因此，研究人员面临以下问题:MaxEIU=φ(ei)·(W-K)+[1-φ(ei)]·W-C(ei)=(1)=w+φ(ei)·(W-W-K)-c(ei)因此，很明显，E-ORT的最佳水平取决于工资溢价（W-W）和上大学费用之间的关系，fiefrst-ordercondition为:φ(E*i)·(W-W-K)=c(E*i)(2)这可以概括为以下命题：大学的开放通过距离的缩短降低了与上大学相关的成本，这产生了增加e的激励，以增加进入大学的可能性。4数据实证分析基于2004年至2018年从多个公开来源构建的按学生、按城市、按年的面板数据。其中包括INEP和巴西地理统计研究所(IBGE)提供的数据。首先，为了确定联邦大学每年的开放人数，我使用了2004年至2017年高等教育普查的数据。该数据集是基于一份调查问卷(MEC)，目的是提供关于这些院校的课程、校友、院系和学术组织的详细信息。我可以通过取di witherencea(n)\\A(n-1)来确定大学是什么时候建立的，其中A(n)是年高等教育普查中的非公开大学集。因此，我用2009年至2017年期间获得联邦大学的市政当局的信息建立了一个数据集。在此期间成立了八所联邦大学，巴伊亚州、塞拉州、帕拉州、巴拉那州和圣卡塔琳娜州的每个城市各有一个，2009年至2013年间有三个城市。通过应用经济研究所（Pereira et al.，2019)开发的R包，可以使用距离大学所在城市质心10和25公里的城市地图绘制附近的城市，这些城市可以由大学市政当局看到。我在25公里范围内的所有城市（总共113个）进行实证分析，考虑到在城市中存在异质e-ects acrossmunicipitals的可能性。由于大学与大学之间没有重叠，我认为没有一个城市同时被一所以上的大学所取代。其次，我使用ENEM的数据来衡量学生的表现结果。灌肠数据集有关于学生考试成绩的信息--在多项选择题和一篇作文中--以及关于学生社会经济特征的信息，如年龄、种族、性别和家庭收入等。表1显示了研究中考虑的社会经济变量的分布。第1栏考虑了25公里内的8个市政府，最后一栏考虑了整个国家。然而，由于在INEP的数据库中存在大量缺失值，我们缺乏与学校级变量相关的信息。在2004年至2018年期间，不包括2011年和2012年，因为可用的微观数据不兼容问题。到目前为止，从INEP获得的这两年的数据没有更新以匹配其他数据集的格式，这导致了可用值和变量的差异。考虑到这一点，我选择将这些观察排除在研究之外。此外，在两天的考试中有一天缺席的学生或在论文中得了零分的学生被从样本中删除。关于学生表现的衡量，我选择多项选择题的成绩作为主要的兴趣结果，原因有二。首先，它具有统一的评价标准，不涉及论文评分中可能存在的一定程度的主观性；其次，它涵盖了更广泛的知识范围，允许通过项目反应理论方法进行更广泛的采样--保证选择题是比论文更可靠的度量。

因此，因变量被定义为考试所评估区域的平均值。通过将ENEM学生层面的微观数据与高等教育普查数据相结合，建立了包含考试年和大学开学年的数据库。表1已打开。这两个数据之间的比较将构成处理变量。5实证策略由于我们预计政府不会随机选择大学的位置，大学距离与考试成绩之间的简单回归往往会偏向。因为联邦大学的位置预计会跟随教育而被高估。为了克服这个问题，并估计新大学对学生结果的因果影响，我使用了一种事件研究策略，具有双向的e-ects估计，并遵循Borusyak和Jaravel(2017)提出的步骤，在类似于Garrouste和Zaiem(2020)的背景下，利用在不同时间接收新联邦大学的城市之间的差异。因为它同时使用了时间和市政维度，所以它考虑了治疗和时间表中的潜在选择。对于被处理的市政当局有与联邦大学开放相关的未观察到的特征的可能性，这意味着对年级跨年的一般变化的控制，可能是由inENEM或招生系统中的调整引起的。这种方法比双向的e-ects di-in-di-erences估计器的优势是可以捕捉随着时间的推移而变化的处理e-ects。在di-in-di策略的情况下，这种变化会影响时间比较，导致估计是对平均治疗后ECT的误导性总结（Goodman-Bacon,2018）。