第九章：前沿文献与现代计量案例（2023—2026）

现代计量经济学的进步，往往不是发明一个更复杂的回归，而是发现一个常用回归在什么条件下不再估计研究者以为的对象。本章选择三组近期文献，集中训练三个能力：先定义 estimand，再识别“谁在充当谁的对照组”，最后检查灵活预测工具有没有破坏有效推断。

本章基于截至 2026 年 7 月 31 日 的一手文献定向检索，不是系统综述。示例使用合成数据，仅复现方法的逻辑，不复现论文的经验结果。

学习目标

完成本章后，你应能够：

1. 解释交错实施政策下传统双向固定效应回归为何可能混合不合适的比较；
2. 写出组别—时间处理效应与动态事件时间效应；
3. 用“只在未处理观测上拟合反事实”的插补逻辑估计 ATT；
4. 说明平行趋势检验为什么不能把“未拒绝”误写成“已证明”；
5. 解释双重机器学习中的正交化、交叉拟合和高维混淆控制；
6. 区分预测准确率、参数识别和置信区间覆盖率。

案例一：交错实施下，传统事件研究到底在平均什么

1. 基本设定

令单位 $i$ 在时期 $G_i$ 首次接受处理，此后持续处于处理状态：

潜在结果写为 $Y_{it}(0)$ 与 $Y_{it}(1)$。研究者真正关心的通常不是一个永恒不变的 $\beta$，而是组别—时间效应：

若再按事件时间 $k=t-g$ 聚合，得到政策实施后第 $k$ 期的平均动态效应。到这里，目标参数已经告诉我们：不同批次和不同处理时长可以有不同效果。

2. 为什么双向固定效应可能失败

传统回归常写成：

当所有单位同时处理且效应恒定时，$\beta$ 的解释相对清楚。交错实施时，回归会利用多类比较：尚未处理与已处理、较早处理与较晚处理，甚至较晚处理单位实施后与已经处理很久的单位比较。若效应随处理时长增长，后者已经受到处理，便不是干净的反事实。

问题不只是“标准误算错”，而是回归系数可能成为许多组别—时间效应的非透明加权平均；某些隐含权重还可能为负。此时提高样本量不能修复 estimand 错位。

3. Borusyak、Jaravel 与 Spiess 的插补思路

Borusyak、Jaravel 与 Spiess（2024）针对交错处理和异质处理效应建立统一框架，并推导了在其条件下有效的估计量。无限制异质性下，估计量具有直观的插补形式：

1. 只用未处理观测估计 $Y_{it}(0)$ 的模型；
2. 为已经处理的观测预测反事实 $\widehat Y_{it}(0)$；
3. 计算处理观测的残差 $Y_{it}-\widehat Y_{it}(0)$；
4. 按预先声明的组别、时期或事件时间权重聚合。

在最简单的平行趋势模型中：

关键纪律是：处理后的结果不能用来拟合未处理路径。 这不意味着插补自动可信；它仍依赖未处理结果模型、无预期效应、可用对照组和误差结构。

论文将方法用于美国退税后的消费反应，报告第一季度名义边际消费倾向约为 8%—11%，大约是用于校准宏观模型的一些基准估计的一半，而且支出反应主要集中在第一个月。这个数字属于论文特定数据和定义，不能直接当作其他财政转移的乘数。

案例二：现代 DID 不是“换一个软件包”

Roth、Sant’Anna、Bilinski 与 Poe（2023）的综述把近年来 DID 的进展组织为三类：多期与处理时点变化、平行趋势可能偏离、以及替代推断框架。教学上可把它转成下面的决策表。

预趋势检验的正确读法

事件研究中处理前系数没有显著偏离零，可能是因为趋势确实接近平行，也可能是检验功效太低。反过来，某个 lead 显著也可能来自随机波动、多重检验、提前反应或模型设定。一个强分析至少要报告：

• 处理前系数及联合置信区间；
• 处理组和对照组的原始或残差化趋势；
• 对不同幅度非平行趋势的敏感性；
• 处理时点、预期效应和样本构成变化；
• 推断在哪个层级聚类，以及处理组数量是否足够。

