|
邮箱：econometrics666@126.com 所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问. 
关于相关计量方法视频课程，文章，数据和代码，参看 1.面板数据方法免费课程, 文章, 数据和代码全在这里, 优秀学人好好收藏学习！2.双重差分DID方法免费课程, 文章, 数据和代码全在这里, 优秀学人必须收藏学习！3.工具变量IV估计免费课程, 文章, 数据和代码全在这里, 不学习可不要后悔！4.各种匹配方法免费课程, 文章, 数据和代码全在这里, 掌握匹配方法不是梦！5.断点回归RD和合成控制法SCM免费课程, 文章, 数据和代码全在这里, 有必要认真研究学习！6.空间计量免费课程, 文章, 数据和代码全在这里, 空间相关学者注意查收！7.Stata, R和Python视频课程, 文章, 数据和代码全在这里, 真的受用无穷！
正文
关于下方文字内容，作者：沈骐越，上海财经大学经济学院，通信邮箱：shenqiyue24@gmail.com Deryugina, Tatyana, and David Molitor. 2020. "Does When You Die Depend on Where You Live? Evidence from Hurricane Katrina." American Economic Review, 110 (11): 3602-33.We follow Medicare cohorts to estimate Hurricane Katrina's long-run mortality effects on victims initially living in New Orleans. Including the initial shock, the hurricane improved eight-year survival by 2.07 percentage points. Migration to lower-mortality regions explains most of this survival increase. Those migrating to low-versus high-mortality regions look similar at baseline, but their subsequent mortality is 0.83–1.01 percentage points lower per percentage point reduction in local mortality, quantifying causal effects of place on mortality among this population. Migrants' mortality is also lower in destinations with healthier behaviors and higher incomes but is unrelated to local medical spending and quality. 通过追踪2005年住在新奥尔良的卡特里娜飓风受害者们的医疗保险记录，我们估计了飓风对长期死亡率的影响。包含最初的冲击在内，飓风使得8年存活率提高了2.07个百分点。其中，大部分的提高源于居民往低死亡率地区的迁移。迁往不同死亡率地区的移居者最初的健康状况相仿，但移居地死亡率每降低一个百分点，移民死亡率也会降低0.83-1.01个百分点：这量化了移居地对死亡率的影响。此外，移居至生活方式更加健康或收入更高的城市也能降低死亡率，但当地的医疗支出和医疗条件与死亡率没有联系。卡特里娜飓风是美国历史上造成损失最大的飓风。2005年，它席卷了墨西哥湾海岸，造成近两千人死亡，超过一百万的居民移居他乡。根据气候模型预测，这样的极端气候事件未来会更频繁、更恶劣地发生，但此类事件对健康与寿命的长期影响究竟几何，我们所知寥寥。这样的极端气候事件对长期健康造成怎样的影响，是值得研究的。例如，当灾害迫使人迁往其他城市，移居地可能对长期健康起重要影响。尽管美国不同城市的预期寿命有差异，我们并不清楚这种差异在多大程度上反映了居住地对健康的影响。在这里，卡特里娜飓风扮演了绝佳的自然实验的角色。如果预期寿命的地理差异反映了居住地对健康影响的因果效应，那么迁至有着更好的经济和医疗卫生条件的城市，应该带来更好的健康情况。本文有两个主要目标。