为了使用事件研究方法，我构建了以下治疗变量:treatmentm，s，k=1t-开放Yearm，s=k0否则（3）观察结果的年份和开放Yearm，sis estabmsTreatmentm，s，k表示相对于事件的周期数，定义了一个联邦大学的假开放。表2给出了治疗变量的分布。不出所料，参与人数不断增加，因为变量与年份呈正相关，这与2009年后对环境和环境管理的重视程度更高是一致的。表2：大学开学前/开学后各城市的待遇差异708（4.0%）39,755（4.3%）τ+1 42,514（10.2%）81,191（8.8%）τ+2 30,325（7.3%）64,520（7.0%）τ+3 32,611（7.8%）91,849（10.0%）τ+4 50,416（12.1%）120,032（13.1%）τ+5 46,726（11.2%）108,599（11.8%）τ+6 42,572（10.2%）98,991（10.8%）τ+7 25,316（6.1%）54,308（5.9%）τ+8 17,880（4.3%）44,513（4.8%）τ+9 16,990（4.1%）24,964（2.7%）如果我选择在这种情况下的所有时期都包含二元变量--称为完全动态特性--从一个基本缺陷问题中得到的模型。由于在没有控制组的情况下绝对时间的流逝与相对时间的流逝是无法区分的，因此需要对模型施加额外的限制，以便估计出绝对时间的流逝。

作者提出的方法之一是预先趋势的限制，这种限制只适用于事件在单一性条件下不可预测的情况下。不可预测性假设意味着结果无法得到充分的基础，可以预期新大学开学的结果，就像公开宣布一般在实际成立前1-2年做出的那样。因此，identifiation假设是不存在前趋势fork<(τ-2)，并且我通过从完全动态回归中删除两个termsk，k<(τ-2)来检验这个假设，这是为了识别前趋势的可能性所需的最小限制数。我选择了K=(τ-3)和K=(τ-9)，根据作者的建议，选择了相距较远的省略类别，以减少单个COE的标准误差。所有回归都报告了按市政分类的标准误差，以说明分类分配（Abadie等人，2017）。在前趋势分析之前，我需要对要包含在首选规范中的单元特性进行分析，因此，回归结果为:Gradei,m,s,t=α+τ-4xk=τ-8βktreatmentm,s,k+τ+τ-4xk=τ-8ρk·（Treatmentm,s,k×Distancem,s）++τ+9xk=τ-2ρk·（Treatmentm,s,k×Distancem,s）++φt+δm+(θs×t)++μ·等级-i,m,s,t+μ·（Gradem,s,t×t)++γ·Xi,m,s,t+γ·(Xi,m,s,t×t)在等式4中，Gradei，m，s，tis是对学生感兴趣的结果，m，states，yeart，Treatmentm，s，k表示在相对时间内，在最近的大学开学前/后的每一年的治疗变量。φt和δm分别指年份和staticle-speciefced e ects，(θs×t)代表staticle-specified趋势。包含治疗变量与新联邦大学距离之间的相互作用(Treatmentm,s,k×distancem,s）允许根据相应的距离进行双向治疗的可能性。i包括代表市政平均等级的变量-i,m,s,t，statesin in theartwithout studenti,以说明同龄人的ECTs，(Gradem,s,t×t),以考虑具有不同平均等级的城市之间随时间变化的趋势。Xi，m，s，t对应于学生水平控制的向量--如父母的学校教育、家庭收入、种族、性别--而(Xi，m，s，t×Distancem,s）代表这些控制的子集，这些控制与最近联邦大学开学以来的市政距离相互作用。i，m，s，t表示随机项误差，α，γ，γ，μ和μ是有待估计的回归项。该等式中的βkCoe仅用于评估前期趋势，因为它们不测量E ects治疗e-ciently。由于学生在统计学上只影响分叉≥(τ-2)。任何前趋势的存在都表明内生性的来源，使识别假设无效。首选特定情况中缺乏预趋势，由于所有Coe不能从零开始统计，使用5%的显著水平。现在我们在关于前趋势的假设中有了一致性，我设置βk=,k<(τ-2)并使用半动态特性估计回归，如下所示:gradei,m,s,t=α+τ+9xk=τ-2βktreatmentm,s,k×Distancem,s）++φt+δm+(θs×t)++μ·gradi-i,m,s,t+μ·（Gradem,s,t×t)++γ·Xi,m,s,t+γ·(Xi，m，s，t×Distancem,s)+I，m，s，t(5)kfederal university向市政当局开放，用Treatmentm,s,k表示，假值范围为(τ-2)至(τ+9)，这允许分析治疗是否随着时间的推移而改变。

