那可否就在一篇文章當中,，把同一個X對不同Y的影響全部做掉呢？

本文記錄了這一大規(guī)模臨時產(chǎn)業(yè)政策對產(chǎn)業(yè),、地方發(fā)展以及個體經(jīng)濟結(jié)果的長期影響,。本文在雙重差分框架下表明,，短期的非市場生產(chǎn)顯著且持久地增加了受政策影響的制造業(yè)產(chǎn)業(yè)的就業(yè)和生產(chǎn)規(guī)模。此外,，這一事件還推動了地方經(jīng)濟發(fā)展和結(jié)構(gòu)轉(zhuǎn)型,，暴露程度較高的地區(qū)工業(yè)化水平顯著提升。為了驗證這些在芬蘭內(nèi)部的結(jié)果,，本文使用挪威的可比數(shù)據(jù),，通過三重差分框架進行了進一步檢驗。本文還利用芬蘭行政數(shù)據(jù)研究了這一事件對個體的長期影響,。通過對個體超過30年的數(shù)據(jù)追蹤,，本文發(fā)現(xiàn)，戰(zhàn)爭賠款期前的初始國家投資和地方工業(yè)結(jié)構(gòu)的持久變化顯著提高了長期收入水平,，增加了教育成就,，并促進了暴露較多地區(qū)的兒童和年輕人的向上流動性。觀察到的效應(yīng)主要由獲得國家大部分援助的先進重工業(yè)驅(qū)動，這些產(chǎn)業(yè)在推動經(jīng)濟轉(zhuǎn)型和社會流動性方面發(fā)揮了關(guān)鍵作用,。

作者的策略很有意思,，雖然看起來有點雷同和繁瑣,，但考慮到X對不同Y的方程中可能需要包括的變量或固定效應(yīng)存在差異，所以作者是分成三個小節(jié)分別做X對Y1,、Y2,、Y3的影響。里面用到的實證策略沒有多大差異,，當然變量或固定效應(yīng)肯定會存在差異,，然后對每個Y，作者都專門在單獨章節(jié)中設(shè)立一個回歸模型,，在里面討論所需要控制的混淆因素或者使用的策略等,。

這樣看來，今后你也可以做類似的操作,，研究同一個X對不同Y的影響,。

可以看一下文章的結(jié)構(gòu)安排：XX，第四部分分析了戰(zhàn)爭賠款對產(chǎn)業(yè)發(fā)展的影響,；第五部分記錄了戰(zhàn)爭賠款引發(fā)的地方發(fā)展和結(jié)構(gòu)轉(zhuǎn)型,；第六部分聚焦于個體層面的影響；XX,。

下面看看里面的四,、五、六章節(jié),，包括實證策略及研究結(jié)果,，這對于我們做實證研究具有很大的啟發(fā)性。

*紅色是大標題,，藍色是次標題,，黑色是三級標題。

四,、產(chǎn)業(yè)發(fā)展

本文聚焦于戰(zhàn)爭賠款對后續(xù)產(chǎn)業(yè)發(fā)展的影響,，并在四位數(shù)產(chǎn)業(yè)層面展開深入分析。通過雙重差分法,，本文比較了參與賠款生產(chǎn)的產(chǎn)業(yè)與其他具有相似基準特征的制造業(yè)產(chǎn)業(yè),，以揭示賠款對產(chǎn)業(yè)發(fā)展的具體影響。

1. 產(chǎn)業(yè)層面的賠款衡量指標

IV.A 產(chǎn)業(yè)層面的雙重差分估計

為了評估這一產(chǎn)業(yè)政策對產(chǎn)業(yè)發(fā)展的影響，本文構(gòu)建了以下雙重差分方程（2）進行估計：

其中,，表示產(chǎn)業(yè)k在時間t的生產(chǎn)總值,、勞動力或增加值的對數(shù)結(jié)果變量。是產(chǎn)業(yè)k向蘇聯(lián)出口的賠款總額與1943年勞動力之比,。是一個指示變量,，取值為1表示1944年及以后的時期，否則為0,。變量經(jīng)過標準化處理,，使其標準差為1，均值為0,，以便于結(jié)果解釋,。感興趣的系數(shù)反映了產(chǎn)業(yè)基于賠款參與程度在賠款前后時期的差異變化。是產(chǎn)業(yè)固定效應(yīng),，用于控制產(chǎn)業(yè)特有的時間不變因素,；是年份固定效應(yīng)，用于捕捉共同的時間趨勢,。為了增強產(chǎn)業(yè)間的可比性,，本文還引入了通過彈性網(wǎng)絡(luò)方法篩選的1943年控制變量與年份固定效應(yīng)的交互項。最后,，為誤差項,，其標準誤在產(chǎn)業(yè)層面進行聚類處理，以控制產(chǎn)業(yè)內(nèi)部的相關(guān)性,。