第一，估计卡特里娜飓风对新奥尔良的老年人和残疾人死亡率的长期、短期影响。第二，对移居者进行研究，估计其移居地怎样影响了它们的死亡率。由于缺少数据，想要量化飓风对健康的长期影响是很困难的。为此，我们使用了医疗保险会员1992-2013年的数据，其中包含老年人和残疾人死亡的具体日期，也方便长期追踪。我们识别了飓风前新奥尔良原住民的数据，并追踪直至飓风结束后八年（2013年）。为了识别反事实结果，我们选取了10个未受飓风直接影响的城市的可比的医疗保险数据。控制组和新奥尔良市的死亡率趋势自1992年以来非常相近，表明了控制组的有效性。通过比较飓风后新奥尔良和控制组的死亡率差异，我们估计了飓风对健康造成的影响。我们发现，在飓风登陆之年（2005年），卡特里娜飓风使死亡率提高了0.56个百分点（比平均值高出10%）。大部分的超额死亡发生于飓风登陆的一周内，并在几个月内逐渐减少。与短期死亡率的上升相反，在长期，飓风引发了死亡率的持续下降（2006年到2013年）。这里的长期下降并非源于短期高死亡率的替代效应，即“提前收割”——因为即使将短期死亡率影响包含在内，8年存活率提高了2.07个百分点。我们还发现，飓风对老年人和残疾人的迁移产生了深远的影响。与控制组相比，居住在新奥尔良地区的保险受益者迁移率高出近50%。其中活到2013年的，又有超过一半没有选择回去。飓风以前，新奥尔良是全美死亡率最高的地区之一，所以移民通常都去了死亡率更低的地区。如果认为居住地死亡率反映了居住地对健康的影响，那么长期死亡率的下降可能源于那些往低死亡率地区的移民。描述因果效应的关键假设，是基年迁移者的潜在死亡率与移居地死亡率不相关。我们发现了迁移者事前预计的死亡率和事后地区实际死亡率之间的低关联性，这给假设提供了支持。此外，死亡率的关系呈现高度平稳的特征。接着，我们考察其他地区特征怎样影响迁移者的死亡率。我们发现，迁移者的死亡率和移居城市的肥胖率、吸烟率呈正相关，和平均收入等呈负相关。但是，当地的医疗条件、医疗支出对死亡率的影响是统计不显著的。卡特里娜飓风于2005年8月23日形成。8月26日，路易斯安那州官员宣布进入紧急状态，并在第二天要求新奥尔良居民强制撤离，造成了80%-90%的迁移率。飓风破坏性极强，造成了1610亿美元的直接损失，这是美国历史上造成损失最大的自然灾害。根据官方数据，有1833人死于飓风，直接死于飓风的约有一半是75岁以上的老人。长期来看，飓风导致了约一百万人的迁移，其中20万是医疗保险的受益者。移居地分散在全美32个州以上，德克萨斯州接受了20万迁移者，阿肯色州也有5万。面对严重的灾害，政府部门提供了大量的援助支持，有效遏制了飓风的长期影响。卡特里娜飓风对新奥尔良的医疗设施造成了严重影响。9家医院都在2005年关闭，只有少数在未来重新开放，许多医疗从业人员也迁往其他城市。因此，新奥尔良的医疗条件在2005-2007年经历了巨大的困难，直到2008年才开始恢复。飓风给老年人和长期残疾者的健康带来了许多方面的影响，如无家可归、基础设施受损、环境改变引发的综合征、PTSD等心理问题以及搬迁后更难得到适当的医治。Data and Estimation Sample研究使用的主要是联邦医疗保险会员在1992-2013年期间的健康状况数据。这是关于老年人健康的最全面的数据，其中也包含长期残疾者的健康数据。该数据蕴含两条重要信息：第一，每人的邮编信息，方便我们在一段时间内追踪同一居民；第二，每人的具体死亡时间。我们的研究依赖于四个每年更新的变量集。第一个变量集包含每位受益人的9位邮编、种族、性别、出生和死亡日期，以及ESRD指标。第二个变量集统计了保险受益人的医疗花费。第三个变量集包含了27项常见的慢性病指标。第四个变量集列出了每位受益者的死因，主要分成四种：心脏疾病、癌症、其他疾病、外在事故。另外，研究还纳入了许多控制变量。飓风扮演了一个外生冲击的角色，要想识别因果效应，我们还需要估计出飓风受害者们健康状况的反事实结果。我们选择了10个和新奥尔良人口地理特征相近，人口超过10万的城市作为控制组。我们关注的是2004年居住在新奥尔良或十个控制组城市的居民。这些城市的人口统计特征和新奥尔良大体相近，但人种有差异：新奥尔良约61%的居民是黑人，而控制组只有39%。数据集的局限在于，我们无法估计飓风以前的年死亡率趋势。为此，我们利用1992年和1999年的数据，估计了年死亡率趋势图。尽管2005年新奥尔良的死亡率显著升高，但2006年以后，新奥尔良的死亡率保持在全美的中间水平，这也印证了飓风造成的长期死亡率下降的结论。我们利用双重差分来估计飓风对死亡率的短期影响。我们定义2005年8月29日开始为初始周（t=0），这一天飓风登陆新奥尔良。建立时间跨度为100周的面板数据，从初始周前的34周到登陆后的65周，即2005年1月3日到2006年11月27日。估计如下模型：
