11月25日，2024面板数据分析、微观计量经济学与应用微观经济学前沿研讨会（2024 Workshop on Recent Advances in Panel Data Analysis, Microeconometrics and Applied Microeconomics）在太阳成集团tyc7111cc经济楼举行。研讨会由太阳成集团tyc7111cc邹至庄经济研究院、中国科学院数学与系统科学研究院预测科学研究中心、太阳成集团tyc7111cc-中国科学院计量建模与经济政策研究基础科学中心联合主办。
会议特邀南加利福尼亚大学萧政教授、浙江大学陈松年教授作主旨报告，并就面板数据与因子模型、微观计量经济学、应用微观经济学等议题设专场报告，为中青年学者提供展示和交流的平台，共同探讨面板数据、微观计量经济学、应用微观经济学等领域的最新研究进展与前沿理论，以期推动计量经济学与微观应用经济学领域的新发展与新应用。
会议开幕式由太阳成集团tyc7111cc经济学科韩晓祎教授主持，中国科学院大学经济与管理学院、太阳成集团tyc7111cc邹至庄经济研究院洪永淼教授致开幕词。
洪永淼教授向萧政教授、陈松年教授以及莅临本次研讨会的各位师生表示诚挚的欢迎。他谈到，这是一场“小而精”的研讨会，会议议题涵盖了面板数据分析、微观计量经济学和应用微观经济学等领域，不仅为厦大经济学科的中青年教师搭建了分享学术研究成果的平台，也为学生们提供了一次宝贵的学习机会。他期望通过研讨会的举办，能够进一步促进相关领域的交叉研究，深化学术交流。
Keynote Speech I
萧政教授作题为“Sample Selection Panel Interactive Effects Model”的主旨报告，由洪永淼教授主持。
萧政在报告中介绍了一种两步估计程序，用于估计具有交互效应的面板样本选择模型。第一步中，萧政等人遵循 Robinson (1988) 的方法，通过消除样本选择因素来简化估计过程。特别地，在交互效应与外生变量相关的情况下，他们采用筛方法估计样本选择因素。第二步中，当时间维度 T 固定而截面维度 N 较大时，萧政等人用 Pesaran (2006) 提出的共同相关效应（CCE）估计方法以消除交互效应；而当截面维度 N 固定而时间维度 T 较大时，则采用了 Hsiao 等 (2022) 提出的变换估计方法。在这两种情形下，所提出的估计量均被证明是一致的，并具有渐近正态分布的性质。蒙特卡洛模拟结果表明，该方法在有限样本中表现良好。此外，他们通过一个关于教育回报的实证分析，进一步展示了同时考虑样本选择与交互效应的重要性。最后，萧政指出，虽然 Pesaran (2006) 的共同相关效应估计方法实现简单，但对条件协变量的数据生成过程有所约束；相比之下，Hsiao 等 (2022) 的变换估计方法在无此约束的情况下更具灵活性，但计算更加复杂。
报告结束后，萧政与现场师生就估计程序中第二步的分情形讨论和构造选择变量指示函数的具体经济含义等问题进行了进一步探讨。
Keynote Speech II
25日下午，陈松年教授带来本次会议的第二场主旨报告，题为“Quantile Regression for Duration Data”，由太阳成集团tyc7111cc经济学科刘年青副教授主持。
陈松年首先从久期模型在就业失业过程和股票市场交易的广泛应用出发，指出久期数据通常具有删失、长短期行为不一致、时变回归变量和回归系数异质性等特点。流行的Cox 比例风险模型能够适用于删失和时变回归变量的情形，但难以处理异质性和内生性。另一种更适合对久期数据建模的方法是分位数回归，然而传统的分位数回归模型通常无法适用于时变回归变量的情况。因此，陈松年提出了一种能够适用于时变回归变量、异质性和内生性的分位数回归模型。具体而言，陈松年通过将传统的分位数回归写为积分形式，很“自然”地将其拓展到了时变回归变量的情况。通过将所提出模型和加速失效时间模型（AFT模型）对比，他指出新的分位数回归模型可以看作时变回归变量AFT模型和传统分位数回归模型的结合。
对于模型的估计，陈松年首先从不存在内生性的情况出发，回顾了分位数回归在非时变回归变量和删失情况下的一步估计方法，以及分位数回归在时变回归变量但无删失情况下的两步估计法。他进一步将两步估计法拓展到存在删失以及存在内生性情况。在报告最后，陈松年和与会老师就模型在高低频数据上的适用情况、模型设定的形式等方面进行了讨论。
Session I
Panel Data and Factor Models
在短暂茶歇后，会议迎来第一场邀请报告，主题为“Panel Data and Factor Models”，由韩晓祎教授主持。韩晓祎教授，山东大学洪少新副教授，洪永淼教授，太阳成集团tyc7111cc经济学科谢一萌助理教授先后带来报告。