1. 初始差異與平行趨勢

2. 產(chǎn)業(yè)層面雙重差分結(jié)果

3. 事件研究圖

為了研究戰(zhàn)爭賠款隨時間的影響,，并進一步驗證暴露程度較高的產(chǎn)業(yè)在賠款前不存在差異性的趨勢，本文估計了更為靈活的方程（3）,，其中變量與年份固定效應(yīng)進行交互：

IV.B 使用挪威工業(yè)數(shù)據(jù)的三重差分估計

1. 產(chǎn)業(yè)層面三重差分估計

本文為挪威的相應(yīng)產(chǎn)業(yè)分配了與芬蘭相同的產(chǎn)業(yè)暴露程度,，并估計了以下三重差分方程（4）：

其中，下標(k),、(t)和(c)分別表示產(chǎn)業(yè),、年份和國家。表示產(chǎn)業(yè)k的賠款暴露程度，是一個指示變量,，取值為1表示1944年及以后的時期,。表示挪威內(nèi)部暴露產(chǎn)業(yè)與其他產(chǎn)業(yè)的差異，而是本文關(guān)注的三重差分系數(shù),，反映了芬蘭內(nèi)部差異相對于挪威內(nèi)部差異的程度,。和分別是國家-產(chǎn)業(yè)固定效應(yīng)和國家-年份固定效應(yīng)。為了控制產(chǎn)業(yè)初始條件的差異,，本文在估計中加入了1943年產(chǎn)業(yè)對數(shù)就業(yè)和對數(shù)生產(chǎn)價值與年份效應(yīng)的交互項,，并在產(chǎn)業(yè)-國家層面聚類標準誤差。本文對1934-1969年期間的數(shù)據(jù)進行了分析,。

2. 事件研究圖

五,、地方發(fā)展與結(jié)構(gòu)轉(zhuǎn)型

V.A 地方暴露強度與基準差異

1.地方暴露強度  

為了研究戰(zhàn)爭賠款對后續(xù)地方經(jīng)濟發(fā)展和結(jié)構(gòu)轉(zhuǎn)型的影響，本文構(gòu)建了每個地方在賠款期間的暴露強度指標,。本文參考了廣泛的文獻（如Bartik 1991,；Autor, Dorn, and Hanson 2013；Acemoglu et al. 2016）,，采用“轉(zhuǎn)移-份額”方法,，計算了地方在賠款前產(chǎn)業(yè)勞動力份額與產(chǎn)業(yè)賠款出口量的交互總和，具體公式如下：

2.地方暴露前差異與平行趨勢  

本文的核心假設(shè)是,，地方對臨時非市場生產(chǎn)的暴露是否會導(dǎo)致受影響更大的地方更加工業(yè)化,，以及這種結(jié)構(gòu)轉(zhuǎn)型是否在事件結(jié)束后持續(xù)存在。識別假設(shè)是,，如果沒有賠款支付,，暴露較少的地方會與暴露較多的地方在戰(zhàn)后發(fā)展相似。為了評估這一假設(shè)的有效性以及不同暴露地方的可比性,，本文在地方層面估計了以下兩個方程（6）和（7）：

其中,，方程（6）的結(jié)果是1940年的暴露前水平，方程（7）的結(jié)果是1930-1940年地方(m)的暴露前變化,。是地方對賠款的暴露強度指標,，如公式（5）所定義。本文對變量進行了標準化處理,，使其均值為0,，標準差為1，以便于結(jié)果解釋,。為了探索初始工業(yè)結(jié)構(gòu)帶來的差異,，本文控制了1940年制造業(yè)和農(nóng)業(yè)就業(yè)份額以及城市固定效應(yīng)，并進一步引入了11個地區(qū)固定效應(yīng),，以控制地區(qū)層面的異質(zhì)性,。

V.B 對地方工業(yè)化的持久影響

1.地方雙重差分估計 

本文在地方層面構(gòu)建了以下雙重差分模型（8）,，其中感興趣的結(jié)果變量包括地方制造業(yè)或農(nóng)業(yè)就業(yè)份額、制造業(yè)就業(yè)對數(shù)以及制造業(yè)企業(yè)數(shù)量對數(shù)：