现在，βkcoe cients衡量的是待遇对学生表现的影响，可以解释为新的联邦大学相对时间的累积影响，与没有大学的e ect的基线(τ-3)相比，对于大学成立的城市来说。参数ρk代表了该大学在相对时间k对离该大学所在城市1公里处的直接累积影响。结果稳定3给出了方程5的主要回归结果，以多项选择测验的标准化等级为因变量，以治疗假变量及其与距离的交互作用为自变量。因此，第8行显示了新联邦大学标准化考试成绩的累积e-ect值，与该大学所在城市的基线(τ-3)相比较。最后八行显示了建立了双向累积效应大学。回归包括对以下控制因素的双向统计和解释：性别、种族、年龄、父母受教育程度、家庭收入、婚姻状况和无学生城市的平均年级。它还包括州的规定和控制趋势，以考虑到各市政府之间考试成绩随时间变化的趋势。新大学也被考虑在内。这些列显示了直接回归特性，所有标准错误都按市政分类。fielgrst列显示了估计的COE cients，仅包含了直接E ects，在所有时期显示了非直接E ects，以及针对单个学生特征的教育变量控制的证据，结果是在添加了州特性和控制趋势后发现的，图6联邦大学在期间τ后开学的Eect，在随后的几年中保持在类似的水平，测试成绩平均增加了0.038个标准差。有证据表明，在大学的第一年出现了异质性的E-ects，负CO-cient表明远离新联邦的城市，治疗E-ect的标准差为0.002。

与周期τ的E-ect和25km Bu-s的估计值相比较。结果表明，个体受本地可用性的约束，以提高进入大学的概率，当这种限制得到缓解，以及该国免费高等教育未涵盖的地区的情况出现时，不仅让进入新学院的学生感到困难，而且还包括邻近地区潜在学生的人力资本积累。表3：大学开学ECT随年级变化的OLS结果标准化等级(0.014)(0.017)τ+5 0.057 0.033；*0.046；*(0.162)(0.015)(0.021)(τ-2)x Bu-Er距离0.007；*-0.0001-0.0002(0.004)(0.001)(0.001)(τ-1)x Bu-Er距离0.004-0.001-0.001-0.001-0.001-0.004-0.001-0.001-0.004-0.001-0.001-0.004-0.001-0.001-0.004-0.001-0.001-0.004-0.001-0.001-0.004-0.001-0.001-0.004-0.001-0.001-0.004-0.001-(0.001)(0.001)τx Bu-Er距离0.005**-0.001–0.002**(0.002)(0.001)(τ+1)x Bu-Er距离0.004–0.001–0.001(0.003)(0.001)(τ+3)x Bu-Er距离0.004–0.0002–0.001(0.003)(0.001)(τ+3)x Bu-Er距离0.004–0.0002–0.001(0.001)(0.001)(0.001)(0.001)(0.001)(0.001)(0.001)(0.001)(0.001)(τ+4)x Bu-Er距离0.001)(0.001)(τ+5)x bu层距离0.004 0.0003-0.001(0.003)(0.001)(0.001)年和市政设施？是的，是的，社会经济和教育控制？不，是的，是的，状态-规格和控制趋势？市数113 113 113意见918,026 918,026 918,026 918,026经调整的R0.248 0.412 0.413注:p<0.1；p<0.5；p<0.1标准误差在括号内按市一级归类。社会经济和教育控制=性别、年龄、种族、家庭收入、婚姻状况、所在城市学生的平均年级、父母就读的小学、初中和高中学生，我使用这些电子尺寸基准：小于0.05为小，0.05至小于0.20为中等，0.20或大于0.20为大。