Bartik工具变量、份额-偏离工具变量：简单应用，还是打开黑箱研读？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

虽然有人说“朋友不让朋友使用IV”，但Bartik或shift-share工具变量是一个例外。发展经济学家倾向于在贸易和移民文献中看到这些工具使用最多，Jaeger等(2018)指出，“很难夸大这一工具变量对移民研究的重要性。很少有文献如此严重地依赖于一种工具变量或其变体”，接下来列出了仅在过去十年中发表的60篇文章。Goldsmith-Pinkham等(2018)和Jaeger等(2018)最近发表的两篇论文研究了这一工具变量的背后，并提供了重新考虑如何使用它的计量经济学和经济学理由。

这里通常的担忧是，进口敞口(风险暴露)不是外生的，而是可能与一个地区的其他特征相关，这些特征也会影响制造业就业。然后将Autor等人(2013)使用Bartik IV作工具变量(ADH):
Goldsmith-Pinkham等的第一个结果是，Bartik工具变量在数值上等价于在加权GMM估计中使用初始份额(当使用多个周期时，与时间固定效应相互作用)作为工具变量——移位仅提供权重并影响工具相关性，但不影响内积性。在证明一般情况之前，他们通过几个简单的例子在两个行业或单一时间段的情况下说明这一点。这意味着你需要说明为什么最初的份额是外生的。

其次，他们表明这个估计可以分解为刚确定的估计的加权组合，每个估计使用单个份额作为工具变量。更重要的是那么b将捕捉到短期效应，c捕捉到对过去供应冲击的长期反应。然而，为了让这一理论起作用，我们需要在移民的来源地在这两个时期存在独立的变化。这可能是一项艰巨的任务，因为随着时间的推移，流入美国的移民的原籍国混合是如此相似——自20世纪80年代以来，该工具变量在各都市区之间的相关性和滞后系数是0.96到0.99。结果是Bartik工具变量通常是强序列相关的，不能提供足够的变化来单独识别动态。作者认为，在美国，这种策略在20世纪70年代比80年代效果更好，因为当时的政策变化和其他冲击极大地改变了移民构成，而自20世纪80年代以来，原籍国的相关性太大了。他们还表示，在移民流动长期以来不太稳定的欧洲国家，这可能会更好。，这些工具变量上的权重(他们称之为Rotemberg权重)总和为1，权重越高，表明该工具变量在识别变化中所占的份额越高。这是重要的，因为在实践中，少数工业或来源国往往占查明的变化的很大一部分。这让人们更清楚地知道，哪些份额是外生的。在行业例子中，在794种工具变量中，作者显示前5种占了估计中绝对权重的三分之一——电子计算机、游戏和玩具、家用音频和视频、电话设备和计算机设备的行业份额。因此，基本上，这一估计依赖于比较1990年这些行业占比高和低地区的结果差异(从2000年到2007年)。

随后有个Rotemberg Weights的例子，实际的操作很繁琐！更多有关原理，本工作坊将邀请司继春老师讲解：1.9~1.10 | Stata实证前沿（二）--司继春老师，因疫情原因延期了！

这些工具变量变得如此受欢迎是有原因的——它们试图回答的问题具有很高的政策兴趣，而人们一直在努力寻找其他令人信服的工具变量。尽管如此，这两篇新论文更清楚地说明了Bartik工具变量背后的识别假设是什么，因此那些计划使用这些工具的人将不得不努力让读者相信，他们的关键初始份额是外生的，并且他们已经适当地考虑了调整动态。

Rotemberg Weights

The GPSS view of SSIV is one of many share instruments

In Card, N = 38. In ADH, N = 397 (!)