其中Died是结果变量，如果个体i在t周以后仍存活，则取0；如果i死于t周，则取1；若i在t周以前死去，则从回归中移除。NOLA代表个体属于实验组还是控制组。如果i最初住在新奥尔良，NOLA=1，否则等于0。base ZIP5 FE捕捉了起始地区的死亡率差异；week FE衡量了死亡率在某一周时间的总体变化。我们关注的参数是。以非参数形式，捕捉了新奥尔良与控制组之间在某一时间的死亡率变化。基于反事实的假设，识别了飓风对新奥尔良死亡率的影响。识别飓风长期影响的模型和短期大体相似，除了将时间间隔从每周延长到每年，时间跨度延长到2013年。
Short-run Effects of Hurricane Katrina图2a报告了新奥尔良和控制组的100周死亡率数据；图2b报告了对应的差分数据。14周位置用灰色虚线画出，代表着FEMA宣布可以回到新奥尔良的时间；在此之前，大多数新奥尔良人是不被允许回家的。飓风之前新奥尔良和控制组死亡率的低关系支持了飓风是外生冲击的假设，因此可以识别因果效应。不出所料，死亡率的增长集中在飓风后的一周，它使得新奥尔良的周死亡率上升了0.601%。这也充分解释了当年的超额死亡。相对于全体样本的平均死亡率（0.139%），飓风后的一周死亡率飙升到平均值的四倍。此外，在飓风之后的9周内，死亡率都有统计上显著的增长。
Long-run Effects of Hurricane Katrina图3a展示了飓风对年死亡率和累积死亡率的影响。飓风使2005年死亡率提高了0.56个百分点（超过平均值的10%），考虑到这些超额死亡只发生在2005年的最后四个月，这个数字非常惊人。值得注意的是，最初的死亡率增长很快反转，死亡率转而下降：2006年，死亡率下降到飓风以前的水平，而且直到2013年一直保持着至少0.25个百分点的下降。（在5%的置信水平上）经历了最初的增长之后，累积死亡率变化开始下降，并在2007年转为负值。这表明，死亡率的替代效应（提前收割）最多可以解释两年的死亡率变化。累积死亡率的负值随时间越来越高，到了2013年，已经比控制组低2.07个百分点。相对于2004年样本中64%的存活率，这意味着群体的存活率提高了3.2%。如果以10万美元为终身价值，3%为贴现率，可以计算出，飓风带来的累积死亡率下降带来了6743美元的人均资本增长。由于2013年以后死亡率可能继续保持下降，这一价值可能被低估。不过考虑到飓风的其他负面影响，死亡率的下降并不意味着受害者总福利的提高。最后，图3b展示了飓风对保险受益人的长期居住地影响。2005年，飓风使得新奥尔良外迁人口高出48%，其中大多数在外地待到了2006年。2007年，缓慢的返程开始了。然而直到2013年，新奥尔良的原住民仍留在新奥尔良的可能性比控制组个体要低25%。也就是说，新奥尔良的很大一部分老年人和长期残疾者在飓风后离开了家乡，再也没有回来。
我们使用2004年以前的医疗保险数据，来验证新奥尔良和控制组城市死亡率趋势相同的原假设。在图4中，我们估计了1992年和1999年的死亡率，结果表明新奥尔良和控制组的死亡率呈相似趋势，无统计显著差异。
此外，我们加入年龄、人种、性别等人口统计特征变量，探究估计结果的敏感性，如图A.7所示。经过反复检验，确认这些人口统计特征对估计的影响统计上不显著。
Concise Difference-in-Differences表2展示了（4）式的估计结果。除了我们偏好的设定形式（记为A），表2也展示了加入年龄、性别、人种控制变量的结果（记为B），以及进一步加入年固定效应的结果（记为C）。总的来说，这些结果仍然是平稳的，和先前的估计结果类似，但更加精确。
