r-econometrics

R 计量经济学

用途

此技能可帮助经济学家使用 R 开展严谨的计量经济学分析，包括工具变量（IV）、双重差分（DiD）和回归不连续设计（RDD）。它会生成可直接用于发表的代码，并包含适当的诊断和稳健标准误。

适用场景

• 开展因果推断分析
• 使用面板数据估计处理效应
• 创建可直接用于发表的回归表
• 实施现代计量经济学方法（双向固定效应、事件研究）

说明

步骤 1：了解研究设计

生成代码前，请询问用户：

1. 你的识别策略是什么？（IV、DiD、RDD 或简单回归）
2. 观测单位是什么？（个人、企业、国家－年份等）
3. 需要哪些固定效应？（个体、时间、双向）
4. 标准误应如何聚类？

步骤 2：生成分析代码

根据研究设计生成 R 代码，并满足以下要求：

1. 使用 fixest 包——现代、高速且功能丰富，适用于面板数据
2. 包含适当的诊断：
   • IV：第一阶段 F 统计量、弱工具变量检验
   • DiD：平行趋势可视化、事件研究图
   • RDD：带宽选择、密度检验
3. 根据数据结构使用稳健／聚类标准误
4. 生成可直接用于发表的输出，使用 modelsummary 或 etable

步骤 3：组织输出

始终包含：

# 1. Setup and packages
# 2. Data loading and preparation
# 3. Descriptive statistics
# 4. Main specification
# 5. Robustness checks
# 6. Visualization
# 7. Export results

步骤 4：添加文档说明

添加注释，解释：

• 选择各项设定的原因
• 关键系数的解释
• 局限性和假设

示例提示词

• “运行一个包含州和年份固定效应、按州聚类的 DiD 分析”
• “使用 Z 作为工具变量，估计 X 对 Y 的影响”
• “创建事件研究图，展示各年份的处理效应”
• “运行锐断点回归（RDD），并选择最优带宽”

示例输出

# ============================================
# Difference-in-Differences Analysis
# ============================================

# Setup
library(tidyverse)
library(fixest)
library(modelsummary)

# Load data
df <- read_csv("data.csv")

# Prepare treatment variable
df <- df %>%
  mutate(
    post = year >= treatment_year,
    treated = state %in% treatment_states,
    treat_post = treated * post
  )

# ----------------------------------------
# Main DiD Specification
# ----------------------------------------

# Two-way fixed effects
did_model <- feols(
  outcome ~ treat_post | state + year,
  data = df,
  cluster = ~state
)

# View results
summary(did_model)

# ----------------------------------------
# Event Study
# ----------------------------------------

# Create relative time variable
df <- df %>%
  mutate(rel_time = year - treatment_year)

# Event study regression
event_study <- feols(
  outcome ~ i(rel_time, treated, ref = -1) | state + year,
  data = df,
  cluster = ~state
)

# Plot coefficients
iplot(event_study, 
      main = "Event Study: Effect on Outcome",
      xlab = "Years Relative to Treatment")

# ----------------------------------------
# Robustness: Alternative Specifications
# ----------------------------------------

# Different clustering
did_robust <- feols(
  outcome ~ treat_post | state + year,
  data = df,
  cluster = ~state + year  # Two-way clustering
)

# ----------------------------------------
# Export Results
# ----------------------------------------

modelsummary(
  list("Main" = did_model, "Two-way Cluster" = did_robust),
  stars = c('*' = 0.1, '**' = 0.05, '***' = 0.01),
  output = "results/did_table.tex"
)

要求

软件

• R 4.0+

软件包

• fixest - 快速估计固定效应模型
• modelsummary - 生成可直接用于发表的表格
• tidyverse - 数据处理
• ggplot2 - 可视化

使用以下命令安装：

install.packages(c("fixest", "modelsummary", "tidyverse"))

最佳实践

1. 始终在处理分配层级聚类标准误
2. 对 DiD 设计进行前趋势检验
3. 报告 IV 的第一阶段 F 统计量（应 > 10）
4. 面板数据使用 feols，而非 lm（速度更快、功能更多）
5. 在代码注释中记录所有设定选择

常见问题

• ❌ 未在正确的层级聚类标准误
• ❌ 忽略 IV 估计中的弱工具变量问题
• ❌ 在处理时点交错的情况下使用 TWFE（改用 did 或 sunab()）
• ❌ 未报告稳健性检验

参考资料

• fixest 文档
• Cunningham（2021）《因果推断：Mixtape》
• Angrist 和 Pischke（2009）《大体无害的计量经济学》

更新日志

v1.0.0

• 首次发布，支持 IV、DiD 和 RDD