They propose “opening the black box” of overidentified IV by deriving

the weights SSIV implicitly puts on each share instrument

Builds on Rotemberg (1983), so they call these “Rotemberg weights”

Rotemberg Weights in ADH (via GPSS)

就ADH数据复制而做的Rotemberg Weights检验图，负权重多，模型欠佳！

诺奖得主数据做的列在期刊，未公开具体数据，故无法复制了，如下图所示，基本而言，模型更优良了：

相关推文一览：

Bartik工具变量是什么? 份额移动法IV应用越来越多

AER: 中国城乡迁徙与企业生产, 移动份额工具变量法Bartik

最强Bartik IV策略的AER数据和code, 该IV详细构建操作程序和步骤

香樟西部简报 | 焦阳：Bartik (Shift-share) Instruments and Applications

【香樟推文2597】还不会用Bartik工具变量？看这篇就够了！

Bartik_SSIV幻灯pptx_PDF.rar (10.61 MB, 需要: 100 个论坛币)

2023-2-23 05:07:58 上传

需要: 100 个论坛币  [购买]

gpss_replication-master_Bartik_stata.rar (8.92 MB, 需要: 50 个论坛币)

2023-2-23 05:05:58 上传

需要: 50 个论坛币  [购买]

ADH_bartik_stata.rar (6.55 MB, 需要: 30 个论坛币)

2023-2-23 04:59:33 上传

需要: 30 个论坛币  [购买]

shift-share-master.zip (38.46 MB, 需要: 20 个论坛币)

2023-2-23 04:55:52 上传

需要: 20 个论坛币  [购买]

bartik-weight-master.zip (15.79 MB, 需要: 10 个论坛币)

2023-2-23 04:54:57 上传

需要: 10 个论坛币  [购买]

Autor-Dorn-Hanson-ChinaSyndrome-FileArchive.zip (2.73 MB, 需要: 5 个论坛币)

2023-2-23 04:54:38 上传

需要: 5 个论坛币  [购买]

gpss_replication-master_PDF.rar (5.83 MB, 需要: 5 个论坛币)

2023-2-23 04:54:13 上传

需要: 5 个论坛币  [购买]

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏6 回帖

关键词：工具变量 Bart ART bar Applications

Bartik 工具变量和份额-偏离工具变量（Share-Difference 或 Shift-Share Instrument）是经济学研究中常用的方法，尤其是在处理内生性问题时。这些方法主要应用于贸易、移民以及地区经济影响的研究领域。

### Bartik 工具变量

Bartik 工具变量是一种基于历史数据或地理特征的外生变化来作为内生变量工具变量的策略。它的核心思想是利用那些与目标自变量（例如，某个地区的进口冲击）相关但与结果变量（如就业）无关的地区特定因素。

以 Autor、Dorn 和 Hanson (2013) 的研究为例，在探讨中国对美国制造业的影响时，他们使用了各州对中国产品的依赖程度作为工具变量。这种依赖性是基于历史贸易模式和产品需求，并假设这些历史形成的贸易模式与当前的就业变动无关（除通过进口冲击外）。

### 份额-偏离工具变量

份额-偏离方法是一种处理面板数据中内生性的策略，它结合了行业结构特征和地区特定效应。这种方法通常涉及比较地区在某一行业内就业或产出的初始份额，然后用这些份额与整个国家层面的变化（如全国范围内的需求变化）相乘。

### 重新评估工具变量的有效性

Goldsmith-Pinkham 等人 (2018) 和 Jaeger 等人 (2018) 的研究指出，尽管 Bartik 工具变量在直观上合理且被广泛采用，但其有效性（即是否真正提供了外生的波动）需要更深入地探讨。他们强调了使用这类工具变量时潜在的问题，包括对内生性来源的理解不充分和工具变量强度的问题。

此外，Goldsmith-Pinkham 等人指出 Bartik IV 数学上等价于在加权 GMM 估计中使用初始份额作为工具变量（当涉及多个时间段时与时间固定效应结合）。这意味着移位提供的是权重调整和相关性影响，而不是内在的外生性。

因此，在应用这类工具变量时，研究者应该更加谨慎，深入理解所选工具变量的机制，并评估其是否真正满足外生性和相关性的条件。这通常需要对数据进行细致分析，可能包括敏感性测试和其他稳健性检验，以确保结果的可靠性。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用