89# Anonymous
我同意。

补充下微观部分。前面一个会员提到了reduced form中变量内生性问题，这一部分国内不是没有人做，一般上点档次的论文都要处理，问题在于如何处理？


好的工具变量非常难找，一个“通解”的方法是用内生性变量的滞后期做IV。

与楼上会员（尽管知道id，既然匿名，那就不报id了，呵呵）的看法一致，这在技术上完全可以规避“批评”。

第一，滞后几期IV才起到效果？没有定论，具体问题具体操作。你放滞后三期显著了，就不会用滞后四期，审稿人不可能去查。问题在于，没有合理的理论（针对具体问题）解释到底应该用滞后几期。

第二，overidentification的问题。这很第一个问题有关系，有些时候2SLS的系数显著了，但Sargan检验通不过。然后，一些“不负责任”的研究者就所以调整，以保证Sargan检验能通过。

第三，weak IV（弱工具变量）问题。在很多时候，显著性、Sargan检验和KP weak IV检验同时能通过的模型非常有限。一般能做第一和第二步检验的已然不易，很多人把Weak IV的检验就“省略”了。

第四，Robustness check。 肯定是怎么有利于“规避风险”怎么做。大家平心想想，能通过上面三个检验就像考上中国那几所名校一样难，好不容易又考研成功，如今要申请博士了，谁希望功亏一篑呢？这时候，当然如何省事如何安全，就如何做。Robustness check并没有明确规定必须如何检验，研究者可以去除极端值（比如最前的5%，或者最后的5%），也可以加减变量（但加谁减谁，还是有自主权的）


我的师傅有句话：我们应该以严格的标准来批判自己的模型和结果，并且立足于驳倒它。只有当Identification（识别）被反复攻击和批判之后，我们才能有自信认为，我们做对了第一步，且是最重要的一步。然后经过严格的检验和再次批判，我们才能相信自己的结果基本“靠谱”（make sense）。最后，要从逻辑上证明自己做的模型确实在解释论文提出的问题，并且这样的test是有趣和有必要的。

关于这一点，恐怕很多人在经历数据整理，模型测试之后，都难以下狠心做到。事实上，我们视结果为自己的孩子，都不忍心批评他或者抛弃他。可正因如此，国内目前的实证（大部分）还处于自娱自乐或者不靠谱的程度——也极大地挫伤了年轻学者和研究生从事学术的积极性。