Heterogeneous Treatment Effects为了考察潜在的异质性，我们分别用性别、人种和年龄加入（2）并进行了估计。1992年和2004年的估计结果显示，没有证据表明新奥尔良和控制组之间的死亡率趋势有所差异，进一步增强了反事实假设的有效性。飓风的最初影响对65岁以上非黑人的男性更大，统计显著的死亡率提高只在64岁以下的群体中未出现——这表明年龄可能是所有人口统计特征中和飓风短期影响关联最密切的因素。尽管最初影响有差异，所有群体都经历了相似的长期死亡率下降。我们也使用（5）式来更精确地估计异质性处理效应。结果表明，短期死亡率影响更大，但统计不显著；长期死亡率影响是相近的。此外，有证据表明黑人的短期死亡率增长更少而长期死亡率减少更多，尽管后者是统计上不显著的。Migration and Place Effects到目前为止，我们已经展示了飓风降低长期死亡率这一结果。单独来看，这个结果是反直觉的，自然灾害怎么会对健康有积极影响？一个很自然的猜想是，飓风降低的死亡率是通过其他影响间接实现的。本文检验这样一个猜想，即：飓风引发的长期死亡率降低，源于老年人和长期残疾人被迫迁移到健康情况更好的地区。为探究这一猜想，我们关注那些因为飓风选择移民的个体，并将他们的死亡率情况和当地死亡率进行比较，如（6）所示。（6）显示了移居地对死亡率的影响。这是基于迁移者的死亡率与其选择的目的地的死亡率不相关的假设；倘若潜在死亡率更低的迁移者系统性地寻求某一死亡率水平的目的地城市，那么假设不成立。为了检验原假设，我们用目的地城市的死亡率来估计移居者的死亡率。通过这样两个模型进行预测：
表3报告了（7）的估计结果，也证实了原假设是正确的。
表4报告了迁移者2006年-2013年死亡率和目的地城市的关系。第一列报告了在控制ZIP固定效应和年固定效应下全体移居者的死亡率影响。目的地城市每一个百分点的死亡率降低，会给移居者死亡率带来0.85个百分点的降低。（2）到（6）列展示了用更全面的控制变量对（6）式进行估计的结果。目的地城市死亡率的影响系数在所有方程中都不大，在0.83-1.01范围内不等。重要的是，如果剔除患有阿尔茨海默病的样本，回归的结果仍然是接近的。这意味着，个体潜在死亡率和目的地城市死亡率之间是不相关的。最后，（7）是一个安慰剂检验。
Movers’ Mortality and Other Local Characteristics此后，我们又估计了移居地的其他特征对移居者死亡率的影响。结果表明，更高的医疗支出不能带来更低的死亡率，但背后的原因可能较为复杂，不能因此否认医疗支出的回报。当地更好的经济状况可以降低死亡率，这是统计显著的。当地更高的社会资本显著提高了移居者死亡率；当地犯罪率、贫困率、收入分配状况等因素则没有显著影响。飓风解释了受害者们长期死亡率下降的73%，剩下的27%可以由许多原因解释。其他移居地的正交的发展特征、短期死亡率的替代效应（尽管不能完全解释）、灾害加快了老年人和残疾人的适应能力、收入补贴带来的健康影响、搬到亲戚身边等都是可能的影响机制。关于DID相关文章 0.双重差分DID方法免费课程, 文章, 数据和代码全在这里, 优秀学人必须收藏学习！1.DID运用经典文献，强制性许可:来自对敌贸易法的证据，2.连续DID经典文献, 土豆成就了旧世界的文明，3.截面数据DID讲述, 截面做双重差分政策评估的范式，4.RDD经典文献, RDD模型有效性稳健性检验，5.事件研究法用于DID的经典文献"环境规制"论文数据和程序，6.广义DID方法运用得非常经典的JHE文献，7.DID的经典文献"强制许可"论文数据和do程序，8.传销活动对经济发展影响, AER上截面数据分析经典文，9.多期DID的经典文献big bad banks数据和do文件，10.因果推断IV方法经典文献，究竟是制度还是人力资本促进了经济的发展？11.AER上因果关系确立, 敏感性检验, 异质性分析和跨数据使用经典文章，12.第二篇因果推断经典，工作中断对工人随后生产效率的影响？，13.密度经济学:来自柏林墙的自然实验, 最佳Econometrica论文，14.AER上以DID, DDD为识别策略的劳动和健康经济学，15.一个使用截面数据的政策评估方法, 也可以发AER，16.多期DID模型的经典文献，big bad banks讲解"，17.多期DID的经典文献big bad banks数据和do文件，18.非线性DID, 双重变换模型CIC, 分位数DID，19.模糊(Fuzzy)DID是什么？如何用数据实现呢？20.多期DID的big bad banks中文翻译版本及各细节讲解，21.DID中行业/区域与时间趋势的交互项, 共同趋势检验, 动态政策效应检验等，22.截面数据DID操作程序指南, 一步一步教你做，23.DID的研究动态和政策评估中应用的文献综述，24.连续DID经典文献, 土豆成就了旧世界的文明，25.DID双重差分方法, 一些容易出错的地方，26.连续DID, DDD和比例DID, 不可观测选择偏差，27.加权DID, IPW-DID实证程序百科全书式的宝典，28.DID和DDD, 一个简明介绍, 双重和三重差分模型，29.DID过程中总结的地图展示技巧，30.DID的平行趋势假定检验程序和coefplot的其他用法，31.