韩晓祎：Efficient and Sequential Estimation of High-order Spatial Dynamic Panels with Time-varying Dominant Units
韩晓祎在报告中提出一种具有时变主导单元（Dominant units）和具有异方差性误差项的高阶动态空间面板模型。他指出由于主导单元的存在，空间权重矩阵的列和可能不满足一致有界的条件。为了便于理论分析，他们提出了一类新的中心极限定理，该定理允许时变强的主导单元和异方差性同时存在。他们提出了广义矩估计（GMME）和序贯根估计（RE）两种方法来用于模型的参数估计。韩晓祎强调根估计方法不依赖于任何优化算法，并且能够实现和最佳广义矩估计量相同的渐近效率。此外，他们还建立了两种估计量的一致性和渐近正态性，并且提到广义矩估计量的收敛速度依赖于二次矩条件中方阵矩阵的列和量级。进一步，他们将模型和估计方法扩展至内生空间权重的情况。有限样本模拟研究表明，新的估计量具有良好的估计表现。最后，他们将模型应用于中国上市公司之间同群效应的实证分析中。
洪少新： Estimating the Number of Groups in Nonstationary Panels: A Penalty-free Perspective
洪少新在报告中提出了一种新的估计方法来估计具有潜在群组结构的非平稳面板模型。他指出，现有研究中的估计方法通常依赖于预先设定的调整参数（tuning parameters）。洪少新等人提出了一种新的方法来估计群组数，该方法采用了两种新颖的组内差异度量，即最大化最大组差异化比率和最大化平均组差异化比率。洪少新指出他们的方法不依赖于调整参数，从而可以降低计算负担。他们还证明了新的估计方法能够一致地识别潜在组结构的个数。有限样本模拟结果表明，新的估计方法在不同模型设定下具有良好的性质。最后，洪少新等人将该估计方法应用于美国失业率动态调整的实证研究中，进一步展示该估计方法的适用性和有效性。
洪永淼：Consistent Testing for Structural Changes in Factor Models
洪永淼在报告中提出了一种新的检验，该检验能够用来检验高维因子模型中存在的潜在结构变化。洪永淼等人提出的检验方法基于离散傅里叶变换（discrete Fourier transform，DFT）。洪永淼指出，当存在结构变化时，由于结构变化的信号会进入估计误差，传统主成分分析方法难以准确地估计公共因子和因子载荷。在原假设的情况下（假设无结构变化），他们通过对估计残差进行DFT来构造检验统计量，并且发现该检验渐近服从标准正态分布。洪永淼提到新的检验方法在平滑结构变化和结构突变的情况下都十分有效，并且适用于时变因子载荷中存在未知结构突变个数和突变时间的情形。有限样本模拟结果表明，新的检验方法在有限样本中表现良好。他们通过将该检验应用于中国宏观经济数据的实证研究中，进一步表明该检验方法的重要性。在问答环节，洪永淼就该检验的理论分析和有限样本模拟等问题进行了进一步交流。
谢一萌：How to Detect Network Dependence in Latent Factor Models? A Bias-Corrected CD Test
谢一萌的报告讨论了如何在具有潜在因子面板数据中检验截面相关性。他和合作者发现当潜在因子的强度比较弱的时候（强度小于一半），标准的CD检验依然有效。对于潜在因子较强的情况，他们提出了一个新的偏差矫正的截面相关（CD*）检验。他们的研究显示在截面误差项独立的原假设下，新的检验统计量渐近服从标准正态分布，而在具有网络效应的备择假设下，CD*检验也具有检验效能。此外，谢一萌与合作者还研究了在误差项存在序列相关的情况下的CD*检验。有限样本模拟结果表明，在不同设定下该检验都具有正确的检验水平。最后，他们将CD*检验应用于美国实际房价变化面板数据模型的实证研究。
Session II
Applied Microeconomics
本次会议的第二场邀请报告主题为"Applied Microeconomics"，由太阳成集团tyc7111cc经济学科马超副教授主持。太阳成集团tyc7111cc经济学科李锴副教授、马超副教授先后作报告。
李锴：Strategic Carry-along Trade
