注意，最近发的每一篇文献都需要反复阅读，1.AER又现黑手党: 匹配的双重差分, NNM和PSM用得好, 机制分析和稳健性检验的典范, 内容是真过瘾，2.AER的风吹到川普口中的匈牙利, 是控制变量, FE, clustered SE, 机制分析和异质性分析典范，3.TOP刊: 足球与家暴, 事件研究vs绝对时间分析
正文Chen, Y., Fan, Z., Gu, X. et al. Evaluating the effects of a massive rural school expansion in pre-reform China. J Popul Econ 37, 28 (2024). https:///10.1007/s00148-024-01012-z We estimate the impact of the expansion by compiling a new county-level dataset from local gazetteers and exploiting the county-level variation in the speed of expansion for identification purposes. We provide strong evidence that the program significantly increased rural children’s years of schooling and suggestive evidence that teachers contributed more to this improvement than schools. By building a pool of middle-skilled labor years later, the expansion program boosted local agricultural yields and increased the productivity of the township and village enterprises that emerged after the reform. Finally, we find some evidence that this rapid expansion was associated with a deterioration in the quality of schooling.
目录 
一、摘要 从地方志汇编县级数据，利用县级扩张速度的差异来识别并估算扩张的影响。本文研究发现（提供有力的证据），（学校扩张）项目显著提升了农村地区儿童的受教育年限，暗示（提供有说服力的证据表明）老师比学校在这一改善中产生的作用更大。多年后，通过培养一群中等技能劳动力，学校扩张项目提高了当地农业产量，也提高了改革后兴起的乡镇企业的生产率。最后，一些证据表明快速的扩张会破坏教学质量。 二、引言1. 研究背景在市场化改革之前，中国就已经实现了相对于人均收入的高水平中学入学率。 Ø 1978年，中国人均GDP只有全球平均水平的5%（307美元），远低于印度、撒哈拉以南非洲地区，但中学入学率为54%，则远高于世界平均水平49%，如印度、撒哈拉以南非洲或中等收入国家）。 Ø 考虑生计的农村人口上学率较高。1978年，82.1%是农村人口。 Ø 直观表明人均GDP与1978年中学入学率的关系：国际比较如图1所示，中国是一个明显的离群值。 
图 1 1978年各国人均GDP与中学入学率关系图 2.研究动机、主体研究内容和结果动机：已有研究表明，改革前中国大量的中等技能劳动力是改革后经济快速发展的首要条件。但是在一个工资极低的情况下却能保持极高的教育水平，其原因仍然知之甚少。必须调查农村地区受过教育的劳动力数量增加是否有助于农村发展。对于从总体上理解人力资本形成，特别是理解中国经济发展的起源具有重要意义。 主体内容：该研究探讨了在文化大革命期间，中国如何通过大规模的农村学校扩张计划来招收大量的中学生，从而为经济改革之前的一些中学教育提供了大量的劳动力。该计划使中学数量增加了10倍，从1965年的18102所增加到1977年的200168所。中学教师人数也有类似幅度的增长，从1965年的46万增加到1977年的320万。本研究采用队列双重差分法（Cohort-DID）试图量化这种大规模的农村学校扩张计划对农村儿童的教育获得和农村发展的影响。 研究结果：有力的证据表明，文化大革命期间学校或教师数量的增加，使得具有部分中学学历的中等技能劳动力储备显著增加，更多教师的政策效果大约是更多学校的三倍。 