9月26日—9月29日晚，《应用实证计量经济学》第二讲由经济学院陈嫣然老师主讲，课程主题聚焦于工具变量（IV）方法和断点回归（RD）。本次课程分为三个部分：“IV识别”、“IV与处理效应”，以及“RD识别策略与过程”。每个部分均配备了Stata软件的实际操作案例，旨在增强学生对理论的理解及实践能力。

在第一部分中，陈嫣然老师首先介绍了工具变量法及其在经济学研究中的关键作用，其核心目的是解决内生性问题。本次内容涵盖了IV的基本原理、诊断技术，特别是局部平均处理效应（LATE）。通过解析Angrist (1990)等经典文献，陈嫣然老师带领同学们梳理了利用出生季度作为教育年限的工具变量来评估教育回报的研究思路。此外，还介绍了IV估计过程中常见的检验方法，如弱工具变量检验、过度识别检验（当存在多个工具变量时）等。

第二部分进一步探讨了IV与处理效应的具体应用。陈嫣然老师通过逐行拆解分析医疗支出案例的Stata代码，对比OLS结果和IV结果，明确了IV估计的重要意义，指导学生如何正确运用工具变量方法进行模型构建与数据分析。在剩余时间内，她介绍了断点回归（RD）的基本概念、前提假设、适用条件及其在经济学研究中的重要性，为后续学习奠定了坚实的基础。

第三部分，陈嫣然老师继续深入讲解了断点回归的理论与实践。首先从概念界定上区分了清晰断点（Sharp RD）和模糊断点（Fuzzy RD）两种类型，随后详细介绍了通过比较阈值附近个体情况来推断处理效应的方法，并指出RD的本质是估计局部平均处理效应（LATE）。陈嫣然老师特别强调了图形展示在RD分析中的重要性，它用于验证假设条件与识别策略的有效性。此外，还介绍了RD估计的系列“标准动作”，包括识别假设检验、操纵性检验、安慰剂检验和稳健性检验等。最后，通过详细分析Angrist和Lavy (1999)关于班级规模对学生学业成绩影响的研究案例，结合Stata软件实际操作，具体阐述了模糊断点设计的思路与应用。

此次课程陈嫣然老师不仅提供了丰富的理论知识，还通过实际操作案例加深了学生的理解和应用，使学生基本掌握了IV估计与RD回归的原理、适用条件及实操代码等，以后能更好地应用到实际研究中。第二讲课程顺利结束！