利用中国微观的“企业-产品-销售目的地”层级数据，李锴揭示了与携带贸易（Carry-along Trade）相关的策略选择。根据文章内容，企业出口的商品可分为自产商品（produced product）与采购商品（sourced product），出口商对于采购商品的选择过程并非随机，而是倾向于选择具有较高需求弹性的、与自产商品互补的产品，来提高自产商品的出口销售。经验证据表明，出口商偏爱自产商品，同时出口自产商品和采购产品会对这些商品的出口价格和数量产生不对称的溢出效应。在随后的提问环节，李锴就模型的内生性问题、因果推断以及企业具体的销售策略与在座师生进行了讨论交流。
马超：Bayesian Learning with Forgetting: An Empirical Analysis of Automobile Insurance Policyholders
从汽车保险公司的数据中，研究发现投保人过去的事故经历减少了他们在当前时期的事故概率，且如果事故发生在更久以前，过去事故的影响就会更小。对于这个现象，马超估计了一个简化形式的动态面板数据模型，将这一现象解释为：意外事故会让投保人更新他们对其先天风险类型的信念，因此会更加谨慎。随着时间的推移，由事故带来的信息将逐渐被遗忘。在异质性讨论部分，研究表明女性司机的学习效果比男性司机更强，因为女性更加风险厌恶；私家车司机的学习效果比公司车司机更好，因为公司车没有被保险覆盖的那部分损失主要会由公司承担而非司机本人。在讨论环节，马超就如何排除对这一现象的其他解释，以及事故严重程度对模型估计的影响等问题进行探讨。
Session III
Microeconometrics
最后一场邀请报告以"Microeconometrics"为主题，由太阳成集团tyc7111cc经济学科许杏柏副教授主持。太阳成集团tyc7111cc经济学科江硕助理教授、刘年青副教授、许杏柏副教授依次进行报告分享。
江硕： Identification and Estimation of Treatment Effects Using Instrumental Variable without the Exclusion Restriction
由于在许多场景下，工具变量的排除性条件是难以检验和保证的，因此江硕研究了不依赖排除性限制的处理效应的识别和估计。江硕建立了一个新的识别方程，并表明这种新型处理效应是点识别的，并且当工具变量满足排除性限制时，它与局部平均处理效应（LATE）完全一致。当处理效应是同质的，江硕给出了处理效应的不同因果约简形式表征作为总体回归系数，并给出了若干两步半参数估计量，证明了它们是一致且渐近正态的。最后通过模拟实验以及在加州和韩国的选举数据集上说明了所提出方法的有效性。
刘年青：Nonparametric Identification and Estimation of Double Auctions with Bargaining
刘年青的报告研究了单个买方、单个卖方双向拍卖的非参数识别与估计问题。该模型假设双方都会提交了密封的投标，并且交易价格受买方出价和卖方要价双方影响，刻画了双方讨价还价的过程。在该双向拍卖模型下，刘年青首先建立了两种拍卖数据场景下买家和卖家隐私价值分布的非参数识别模型：拥有所有投标信息以及只有以交易的出价信息的情况。当观察到所有出价时，两者的隐私价格分布都是点识别的。然而，当只有已交易的出价可用时，它们只能被部分识别。刘年青在后一种情况下提供了已识别集合的显著特征，并用包含边界和内部偏差修正的两步法来估计带有议价的双重拍卖价格密度函数，该估计量实现了第一价格拍卖的最优一致收敛速度。蒙特卡罗实验表明，在有限样本的情况下，该估计过程在整个支集上的表现良好，在边界和内部区域均无需纠偏的情况下，显著降低了估计量的较大偏差。
许杏柏：Concentrated Bayesian Estimation
由于贝叶斯估计通常采用MCMC算法抽样得到，当待估参数量较大时，贝叶斯估计有着较大的计算及存储消耗，许杏柏发现若模型中的一些参数存在显示表达式或是优化较为简单时，将这类参数单独优化与MCMC抽样相比将极大地减少计算负担。因此许杏柏提出了一种浓缩贝叶斯估计方法，该方法在保持传统贝叶斯估计方法优点的同时，具有计算量小的优点。该方法的蒙特卡罗实验在若干例子上表明，集中式贝叶斯估计量的偏差和均方根误差通常小于或近似于标准贝叶斯估计量，且计算时间大幅减少。许杏柏在理论上建立了集中贝叶斯估计量的大样本性质。通过对中国a股市场收益的网络溢出效应进行实证分析，进一步验证了该方法的有效性。在讨论环节，许杏柏就比较优化与抽样得到估计参数的速度等问题进行了讨论。
会议尾声，韩晓祎教授为研讨会致简短闭幕词。他向今天作报告的各位学者以及莅临本次研讨会的师生表示诚挚的感谢，一天的会议虽短，但交流深入，希望通过研讨会的举办大家都有所收获，同时也感谢厦大经济科学行政团队和志愿者们对本次会议组织做出的努力。
（太阳成集团tyc7111cc 周梦娜）