3. 研究过程1）主体研究本文使用队列双重差分 （DID） 策略来估计依赖于两种类型变异的因果效应。首先，各县的扩张速度不同。其次，同一县的不同队列因进入中学的年份不同而面临不同的扩张。 利用县级粮食年产量和拖拉机数量数据，重点关注农村发展的两个关键方面：农业生产力和乡镇企业（简称TVE）的发展。 2）进一步探究进一步探究了学校扩张对教育质量的影响，发现存在负向影响。 4. 研究贡献和不足1）贡献 · 本文为学校扩张对农村教育的影响提供直接证据； · 本文推进了关于改善发展中国家受教育机会的文献：中国学校扩张的范围和规模是人类历史上前所未有的、数据的独特性使得学校与教师的作用效果可比；揭示学校扩张的负面影响； 2）不足 对文化大革命的灾难性后果和对学校扩建计划进行成本效益分析超出了本研究的范围。 三、历史背景1. 改革前中国学校扩张史· 三个阶段：1949年中华人民共和国成立时，整个国家受教育程度很低。绝大多数（70-80%）的人口是文盲，只有大约25%的学龄儿童上小学。中央政府在1950年代和1960年代试图通过在每个村庄建立一所小学来扩大小学教育。到1965年，这一运动迅速将小学入学率提高到84.7%。 · 制度效果： 
图 2 革命期间中学学校与教师数量趋势图 Ø 中学扩张：中学数量显著增加，中学生和教师人数几乎同时增加（如图2）； Ø 学校教育在农村环境十分有意义：在文化大革命期间，对教育的重视从科学知识转向实践经验，技能学习更有助于农村发展； 2. 实现扩张的具体途径l 三种中学发展方式 Ø 一是建立新的中学：取决于当地经济条件。 Ø 二是要求城市学校在农村地区设立分校，重新分配教学：符合革命时期减少阶级差异会让城乡差距的教育改革思想。 Ø 三是“戴帽”（ceng-ceng daimao），即在低年级学校教授高年级学生（例如，在初中增加高中班）。轶事证据表明存在三种方法来缓解教师短缺。来自农村但居住在城市地区的教师被要求返回家乡、村领导挑选了一些中学毕业的受过良好教育的年轻村民当老师，以及来自城市地区且普遍受过良好教育的“上山下乡”知青的到来是农村教师的自然人选。 四，实证研究 1. 实证模型的建立l 模型公式 
l 对回归模型的说明、解读及变量的数据来源： 1）被解释变量。 是指P省C县队列G个体I的受教育情况，或受教育年限，表示入学或毕业的虚拟变量； 2）解释变量。 表示P省C县的学校扩张指数，以 1964 年每 1000 个县人口在 1965 年至 1977 年期间中学（或教师）数量的年增长率来衡量： 【主要变量的数据来源与处理】 Ø 结合了三个层面的数据：县-地方志、个人和企业。 Ø 由于本文关注的是欠发达农村地区的学校扩张，因此排除了以城市为主的较发达的县级地区，包括3个直辖市(北京、天津、上海)和所有市辖区。 Ø 1990年人口普查还剩下2039个县。本文核心样本包括 1113 个拥有学校建设率信息的县。 Ø 排除了学校建设率或教师增长率落在前1 %或后1 %的县，以减轻离群县的影响；结果对这种排除并不敏感。 【解释变量的变量替换】 Ø 用教师增长率变量来替代衡量。 3）交互变量： 衡量队列（该群体)对扩展计划的接触程度： 【变量的数据来源与处理】 Ø 个人层面信息的主要来源是中国 1990 年人口普查的 1% 样本。1953年的学生是最先受到学校扩建计划影响的学生（他们于1966年达到初中入学年龄），而1962年的学生（他们于1977年进入高中）是最后一个。较早出生的队列（1943-1952）作为对照组：（1）排除了户口县与居住县不匹配的流动人口（占原始样本的0.87%），并重点关注农村户口的样本。主要样本包含 1,115,230 个单独的观察结果；（2）用 2005 年 1% 十年间人口普查（2005 年小型人口普查）的 20% 样本来补充分析。 Ø 使用1995年中国工业普查进行企业层面的分析。数据覆盖了510,218家乡镇（县下一级）及以上工业企业的完整样本。核心县有189951家企业发布了学校扩建信息，将乡镇企业定义为满足三个条件的企业：（1）隶属于乡镇单位；（2）集体所有制；（3）农村企业。劳动力占其就业人数的一半以上。最终的乡镇企业样本包含 90027 家企业。 4）队列DID的变量设计。将 1953-1962 年的队列定义为实验组，将较早出生的队列（1943-1952）定义为对照组。 【Q：为何这样设置实验组和对照组？】A：由于扩张过程是渐进式的，并且跨越了十多年，所以后来出生的群体在应该进入初中时有更多的学校可供选择，因而将出生于1953和1963年之间的队列群体设置为 。