为了在更密切的背景下进行爱茉莉的直接比较，Camargo等人。（2018）私人机构的公共标准偏差。学生的成绩，我求助于席尔瓦等人估计的成本。（2018）与大学开放相比，预计成本较低。我们可以将这一数额与卡夫（2018）提出的每名学生成本基准模式相结合，其中低于500美元是低的，500至4000美元以下是中等的，4000美元或更高的是高的。这些比较表明，联邦机构的开放结合了劳氏效率与每名学生的高成本，以及明显的硬可扩展性。因此，成绩是该项目的间接结果--其主要目标是扩大公共高等教育的覆盖面和供应。因此，尽管这不是一个提高学生成绩的明智方法，但它可能是一个适合其他目的的政策。Toivanen和V"a"an"anen，2016年；格伦，2004年；Frenette，2009)，这些结果代表了对联邦大学建立的随机估计，而不是依赖于他们的位置是随机的假设。除此之外，本分析侧重于短期学生的激励--通过他们的表现来衡量。7稳健性为了检查结果对模型特性变化的稳健性，我评估了对大学开放的预期可能性和估计的e-ects由于机会的前景。对模型的潜在威胁来自学生群体变化的可能性，这意味着不可预测的假设不成立。

在这种情况下，分配将不连续，不可能分离与较高等级相关的未观察到的特征，结果将被高估。在表4中，关于可观察到的特征。结果表明，该模型的组成没有不连续性或显著性变化，这增加了大学开放对年级的估计影响。与鲁棒性有关的另一个问题是初始处理后的不平衡性，该模型解决了这一问题。在这种情况下，如果我们有证据表明治疗时间和单位规定的e-ects之间有联系，就会出现问题。因为样本是由Borusyak和Jaravel(2017)展示的，尽管我们预计早期处理的城市具有明显的特征，但引入了市政设施e e ectseven。为了测试估计的e e ects是否是出于偶然，我使用25公里和50公里之间的城市进行安慰剂回归。Theones，因为它很近，但离大学的距离表明，在这些城市里，开放应该很少或没有。在这个子集中，我使用来自equation5的相同事件研究回归来确定没有事件的影响，图7中显示了前趋势，图8中显示了结果。由于在这些城市的大学开放中，在纳入了双向的e----控制和趋势后，没有任何意义，我假设所发现的e----是真的。8结论在这项研究中，我探索了巴西各地新大学设置的时间安排，以调查一所联邦大学的开放对未来学生的激励和表现的直接影响。其理由是，当一个市政府接收一所新的高等教育机构时，就读成本会有外生的下降，这种下降应该在录取过程中使用的分数中重新影响。我使用了一个事件研究，在不同的时间接受治疗的学生群体中--减轻政府决定新大学所在地造成的偏见--大学成立后至少5年的开放规模小但有意义。估计红斑狼疮的治疗随时间的推移和距离大学的距离，以及样本的不平衡。我把这些解释为学生对减少与距离相关的成本的反应，这又反映在增加考试时间和准备时间的激励措施上。电子能级的大小可以，至少部分地，可以用干预的不集中的方面来解释--因为我们只期望在上或不上联邦大学之间的学生子集是一个被限制的部分，平均影响很小。研究结果表明，个人受到当地高等教育可用性的限制，当这种限制得到缓解时，未来的学生愿意发挥更多的优势，以增加进入大学的可能性，对于该国未被免费高等教育覆盖的地区来说，这不仅限制了就读新学院的学生，也限制了未来学生在其邻近地区的人力资本积累。参考资料Sabadie,A.,Athey,S.,Imbens,G.W.和Wooldridge,J.（2017）。什么时候应该调整聚类的标准误差？工作论文。安德鲁斯，M.(2020)。高等教育机构是如何成为本土发明的？来自美国大学建立的证据。SSRN学术论文ID3072565，社会科学研究网络，罗切斯特，纽约。Aranha,A.V.S.,Pena,C.S.和Ribeiro,S.H.R.(2012)。Inclusus o Naufmg的项目：o efeito do bnus e do Reuni nos quatro primeiros anos de vigéncia-um estudosobre acesso e permaníncia。Educacco em Revista,28（4）：317-345.de Arruda,A.L.B.（2011）.

