历史自然实验的分析对各个领域的经济学研究产生了深远的影响。在本章中,我们从经济史学家和其他分支学科经济学家的角度追溯了该方法的发展和日益广泛的应用。我们认为,历史自然实验代表了经济史和其他领域之间的方法论桥梁:历史学家能够使用应用微观经济学家强调的前沿识别策略;各个分支学科的经济学家能够从历史中寻找有用的识别变化;发展和增长经济学家能够追溯当代结果的历史根源,并找出经济增长的根本原因。不同领域的差异表明学者研究历史自然实验的目标也不同。我们提出了三个主要动机的分类法,反映了不同领域的优先事项:历史学家旨在了解特定环境中的因果过程。各个领域的经济学家都致力于找出“清晰”的历史事件(无论在何种背景下),以检验理论假设或估计因果参数。而增长和发展经济学家则致力于找出与当代结果有因果关系的过去变化。我们总结了每个类别研究的重要贡献。最后,我们简要讨论了每个类别工作面临的挑战。
使用准自然实验,我们表明定量宽松(QE)与银行调节相互作用,从而影响非银行的大小和投资组合选择。在2021年,补充杠杆率(SLR)救济到期后,激励银行以降低杠杆率,放弃存款并减少批发债务的供应。我们表明,因此,货币市场基金(MMF)经历了大量流入,并将其投资组合转移到了美联储的ONRRP工厂。我们的结果表明,当非银行可以访问中央银行资产负债表时,他们最终承担了一部分中央银行负债,排出储量并减轻量化宽松的影响。关键词:资产负债表约束,银行,杠杆比率,货币政策,货币市场基金,ONRRP
海伦·X.在拟议的分析框架中考虑了长期和短期政策结果。从中国17个省的全面家庭调查数据集中受益,我们在经验调查中对每种社会资本形式和政策成果进行了多次测量。我们使用特定的土地利用政策(即改革来确认,注册和证明农村土地权利)作为自然实验,以估算社会资本的影响。通过揭示各种形式的社会资本与广泛的政策结果测量之间的复杂关系,我们的经验发现证实了拟议的分析框架的有效性,可靠性和障碍。政策影响。关键词:可持续性;环境保护;保护;公共政策;土地保护分类:R28; R52; R58
对反置换策略的有效性,甚至更少的研究比较了跨政策方法,环境或时间表的有效性的研究相对较少。对加利福尼亚州进行批判性的文献表明,并非所有公共投资都会导致流离失所。但是,我们对应该伴随投资的保障措施的类型了解,以避免在不同情况下流离失所。我们还得出结论,在流离失所影响中,评估文献中存在严重的差距。这些差距由于面临五个不同的挑战而出现:缺乏自然实验或准实验框架;缺乏适当的数据;样本量不足,特别是衡量种族/族裔群体的变化;不足或不适当的时间范围;和上下文变化不足。
本文利用生成式人工智能构建了一个包含 5,000 个产品节点的网络结构,其中有向边表示生产中的输入输出关系。我们使用一组及时调整的生成式人工智能分类设计了一种两步“构建-修剪”方法。“构建”步骤提供边预测的初始分布,然后“修剪”步骤重新评估所有边。借助我们的人工智能生成的生产网络 (AIPNET),我们记录了 21 世纪产品和国家网络位置的一系列变化。最后,我们使用 2017 年卡塔尔封锁所呈现的自然实验来研究生产网络溢出效应。我们发现了这种溢出效应的有力证据,表明关键生产正在回流。这些描述性和因果证据证明了我们对产品联系的细致测量所开辟的众多研究可能性,包括在岸生产、产业政策和全球贸易的其他最新变化的研究。
摘要:软件、半导体和计算机等行业为何能在专利保护历来薄弱的情况下仍具有如此强的创新能力?我们认为,如果创新既具有连续性又具有互补性(这些行业确实如此),那么竞争可以增加企业的未来利润,从而抵消短期租金的流失。一个简单的模型还表明,在这样一个充满活力的行业中,专利保护可能会降低整体创新和社会福利。20 世纪 80 年代专利保护扩展到软件时发生的自然实验为该模型提供了检验。标准论点会预测专利公司的研发强度和生产率应该会增加。然而,与我们的模型一致,这些增长并没有发生。支持我们模型的其他证据包括这些行业中独特的交叉许可模式以及创新率与企业进入率之间的正相关关系。
本文通过分析2011年至2019年中国283个地级市的面板数据,以中国数字技术综合试验区为自然实验,研究了数字经济对城市环境污染的影响。结果表明,数字技术在减少污染物排放和赋能城市环境治理方面具有显著的效果。平行趋势、PSM-DID和安慰剂检验等多种检验方法证明了研究结果的稳健性。我们的分析进一步表明,数字技术在控制老工业区、数字化程度高地区和能源效率低地区的污染方面尤为有效。我们还发现国家数字技术综合试验区可以通过提高公众环保意识和鼓励绿色技术创新来减轻地级市的环境污染。此外,我们的研究表明,数字技术赋能的城市污染控制有助于中国新型城镇化格局的形成。这些发现为推动中国数字经济和实现碳减排目标提供了宝贵的见解。
算法旨在通过数据驱动的预测改善人类决策。但是,算法不仅为决策者提供了预测,而且通常会提供明确的建议。在本文中,我证明了这些算法建议对人类决策具有显着的独立影响。杠杆效果自然实验,在某些情况下,对保释法官提出了算法建议,但没有给出保释法官。宽松的建议使边际案件的宽大保释决策增加了50%。这些结果与算法中的算法相一致,造成明显的错误,例如暴力重新束缚,通过提供声誉的掩护来使法官降低成本。算法除了直接提供新的预测信息外,还可以通过转移激励措施来改变人类决策。最后,我表明,决策者之间存在差异,以遵守建议,这在种族群体之间产生了意想不到的效果。宽松的建议增加了宽大的保释金差距。