在方程（8）中,，下標(m)表示地方,，(t)表示年份。是地方層面的賠款暴露強度,，如公式（5）所定義,，是一個指示變量，取值為1表示1944年及以后的時期,。感興趣的系數(shù)是雙重差分估計值,，用于衡量賠款暴露對地方經(jīng)濟的影響。本文對變量進行了標準化處理,，使其均值為0,，標準差為1，以便于結(jié)果解釋,。和分別表示地方和年份固定效應(yīng),，用于控制地方和時間的異質(zhì)性。根據(jù)具體設(shè)定,，本文加入了基準工業(yè)結(jié)構(gòu)控制變量或通過彈性網(wǎng)絡(luò)方法選擇的控制變量與年份固定效應(yīng)的交互項,，以確保地方之間的可比性。此外,，本文還加入了城市固定效應(yīng)和11個較大地區(qū)的固定效應(yīng),，并將回歸按1939年人口進行加權(quán)，標準誤差在地方層面聚類,，以控制地方內(nèi)的相關(guān)性,。

2.地方雙重差分結(jié)果  

3.事件研究圖  

4.地方層面的投資  

V.C 使用挪威數(shù)據(jù)的地方層面三重差分估計

1.地方三重差分估計  

這些額外數(shù)據(jù)使本文能夠估計以下三重差分模型（9），其中感興趣的結(jié)果是挪威或芬蘭的地方制造業(yè)或農(nóng)業(yè)就業(yè)份額,，表示地方潛在暴露強度變量：

在方程（9）中,，下標(m)、(t)和(c)分別表示市鎮(zhèn),、年份和國家,。系數(shù)表示挪威內(nèi)部暴露較多的地方與其他地方的差異，而系數(shù)表示三重差分,，即芬蘭內(nèi)部差異相對于挪威內(nèi)部差異的大小,。本文對變量進行了標準化處理，使其均值為0,，標準差為1,。和分別表示市鎮(zhèn)和國家-年份固定效應(yīng)。在估計中,，本文加入了市鎮(zhèn)1930年人口,、制造業(yè)和農(nóng)業(yè)份額以及城市固定效應(yīng)與年份效應(yīng)的交互項?；貧w按1930年市鎮(zhèn)人口進行加權(quán),，標準誤差在市鎮(zhèn)層面聚類。本文的樣本限制在兩國數(shù)據(jù)可用的年份,，即1920年,、1930年、1950年和1960年,。

六,、個體層面的長期影響

VI.A 對離開農(nóng)業(yè)和長期收入的個體層面影響

VI.B 對教育和職業(yè)升級的長期影響

1.個體層面的雙重差分 

2.事件研究圖 

3.地方層面的學(xué)位增加 

4.新的教育機會 

5.父母收入渠道 

VI.C 向上流動性

*群友可直接前往計量社群下載全文PDF和附錄code,。

關(guān)于多期DID或交疊DID: 1.DID相關(guān)前沿問題“政策交錯執(zhí)行+堆疊DID+事件研究”, 附完整slides，2.交錯(漸進)DID中, 用TWFE估計處理效應(yīng)的問題, 及Bacon分解識別估計偏誤,，3.典范! 這篇AER在一圖表里用了所有DID最新進展方法, 審稿人直接服了,！4.最新Sun和Abraham(2020)和TWFE估計多期或交錯DID并繪圖展示結(jié)果！詳細解讀code,！5.多期DID或漸進DID或交疊DID, 最新Stata執(zhí)行命令整理如下供大家學(xué)習(xí),，6.多期DID前沿方法大討論, e.g., 進入-退出型DID, 異質(zhì)性和動態(tài)性處理效應(yīng)DID, 基期選擇問題等，7.交疊DID中平行趨勢檢驗, 事件研究圖繪制, 安慰劑檢驗的保姆級程序指南,！8.欣慰! 營養(yǎng)午餐計劃終于登上TOP5! 交疊DID+異質(zhì)性穩(wěn)健DID,！9.用事件研究法開展政策評估的過程, 手把手教學(xué)文章！10.從雙重差分法到事件研究法, 雙重差分濫用與需要注意的問題,，11.系統(tǒng)梳理DID最新進展: 從多期DID的潛在問題到當前主流解決方法和代碼! 12.標準DID中的平行趨勢檢驗,動態(tài)效應(yīng), 安慰劑檢驗, 預(yù)期效應(yīng)教程,，13.DID從經(jīng)典到前沿方法的保姆級教程, 釋放最完整數(shù)據(jù)和代碼！