截面DID, 各种固定效应, 安慰剂检验, 置换检验, 其他外部冲击的处理，32.实践中双重差分法DID暗含的假设，33.过去三十年, RCT, DID, RDD, LE, ML, DSGE等方法的“高光时刻”路线图，34.计量院士首次用DID方法分析, 中国封城对新冠病毒扩散的影响！，35.截面DID, 各种固定效应, 安慰剂检验, 置换检验, 其他外部冲击的处理，36.诺奖夫妇的中国学生, “DID小公主”的成名之作, 茶叶价格与中国失踪女性之谜！，37.前沿: 反向DID, 反向双重差分法DDR全解析, 辅以实证示例！38.英诺丁汉大学校长为你讲解逐年PSM匹配-DID方法的操作, 并配上自己写的一篇范文！39.逐年PSM匹配后再DID识别因果的实证范文, 这就是逐年PSM-DID的操作范式！40.用事件研究法进行因果识别如何做? 有什么好处? 与DID结合起来潜力无穷！41.Abadie半参数双重差分DID估计量, 使你的平行趋势假设更加可信！42.弹性DID, DID的终极大法, 关于DID各方法总结太赞了！43.二重差分法分析（DID），44.比DID更加灵活的DDID政策效应评估方，45.DID思路和操作，一篇相关实证文献，46.二重差分法深度分析（DID），三重差分兼论，47.面板数据的DID估计，透彻解读，48.PSM-DID, DID, RDD, Stata程序百科全书式的宝典，49.关于DID的所有解读, 资料, 程序, 数据, 文献和各种变形都在这里，50.分位数DID, PSMDID, 政策前协变量平衡性检验操作步骤和案例，51.PSM-DID, DID实证完整程序百科全书式的宝典，52.逐年匹配的PSM-DID操作策略, 多时点panel政策评估利器，53.广义DID, DID最大法宝, 无所不能的政策评估工具，54.渐进DID专治各种渐进性政策的良药, 可试一试疗效，55.双重差分DID的种类细分, 不得不看的20篇文章，56.找不到IV, RD和DID该怎么办? 这有一种备选方法，57.在教育领域使用IV, RDD, DID, PSM多吗? 使用具体References，58.DID和IV操纵空间大吗? 一切皆为P-hacking，59.第一篇中文DID实证论文长啥样? 60.世界上第一篇DID实证论文长啥样?，61.关于双重差分法DID的32篇精选Articles专辑！62.空间双重差分法(spatial DID)最新实证papers合辑！63.空间DID双重差分方法的文献, spatial DID，64.多期三重差分法和双重差分法的操作指南，65.多期双重差分法,政策实施时间不同的处理方法，66.三重差分法运行和示例，67.利用DID和事件研究法的Top5文章, 分析最低工资对低薪工作的影响！ 关于一些计量方法的合辑，各位学者可以参看如下文章：①“实证研究中用到的200篇文章, 社科学者常备toolkit”、②实证文章写作常用到的50篇名家经验帖, 学者必读系列、③过去10年AER上关于中国主题的Articles专辑、④AEA公布2017-19年度最受关注的十大研究话题, 给你的选题方向，⑤2020年中文Top期刊重点选题方向, 写论文就写这些。后面，咱们又引荐了①使用CFPS, CHFS, CHNS数据实证研究的精选文章专辑！，②这40个微观数据库够你博士毕业了, 反正凭着这些库成了教授，③Python, Stata, R软件史上最全快捷键合辑！，④关于(模糊)断点回归设计的100篇精选Articles专辑！，⑤关于双重差分法DID的32篇精选Articles专辑！，⑥关于合成控制法SCM的33篇精选Articles专辑！⑦最近80篇关于中国国际贸易领域papers合辑！，⑧最近70篇关于中国环境生态的经济学papers合辑！⑨使用CEPS, CHARLS, CGSS, CLHLS数据库实证研究的精选文章专辑！⑩最近50篇使用系统GMM开展实证研究的papers合辑！
下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。
2.5年，计量经济圈近1000篇不重类计量文章， 可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle 计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。
|