5）控制个体特征。包括性别和种族 ()、县固定效应 () 和省队列固定效应 ()。的引入使得队列效应在不同省份之间具有灵活性和差异性。 6）控制异质性趋势。为了进一步减轻对可能的异质趋势的担忧，引入了队列虚拟变量和基准县特征（）之间的交互项。由于基准受教育水平是县扩张过程的有力预测因素，因此将参考群体的小学、初中和高中毕业率纳入 c 中。 7）聚类。在县级标准误进行聚类。 2. 识别要求——平行趋势检验l 模型公式：将队列实验组分解为一组队列虚拟变量来检验先前存在的趋势：
图 3 平行趋势检验图示
Ø 前因：新兴的计量经济学文献指出，即使平行趋势假设成立，TWFE估计量也可能无法正确识别利息的政策效应。 Ø 后果：采用异质性稳健的DID估计量，该估计量适用于de Chaisemartin and D’Haultfoeuille (2022)中提出的连续处理的异质性稳健双重差分估计量，使用Stata中的did _ multiplegt包 异质性稳健的双重差分模型得到的处理效应表现出与双向固定效应模型类似的规律：在学校扩张前的安慰剂期，处理效应在零附近波动，在学校扩张开始后，处理效应稳步上升。 3. 基准回归1）基准回归结果l 学校扩招对农村儿童教育成就的影响 基准回归结果见表3模型（1）-（7）。第（1）列的统计显著性系数为5.116，处理队列的平均接触状态（）为0.531，平均中学建设率为每年每千名居民0.022所学校。综合这些数字，每人受教育年限增加0.0598（=5.116× 0.531 × 0.022）年。 第( 2 ) - ( 7 )列将受教育年限分解为一组入学或毕业虚拟变量。中学扩招计划主要提高了中学毕业率(第( 4 ) - ( 7 )列）；对小学教育的影响要小得多(第( 2 ) - ( 3 )列）。
l 学校扩招VS.教师扩员 对农村儿童教育成就的影响差异
子样本中的实验组（如表4），在1965 - 1977年期间，每1000名居民的平均实验状态(式中: 为0.535。中学数量和教师数量分别以每年0.021、0.297 的速度增长。学校建设仅贡献了0.112 ( = 9.981 × 0.535 × 0.021)年的受教育年限，而教师增长贡献了0.291 ( = 1.834 × 0.535 × 0.297)年的受教育年限。教师对受教育年限的政策效应是学校的2.60倍。初中和高中毕业的比例分别为2.78和1.97。 表 4 学校扩张与教师增多对儿童教育成就的影响 2）模型的进一步调整和检验① 学校扩张对个人影响-更多地接触该学校扩招计划的农村儿童是否获得了更长的学校教育年限问题。 · 调整1：探究教育不平等-基线受教育水平差异（性别、地区） Ø 考虑到县的基线受教育水平存在差异，应该对儿童受教育年限产生影响； Ø 调整方式：县的基线受教育水平是否超过均值水平，设置虚拟变量，形成队列虚拟变量和基准县特征虚拟变量之间的交互项； Ø 结果：这种扩张减少了初中的不平等，但增加了高中阶段的不平等。在初中阶段，与男生相比，女生从新学校的建设中获益更多。 · 调整2：探究学校扩张对农村和城市抽样人口教育程度的影响 Ø 调整方式：样本分组为农村地区与城市地区； Ø 结果：学校扩张主要发生在农村地区，并没有显著损害同一县的城市学校教育； 进一步检验：扩张的影响可能超越个人层面，延伸到县或企业层面，并在农业和工业生产方面有利于农村发展。 · 调整3：探究学校扩张对农业发展的影响 Ø 调整方式1：农业生产率。从当地地名录和省级农业统计中收集了1965-1985年县级粮食年产量和小型和大型拖拉机数量的数据，所有变量均按1964 年县人口缩放，计算新的接触率（曝光率）。 Ø 结果1：新一波中学扩张的应届毕业生对农业生产力做出了贡献。从1965年到1985年，学校的扩张可以占农业生产力增长的14%。使用教师人数的增长率作为学校扩张的替代衡量标准得出了类似的结果。有趣的是，虽然更多的教师在提高受教育年限方面比更多的学校更有效，但两者对粮食产量的影响相似。 Ø 调整方式2：乡镇企业生产率。利用不同企业工人年龄结构的差异，并计算了企业层面的政策风险。由于数据限制，这种新策略必须依赖于一些假设（例如，每个年龄组的TVE工作者的年龄分布均匀），因此不如使用个人水平数据的队列DID方法严格。 Ø 结果2：学校扩建计划将职业技术教育的生产力提高了3.2%（如果由更多的学校来衡量）或12.9%（如果由更多的教师来衡量）。农村学校扩张对职业技术教育后续发展产生了积极影响。 · 调整4：学校扩张对教育质量的影响 Ø 调整方式：首先，学校扩张并没有改善个体的劳动力市场结果，其次，我们提供了关于学校教育质量下降的三个间接证据：（1）将本研究的结果与上山下乡对农村教育的影响进行了比较；（2）检验教师短缺假说，利用劳动力市场的结果，以受教育的"数量"的固定效应为条件，作为受教育"质量"的代理变量。随着下山知青的到来，教师短缺可以得到部分缓解；（3）通过显示公办学校和民办学校的差异化效应，为学校教育质量提供了更为直接的证据。 Ø 结果：公办学校对受教育年限有更大的积极影响。这一发现支持了公办学校质量普遍较高的假设。学校扩张对劳动力市场结果具有消极影响。 五. 研究结论文化大革命期间出现了大规模的农村学校扩张计划。中学数量从1965年的18102所增加到1977年的201268所，增长了10倍多。通过对数千本地方志的手工收集数据进行分析，本研究系统、定量地评估了该项目对农村教育的影响。虽然更多学校的建设和更多教师的招聘都显著地增加了农村儿童的中学教育入学率，但后者的影响比前者大得多。文化大革命期间学校扩张运动至少培养了3.21 ( 1.67 )万名初(高)高毕业生，且没有农村学校扩张导致城市教育显著下降的证据。 在学校扩张后，学校课程有所缩短，但更贴近实际，更能适应农村生产环境(例如,如何操作和维修农业机械)的需要。随着农村学校扩招计划将更多的中专毕业生引入劳动力队伍，这一趋势逐渐增强。暗示性证据表明该计划通过促进受教育程度更高的农村劳动力，提高了乡镇企业的生产率。然而，在短短的十年中，中学数量增加了十倍，这使得学校教育的质量难以维持。新建学校速度较快的县，其学校教育质量下降幅度较大，而这种下降很可能源于缺乏合格的教师。 六. 思维导图七．阅读思考这篇论文的行文架构和以往读过的论文很不同。首先，这篇文献是政治方向的，具体研究学校扩张这一政策效应，构建了运用队列DID的合适的情境。其次，这篇论文没有稳健性检验，这是很独特的。 基于这两点，个人初涉这一个领域，提出的些微思考如下：首先，学校扩张政策是影响农村儿童受教育年限的关键因素，但是文中提到了同样会对农村教育产生影响的“上山下乡”政策，这一政策中知青下乡，可能会通过影响教师数量，推动农村儿童的受教育年限，论文没有排除掉其他政策的一些干扰，即便DID方法本身是聚焦于学校扩张政策的单一影响，但由于该文没有稳健性检验，那么考虑其他政策应该能够加强文章结论的可靠性。其次，这篇论文研究的内容其实比较宽泛，但是整体上思维有点分散，最明显的差异性比较是学校扩张和教师增员，后面又陆续分组为城市和农村、民办和公办，这样分组以及在这个部分分组的原因，却寥寥少词。感觉研究的关注点有些被分散，读起来内容有点宽泛。当然由于篇幅受限，而可以讲的故事又很多，难免出现研究密度过大，少了侧重。 总体上，这篇文章让我接触到队列DID，设计队列DID的情境：即某一个要素受到政策的影响存在时间或地区上的变动的时候。比方，本文农村儿童受教育年限受到扩张政策的影响，不同县的学校扩张速度不同，同县不同队列的儿童在入学时学校扩张的速度也不同，因此农村儿童的受教育年限受到学校扩张政策的影响会因为时间和地区产生差异，这样设计的队列DID。希望能发现能够运用队列DID的类似情境，不断学习，得到应用。关于多期DID或交叠DID: 1.DID相关前沿问题“政策交错执行+堆叠DID+事件研究”, 附完整slides，2.交错(渐进)DID中, 用TWFE估计处理效应的问题, 及Bacon分解识别估计偏误，3.典范! 这篇AER在一图表里用了所有DID最新进展方法, 审稿人直接服了！4.最新Sun和Abraham(2020)和TWFE估计多期或交错DID并绘图展示结果！详细解读code！5.多期DID或渐进DID或交叠DID, 最新Stata执行命令整理如下供大家学习，6.多期DID前沿方法大讨论, e.g., 进入-退出型DID, 异质性和动态性处理效应DID, 基期选择问题等，7.交叠DID中平行趋势检验, 事件研究图绘制, 安慰剂检验的保姆级程序指南！8.欣慰! 营养午餐计划终于登上TOP5! 交叠DID+异质性稳健DID！9.用事件研究法开展政策评估的过程, 手把手教学文章！10.从双重差分法到事件研究法, 双重差分滥用与需要注意的问题，11.系统梳理DID最新进展: 从多期DID的潜在问题到当前主流解决方法和代码! 12.标准DID中的平行趋势检验,动态效应, 安慰剂检验, 预期效应教程，13.DID从经典到前沿方法的保姆级教程, 释放最完整数据和代码！ 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。
|
