计量经济学
第七章：可重复计量实证项目
用数据字典、代码、推断和研究日志完成可审计的计量项目。
第七章：可重复计量实证项目
项目目标
计量学习的终点不是一张回归表，而是一个别人可以检查、运行、质疑和扩展的研究对象。本章给出本科生和研究生都适用的项目结构。
1. 项目目录建议
project/
README.md
data_raw/ # 原始数据，只读
data_processed/ # 清洗后的中间数据
code/ # 清理、估计、图表、表格脚本
output/ # 自动生成的表格和图片
notes/ # 研究日志、分析计划、变量字典
report/ # Markdown、Quarto 或 LaTeX 报告
原始数据与生成结果分开，代码按步骤组织，避免在交互式环境中只运行部分单元而无法重现。
2. 数据字典
| 字段 | 示例 |
|---|---|
| 变量名 | educ_years |
| 含义 | 最高完成教育年限 |
| 单位 | 年 |
| 观察层级 | 个体—年份 |
| 来源 | 调查问卷第 X 题 |
| 缺失编码 | −99 转换为缺失 |
| 处理 | 顶格值、异常值和年龄范围 |
| 理论角色 | 处理变量/控制变量/结果变量 |
没有数据字典，回归表中的变量名很容易脱离测量含义。研究生项目还要记录版本、下载日期、修订、匹配键和隐私处理。
3. 分析日志
每次改变样本、变量、函数形式、标准误或模型，都记录：日期、改变、理由、预期影响、结果和是否纳入主文。这样可以把“探索”与“确认性结果”区分开。
4. 结果表的最低标准
- 显示观测数和目标样本；
- 说明因变量单位和转换；
- 报告标准误类型和聚类层级；
- 标明固定效应、控制变量和样本限制；
- 给出置信区间或至少明确显著性水平；
- 同时报告经济量级而非只有星号；
- 说明缺失值、权重和异常值处理。
5. 本科生项目
建议选择一个公开数据集，完成：
- 研究问题和变量字典；
- 描述性统计和可视化；
- 两到三个嵌套回归；
- 合适的稳健标准误；
- 一个函数形式或样本敏感性分析；
- 对系数、置信区间和限制的解释。
本科生不必声称发现了严格因果关系，但必须诚实区分描述性和因果语言。
6. 研究生项目
研究生应增加：
- 预先定义的目标参数和识别策略；
- 主要结果与探索性结果分开；
- 处理缺失、测量误差、聚类和弱识别；
- 安慰剂、预趋势、替代样本和规格敏感性；
- 外部有效性、统计功效和政策解释边界；
- 可复现环境或依赖版本说明。
7. 最终审计
在提交前，从一个新的环境运行：
- 安装依赖；
- 从原始数据运行清理脚本；
- 生成所有图表和表格；
- 检查报告中的数字与输出文件一致；
- 删除缓存和不可解释的手工修改；
- 阅读 README，确认另一位研究者知道如何复现。
自测题
- 为什么原始数据应尽量只读？
- 结果表中为什么必须说明聚类层级？
- 探索性结果如何与确认性结果区分？
- 一个可复现项目是否自动具有因果可信度？为什么？
- 如果重新运行代码得到不同结果，应该检查哪些来源？
与微观计量的衔接
完成本课程后，进入微观计量经济学时，应把同一套项目审计流程带入 IV、DID、RDD、匹配、离散选择和机器学习因果推断。高级方法不会降低对变量定义、识别假设和可重复性的要求，反而会提高要求。