成年期结果的潜在中介因素（如认知或非认知输入）。因此，对这些早期结果的初期影响进行估计可以为后续影响模式的基础过程提供信息。24如图5所示，来自Deming（2009）的估计与我们复制的Deming（2009）的估计是一致的。对于补体队列，对学龄期结果的影响模式反映了对成年期结果的影响：它们的方向相反。非测试指数（-0.15 SD；SE=0.08）也是如此，在5%的水平上，领先对学习障碍诊断指标（反向标度；-0.04 SD）的影响具有统计学意义。这与行为问题指数（反向标度；-0.07 SD；SE=0.05）中记录的不良影响一致。

然而，我们无法检测到对“成绩保持率”的任何领先影响（而对于Deming的队列来说，成绩保持率的影响在7个百分点以下，在10%的水平上显著）。25关于认知测试指数，Deming队列（0.11 SD；SE=0.06）的领先优势所产生的相对持续的收益没有反映补体队列的收益（-0.02；SE=0.06），而这两个估计值之间的相等性不能被拒绝（p=0.24）。图5中考虑的认知测试和行为问题指数得分为从5岁到14岁测量的所有相应指数得分的总体平均值。我们还考虑了5-6岁年龄段；7-10; 和11-14（见在线附录，表S14-15）。在各年龄组和队列中，对BPI指数的起始影响是稳定的，与5-14岁的平均值具有相似的程度。[在此插入图5]Deming（2009）报告称，在11-14岁时，起步对认知测试指数的影响有所减弱：从5-6岁时估计的0.15 SD（SE=0.09）下降到0.06 SD（SE=0.06）。相反，对于补体队列，在7-10岁年龄段（0.03 SD；SE=0.06）时，从一个小但积极的估计值（0.06 SD；SE=0.07）逐渐消失的速度可能更快：对于这个年龄组（0.13 SD，SE=0.06），与Deming队列的影响差异具有边际显著性（p=0.12）。在11-14岁年龄段，补体队列估计以-0.05 SD（SE=0.07）结束。最后，组合队列样本面临与补体队列相似的趋势；总的来说，对于后来的领先队列，影响在早期接近于零。在我们的分析模型中（见方程式1），其他“学龄前儿童”也被列为成人结局的家庭内预测因子。

考虑到按年龄段划分的较晚和组合的学龄期结果队列模式：对于起步和其他“学龄前儿童”，在治疗开始时（5至6岁），对认知结果的影响是积极的，随后逐渐减弱，对于起步参与者可能更早发生（见表S14中的在线附录模型（5））。其次，对于两种学龄前状态，对非测试分数指数的影响都是不利的，且具有统计学意义（在线附录，表S10）。第三，对行为问题指数的影响有时是显著的，在大小上基本相似，在两个学龄前儿童组的所有年龄段都是不利的（表S15中的在线附录模型（5））。总的来说，我们绝不能从统计上拒绝对后来的兄弟姐妹队列的任何考虑的学龄和成年期结果（在线附录，表S10-S13各自的顶部面板）在起步和其他“学龄前”状态之间的平等估计。如上所述，稳健性检查，虽然FFE设计一直是一种估算起步因果影响的主要经验策略（Currie和Thomas，1995；GTC，2002；Deming，2009；Bauer和Schanzenbach，2016），但最近的研究对这种方法在外部（MSG，2019）和FFE设计的结构有效性（Heckman和Karapakula，2019）方面提出了质疑。下一节将讨论这些威胁，以及我们的主要发现如何因此发生变化。选择进入标识。MSG（2019）表明，固定效应（FE）可以诱导非随机选择个体进入FE识别样本，导致相对于ATE的偏差FE估计，除非完成对观察值的重新加权。

在FFE背景下，与那些兄弟姐妹在学龄前状态上没有差异的家庭相比，兄弟姐妹在起步阶段参与程度不同的家庭在各种测量中可能存在系统性差异。如果存在，这种“识别选择”（SI）将威胁我们结果的外部有效性，并可能导致FFE对先发制人影响的估计与ATE相比存在偏差（MSG，2019）。为了解决这一潜在问题，在我们进行上述FFE分析后，我们对MSG（2019）中讨论的可观察项进行了重新称重程序，首先检查组合队列FFE识别样本是否在各种可观察项中显示SI，包括儿童出生队列、家庭规模、母亲出生时的年龄、永久收入、母亲AFQT、，以及孩子是否是非裔美国人。使用MSG（2019）中的“切换器”和“非切换器”命名约定，其中（非）切换器代表学龄前状态没有兄弟姐妹差异的家庭，并通过多项式逻辑回归估计倾向得分，我们发现Head Startparticipating“switcher”家族与非Head Start“non switcher”家族在所有家族特征上存在差异。相比之下，最早开始的“切换者”与“非切换者”家庭（即所有兄弟姐妹都参加了该项目）之间预测值的唯一统计显著差异（p<.001）是儿童是否为非裔美国人的指标。考虑到组合队列的FFE识别样本显示出一定程度的SI，我们使用MSG（2019）中的一步可观测重加权程序修正了可能存在偏差的FFE估计。总的来说，我们没有发现组合队列的证据表明，重新加权改变了对提前开始对包括高中毕业和ASI在内的年轻成人结果的影响的估计。

