主题：【原创】经济学的经验研究方法 -- Dracula

的历史确实如是。

但是讨论IV，edogeniety的终极目的又是什么呢？从Association Estimation到Causal Estimation中间的鸿沟历经千年仍未有解。正如最后一句所言，

IV也只不过是漫漫征途中的一朵小小浪花而已……

几十年前上学也不一定有这么死板。

目前9月份入学的学制，月份大的反而年纪相对小；月份小的年纪相对较大。月份应该不是一个合适的IV。个人（在没有做深入研究的前提下）考虑，是否可以考虑一下父母收入在这个问题上的影响？

文中提到的“当官”人力资本的获取，根据个人上学时的经验，在以成绩论英雄的教育体制下，学习成绩好的学生更容易受到教师偏爱，获得更多的担任班干部的机会，因此得到更多的“当官”人力资本的获取。

我有一两个朋友做过教育的代际传递效应的研究。因子分析的结果确认了父母学历和收入与子女受教育程度之间的正向关系，和受教育程度的城乡差别。

高校工作的个人感受，城市里知识分子和干部子女，以及农村干部/能人子女，参与学生会工作并获得“干部”职务机会较多。低收入家庭的孩子是不是存在结盟现象不得而知，但的确观察到几个贫困家庭学生行为不够“主流”的例子（当然，对这类学生没有任何不敬；本人上学的时候母亲也在下岗）。最后的原因当然是前者在就业问题上的优势。

以上只是看到万教授的文章后的一点浅见，还请指教。

Angrist和Kruguer的分析是建立在美国学生满16岁可以选择离校这个特殊制度基础上的。中国是九年制义务教育，因此至少从Angrist和Kruguer方法的角度来说，出生季度和受教育时间没有关系。而且现在绝大多数理论经济计量学家认为出生季度是weak instrument，因此他们本来论文的估计并不可靠。如果套用中国的数据，我觉得更弱，会有很大的bias，得出的结果会很不可靠，没有多大意义。

如果你提到的这项研究不是用出生季度作instrument，而是直接比较不同季度出生人的收入，发现出生在第一季度的人收入稍高。我觉得有一点意思。但是如果没有个故事，没有哪怕是隐含的经济理论的解释，并且有一些检验，我会很怀疑是data mining。换一套数据可能结果就消失了。

我们用的是6-8月（刚达到义务教育的入学年龄月份最小的那个群体），所以是不同的。

但是，由于AK是第一个考虑这个方法的，所以也借用这个名字。

实际上各个国家教育制度不同，导致方法也不同。而且，关键是要控制其身高，体重（或者出生体重），BODY　MASS　INDEX，社区公共产品投入等要素对教育的影响。所以，我们的研究会是偏向医学方面的，SEASON只是其中一个变量, 和AK有很大不同。

，为了避免误解，这里月份大的意思是指由于出生月份不同在同年入学的孩子中的实际年龄大。

按照HECKMAN和LI的文章的说法，家庭背景是一个MISSING　VARIABLE　RATHER　THAN　AN　IV。所以，我们趋向于直接把它加入到回归中,而不是作为IV。

检验也支持我们的判断。

现在的政治人物在他们小时候，中国的教育还没有义务教育制度，所以都是年龄季度月份混在一起的。不存在这个问题。

为了避免误解，这里月份大的意思是指由于出生月份不同在同年入学的孩子中的实际年龄大.

我们只研究1986年以后的数据。

啥时候说过“解决”？

不过是generalization中的一步而已

是我行文不严谨了。道歉。应改为“开始建立一般化的模型体系”

我以为你们已经解决了这个问题，那我们这些学经济学的人又要再学一门课了。花。