联邦大学（reestrutura e expansus do programa deapoio a planos de reestrutura o e expansus das Universidades Federal de Pernambuco Federal Universidade na Universidade Federal universide。https://repositorio.ufpe.br/handle/123456789/3825.政治经济学，70(5):9-49.辍学。《政治经济学学报》，109(4):749-775.工作论文.Borusyak,K.和Jaravel,X.（2017）.重温事件研究设计。SSRN Solarlypaper ID 2826228，社会科学研究网络，罗切斯特，纽约。布吕内，S.(2015)。Instituicóes de ensino superior e desenvolvimento：o caso do programareuni.Burde,D.和Linden,L.L.（2012）。《乡村学校的理论与实践：来自aof经济研究的证据》，Camargo,B.,Camelo,R.,Firpo,S.和Ponczek,V.（2018）。信息，Marketin巴西。《人力资源学报》，53(2):414-444.卡德（1993）。利用大学距离的地理变化来估计返校率。SSRN学术论文ID420302，社会科学研究网络，罗切斯特，纽约。人力资本的使命：来自大学开放的证据。经济学季刊，118(4):1495-1532.弗雷内特，M.(2009)。大学对本地青年有利吗？创建新大学的证据。教育经济学评论，28(3):318-328.Garrouste,M.和Zaiem,M.（2020）.学校供给限制在轨道选择：一个法国研究利用高中开放。《教育经济学评论》，78:102041.古德曼-培根，A.(2018)。随治疗时间的变化而变化的治疗效果，工作文件，W25018页。Gri-th.A.L.和Rothstein，D.S.(2009)。不能从这里到达那里：申请选择性大学的决定。教育经济学评论，28(5):620-628.劳动。计量经济学杂志，121(1-2):125-142.卡夫，麻省理工学院（2018）。解释教育干预措施的大小。EducationalResearcher.《教育供给冲击之后：瑞士应用科学大学简介》。劳动经济学，66:101883.评论，27(5):588-602.Marta Ferreyra,M.,Avitabile,C.,Botero Alvarez,J.,Haimovich Paz,F.和Urzúa,S.（2017年）。在十字路口：拉丁美洲和加勒比的高等教育。发展方向-人类发展。世界银行，《Ministério da Educacco》(2012)。Relatório da comisséo constituída pela Portaria n126/2012 sobre a análise da expanséo das Universidades Federais-2003 a 2012-andifes.Pereira,R.,Goncalves,C.,de Araujo,P.,Carvalho,G.,Nascimento,I.和de Arruda,R.（2019）。GEOBR：巴西地理和统计研究所的一个易于访问形状的R包。技术报告，IPEA.Pago por aluno adicional nas universidades federais brasileiras com o programa Reuni.Revista da CGU,10（16）：22.Spence,M.（1973）.就业市场信号。《经济学季刊》，87(3):355.在德国？《教育经济学评论》，29(3):470-479.Toivanen,O.and V"a"an"anen,L.（2016）.教育和发明。《经济与统计评论》，98(2):382-396.Vilela,L.,Tachibana,T.Y.,Filho,N.M.,Komatsu,B.（2017）.As cotas nasEducacional，28(69):652-684。世界银行（2018）。世界银行教育概览：高等教育。TechnicalReport.World Bank(2020).大学入学率（总）数据。https://data.worldbank.org/indicator/se.ter.enrr？end=2020&start=1970&view=chart。