我们还对Deming队列样本进行了MSG（2019）可观测值重新称重程序。与MSG（2019年）类似，我们发现，重新称重削弱了FFE对高中毕业、懒惰、学习障碍和健康状况不佳的预测，但对其他年轻人的结果或ASI几乎没有变化。这些结果与MSG（2019）的研究结果非常相似，可在在线附录的表S16中找到。溢出效应。FFE估计的结构有效性最近也受到了质疑。Heckman&Karapakula（2019）在回顾Perry幼儿园项目时指出，参与该项目的兄弟姐妹对其未参与的兄弟姐妹有很大的积极影响，尤其是对男性兄弟姐妹。虽然这个问题对FFE设计很重要，但本文不太关心这个问题，因为我们对比较不同队列的FFE结果以及短期和长期结果感兴趣。此外，目前尚不清楚兄弟姐妹溢出如何解释本文的主要发现，除非兄弟姐妹溢出效应在后一个队列中比在前一个队列中更强。这就是说，鉴于Head Start提供的综合服务，其中一些可能会影响育儿实践，可能会对儿童产生一定程度的溢出效应（Ludwig和Miller，2007；Deming，2009；Head Start办公室，2019）。GTC（2002）和Deming（2009）通过将第一胎状态的指标与第一胎治疗状态的指标相互作用，对首胎治疗溢出进行了测试。如果溢出效应从年长的兄弟姐妹到较年轻的兄弟姐妹，人们会预计非第一胎兄弟姐妹的先发制人影响更大（Deming，2009）。与Deming（2009）一致，我们发现溢出的证据稀少且不一致。这适用于戴明队列和组合队列样本（表S17-S18）。

跨队列结果人力资本指数的调节。对先发制人估计影响的队列差异的一种可能解释是，最近的队列更有利，因此不太可能从先发制人中获益。为了验证是否存在这种情况，通过结合标准化的产妇、祖父母双方的教育水平、产妇AFQT、家庭永久收入的自然对数和CNLSY家庭观察测量环境简表（家庭），构建了一个家庭人力资本因子（Cronbachα=.83）。然后，该人力资本因素与方程式（1）中的“领先”和“学前”指标相互作用。对于组合队列样本，对ASI的交互影响估计在家庭人力资本因素范围内的任何值均无统计学意义。队列协变量。为了检查Deming的队列和补体队列之间的差异是否是由于我们上面介绍的一些协变量造成的，我们先用一个指标来衡量兄弟姐妹是否属于补体队列，再加上一系列协变量的相互作用：首先一次交互一个协变量，包括主效应，然后将所有协变量与所有主要影响进行交互。这些协变量包括：治疗前指数；家庭人力资本指数；母亲在孩子出生时的年龄；儿童在结果测量时的年龄；性别指标，无论是白人/西班牙裔还是黑人；以及母亲AFQT评分是否比平均值低1 SD。此外，2007-2009年的大衰退可能会对青少年时期经历过大萧条后果的同龄人兄弟姐妹产生负面影响。因此，还增加了2008年为12至18岁的补充队列兄弟姐妹创建的指标。

如果这些相互作用中的任何一个大大减少了对先发制人队列相互作用的估计，那么这些协变量就可以解释戴明队列和补充队列之间的先发制人影响的一些跨队列变化。我们没有发现任何证据表明情况属实（表S19）。Blinder Oaxaca分解。Blinder-Oaxaca分解方法（Blinder，1973；Oaxaca，1973）使我们能够考虑一个群体在一个感兴趣的结果上的平均差异有多大() 这可以通过预测因子的组间差异来解释。使用Deming队列组() 和补体队列组(), 我们将三重分解形式化（Jann，2008）为：         哪里 (  ) 测量补体队列在ASI中的预期变化部分，补体队列的预测因子均值（即禀赋）固定在Deming的队列水平上； ( ) 测量补体队列在ASI中的预期变化部分，补体队列系数固定在Deming的队列水平上；和 = ( ) x个( ) 衡量禀赋和系数之间相互作用的贡献各自的跨队列差异。该分析的结果突出了Deming和补体队列样本之间的关键差异，并显示了这些差异——最显著的是预处理指数和母亲出生时的年龄——如何驱动队列中估计的领先影响的变化。分解三重分解结果，我们首先发现，在戴明队列和补充队列中，领先参与者ASI的平均差异(  ) 标准差为-0.22（SE=.09）。26这一平均差异的方向有利于补体队列，具有统计学意义。

