徐轶青,斯坦福大学政治学系助理教授。本科毕业于复旦大学经济学系;硕士毕业于北京大学中国经济研究中心(现国家发展研究院);2016年于麻省理工学院(MIT)政治学系获博士学位。2016年7月至2019年6月,于加州大学圣地亚哥分校(UCSD)政治学系工作。
2021年7月24日上午,斯坦福大学政治学系助理教授徐轶青担任青苗计划主讲人,讲座主题为“基于面板数据的因果推断:新趋势”。本次讲座由助教刘安然主持,第四期青苗计划学员参加。
讲座的介绍和引入部分,徐老师从平行趋势假设不成立的案例出发,引出本次讲座尝试解答的三个核心问题:一是固定效应模型和双重差分法适用的场景、和可能遇到的问题;二是在模型背后的实验设计思想;三是提出进一步改进双重差分法和合成控制法可能改进的方向。在这里,徐老师指出,与一般截面数据和时间序列数据比较,面板数据因果推断有一定优势,即能够进行时间上纵向和处理组横向的两维度比较。由此,讲座进入正式内容。
讲座的第一部分,徐老师带领同学们对双重差分法和合成控制法进行概念回顾,徐老师提到,双重差分法方法里面使用预处理变量来调整趋势的做法是合成控制法思想的源头。徐老师解读合成控制法在思想上的创新之处在于:用到了处理前的结果;用到了时间序列上的横截面相关性;在权重的分配上采用规划的思想;保留了部分处理前的数据用于测试,这一点与机器学习的思维异曲同工。
讲座的第二部分,徐老师从模型的前提假设对固定效应模型和双重差分法模型的差异和存在问题进行了讨论。聚焦到固定效应模型和双重差分法模型的强内生性假设,徐老师指出,这个假设需要满足的条件远比想象中更多。包括:不允许存在不可观察的时变混杂变量;要求过去的结果不会直接影响当前的结果;要求过去的处理不会直接影响当前的结果;以及要求过去的结果不会直接影响当前的处理。
讲座的第三部分,徐老师为同学们介绍了一些新的估计方法和工具,这些方法都是在双重差分法及合成控制法基础上的延伸。具体包括匹配和再加权的方法(Matching and reweighting)和结果模型(Outcome models)两大路径。在这两条路径的基础上,还衍生出了一些混合模型。
在讲座的总结部分,徐老师提出对同学们的期待:首先是在做实际回归之前,要充分思考回归模型背后的实验设计思想,并通过画图深刻理解数据特点;其次是尝试理解固定效应模型和双重差分法背后的强外生性假设。最后在讲座问答环节,在与同学讨论到一般的模型选择方法时,徐老师提到要从实验设计、数据结构与问题场景等维度综合考虑。
课堂上徐老师旁征博引,从经济学直觉出发,同时注重讲授模型的技术细节,为大家带来了一场聚焦社会科学方法论前沿的学术盛宴。同学们就自己对于模型的理解和可应用场景与徐老师展开积极的讨论与学习,课堂氛围浓厚。感谢徐轶青教授不辞辛苦志愿为青苗授课!讲座至此圆满成功!(文案:韦芷曦 中国政法大学)