研究生应写出的聚合式

如果目标是事件时间 $k$ 的平均效应，应明确权重：

$w_{g,k}$ 可以按组规模、目标人群或政策相关性设定。没有“自然唯一”的聚合；不同权重回答不同问题。

案例三：文本和图像成为混淆变量以后

1. 从低维控制到多模态混淆

在很多现代研究中，处理选择可能受病历文本、卫星图像、简历或产品图片影响。把这些信息压缩成几个手工指标，可能遗漏重要混淆；直接把高维表示塞进结果回归，又可能产生正则化偏误和过拟合。

Spindler 等（2026）在双重机器学习框架中为文本与图像混淆设计神经网络结构，并通过半合成数据评估覆盖率。论文的贡献是方法与评估，不是声称任何神经网络都能解决未观测混淆。

2. 部分线性模型与正交化

考虑：

其中 $X$ 可以同时含表格、文本和图像。再定义结果条件均值 $\ell_0(X)=E[Y\mid X]$。若直接把机器学习估计的高维控制函数代入结果回归，正则化误差可能传入 $\widehat\theta$。DML 先估计 $\ell_0$ 与 $m_0$ 两个干扰函数，再构造残差：

最后用 $\widetilde Y$ 对 $\widetilde D$ 回归。相应矩条件

对干扰函数的小误差具有局部不敏感性，这就是 Neyman 正交性的直觉。

3. 为什么还要交叉拟合

若同一观测既训练复杂模型又计算残差，模型可能记住噪声。交叉拟合将样本分折：在其他折上训练 $\widehat g,widehat m$，再为当前折生成样本外预测。每个观测最终都获得“未见过自己”的干扰函数预测。

这解决的是过拟合传入矩条件的问题，不解决以下风险：

• 关键混淆变量根本没有被记录；
• 处理概率接近 0 或 1，缺乏重叠；
• 文本或图像在处理后生成，成为坏控制；
• 表示学习目标泄漏了结果；
• 模型在新人群或新设备上分布漂移。

浏览器实验：TWFE 与未处理观测插补

下面生成 60 个单位、8 个时期。三分之一在第 4 期处理，三分之一在第 6 期处理，其余从不处理。处理效应随暴露时长增加，因此“已经处理的单位”不是稳定对照。代码比较真实处理观测平均效应、传统 TWFE 系数与一个简化插补估计。

实验审计

• 将真实效应改成恒定的 1，观察 TWFE 与插补差距如何变化。
• 删除从不处理组，检查最后几个时期是否还有足够的未处理观测识别时间效应。
• 给早处理组加入一条不同的处理前趋势，说明插补方法也依赖平行趋势。
• 把噪声标准差增大到 1.5，区分估计偏误与抽样不确定性。

分层作业

本科生：审计一张事件研究图

找一篇 2023 年后的政策论文，只根据正文和附录回答：处理何时开始、谁从未处理、谁尚未处理、处理是否可逆、图中每个事件时间系数平均了哪些批次、标准误聚类在哪里。不要先评价系数显著性。

研究生：比较两个 estimand

在同一合成数据上估计：

1. 所有处理观测的总体 ATT；
2. 实施后第一期的 $\tau_0$；
3. 每个批次等权与每个个体等权的聚合。

解释为什么它们都可以“估计正确”却数值不同。再加入一个处理后才产生的文本变量，讨论将其作为 DML 控制为什么可能造成后处理偏误。

一手文献与延伸阅读

1. Borusyak, K., Jaravel, X., & Spiess, J. (2024). Revisiting Event Study Designs: Robust and Efficient Estimation. Review of Economic Studies. DOI: 10.1093/restud/rdae007.
2. Roth, J., Sant’Anna, P. H. C., Bilinski, A., & Poe, J. (2023). What’s Trending in Difference-in-Differences? A Synthesis of the Recent Econometrics Literature. Journal of Econometrics, 235(2), 2218–2244.
3. Spindler, M., Bach, P., Chernozhukov, V., Klaassen, S., Teichert-Kluge, J., & Vijaykumar, S. (2026). Valid Inference for Treatment Effects under Multimodal Confounding. Proceedings of Machine Learning Research, 323, 222–247.
4. Chernozhukov, V. et al. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1–C68. 这是理解第三个案例正交矩条件的基础文献。

建议与面板和时间序列、估计与因果设计以及浏览器回归实验配套学习。