其次，在分析中选择了治疗前指数和母亲出生时的年龄作为预测因素，27我们发现预测因素的禀赋部分分解() 解释了所有结果组的平均差异（-0.27 SD；SE=.10），母亲在孩子出生时的年龄恢复了几乎所有的差异（-0.21 SD；SE=.10）。系数() 和互动() 部分分解可忽略不计，且无统计学意义（p>0.84；p>0.95）。总之，由于母亲在孩子出生时的年龄固定在Deming的队列水平上，补充队列领先参与者的ASI预期值与Deming的队列参与者的ASI预期值相似。此外，如果对于补体队列的反事实非学龄前组的兄弟姐妹，ASI平均值的预期变化也可以用母亲在孩子出生时的年龄来解释（作为禀赋、系数或交互作用效应），那么，如果保持该因素相等，则在队列中，领先优势会产生类似程度的影响。因此，对反事实的非学龄前群体兄弟姐妹进行了三重分解。兴趣结果的跨队列平均差异(  ) 中度，具有统计学意义（-0.56 SD；SE=.09）。然而 和 分解的成分可以忽略不计（p>0.88；p>0.74），而 成分——即母亲年龄与子女出生禀赋和系数差异的相互作用恢复了结果差异（-0.61 SD；SE=.18）。由于NLSY的设计，后来的儿童群体平均都有年长的母亲。早期队列（即，Deming队列）出生于相对年轻的母亲，由于该计划提供了强调父母参与的综合服务，其中许多母亲可能从领先中获得了不成比例的好处（Currie和Neidell，2007；Deming，2009）。

仅此因素就可能导致我们估计的Deming与后来的队列之间的领先影响存在差异。特别是，在参与“先发制人”计划的家庭中，未参加学前教育计划的兄弟姐妹似乎从早年有一位年长母亲中受益最多。最后，在Blinder Oaxaca分解中加入其他协变量后，母亲年龄对儿童出生预测的解释力仍然很强，包括永久家庭收入、母亲是否上过大学（表2）、家庭人力资本指数和家庭规模（表S19，注释）。长期趋势。我们最初的队列分析只研究了两个队列（戴明队列和补充队列）的领先效应，不清楚随着时间的推移，领先效应是逐渐长期下降还是急剧下降。为了解决这个问题，我们将我们的总体样本分解为三个新的出生队列年分组：C1-所有兄弟姐妹在1983年之前出生的家庭，C2-1983-1987年和C3-1987年之后出生的家庭。超过90%的C1兄弟姐妹和大约三分之一的C2兄弟姐妹属于Deming队列样本。三分之二的C2同胞和所有C3同胞是补体队列样本的一部分。在我们几乎所有的结果中，与C2和C3队列相比，领先对C1队列的影响更为有利。从较年长的队列到较新的队列，我们观察到在各种短期和长期结果的领先影响方向上的不利迹象变化，包括：认知和非认知学龄测量、ASI、教育程度和收入。28此外，估计的趋势表明，属于1987年后最新队列的个体的成年期结果下降幅度相对较大。

相比之下，在更早的队列中观察到学年非测试结果的下降。如在线附录表S20所述，C1和C3之间对ASI的初期影响从积极且统计上不显著（0.09 SD；SE=0.09）变为消极且显著（10%）（-0.25 SD；SE=0.14）。相比之下，C1对非测试指数的领先影响从统计上显著的0.29 SD（SE=0.10）优势到C3的可忽略的-0.06 SD（SE=0.15），下降发生在C1和C2之间（-0.10 SD；SE=0.15）。讨论与结论在本研究中，我们复制并扩展了Deming（2009）对生命周期技能形成的起步影响的评估。在使用额外的十年CNLSY数据延长成年期个体结果后，我们发现Deming的兄弟姐妹队列结果参差不齐。其次，在戴明的队列中的孩子显示出不同的影响模式后，复制戴明关于CNLSY母亲所生孩子的分析框架。总的来说，对于这个新的群体，影响是负面的。事实上，在我们最近的队列研究中，相对于家庭护理、非认知和行为测量或成人期总结指数而言，先发制人的参与可能是有害的。第三，将这两个队列结合起来，对所有测量的结果产生了领先影响估计，这些结果很小，且不具有统计意义。Deming（2009）估计，0.11个对数点对成人工资的领先影响。然而，由于调查参与者在计算时年龄太小，无法报告实际工资，因此这一估计是基于预计的未来成人工资。考虑到时间效益和额外10年的NLSY数据，我们估计了先发制人对Deming队列观察到的成人赌注的影响。