主要观点总结
本文主要探讨计量经济学中三重差分DDD估计的应用，以一起关于中国高考英语听力考试政策的研究为例，详细阐述了DDD估计的应用过程及其结果。
关键观点总结
关键观点1: 研究背景
介绍中国高考英语听力考试政策的变化及其引起的社会关注，阐明使用DDD估计方法的原因。
关键观点2: 三重差分DDD估计方法介绍
详细解释DDD估计方法的原理，包括平行趋势假设、识别策略、回归模型等。
关键观点3: 实证研究过程
描述使用DDD估计方法分析高考数据的过程，包括数据收集、模型设定、识别策略、稳健性检验等。
关键观点4: 研究结果
介绍研究的主要结果，包括农村考生与城市考生在高考中的差距、政策对农村考生教育损失的影响等。
关键观点5: 机制分析与讨论
探讨政策影响背后的机制，如公共教育投入差异、备考资源可获得性等，并对研究结果进行解读和讨论。
关键观点6: 结论与启示
总结研究的主要结论，并讨论政策制定者、教育者和研究者从中得到的启示。
正文
（城市/农村）的考生
i
。
y
为高考表现，包括考试成绩排名、是否被大学录取等；
listening
为省份
p
在
t
年是否高考的虚拟变量；
rural
为考生是否为农村户口的虚拟变量。
四、回归结果
（一）基准结果
Table 2展示文章的基准回归结果。（1）（3）（5）列分别展示了将英语听力考试纳入高考后农村考生的英语成绩排名、总成绩排名和被大学录取概率相对于城市考生的变化。相比城市考生，加入听力考试后农村考生的英语成绩排名百分比下降了2%，总成绩排名下降1.1%，进入大学的概率下降1.7%。这一结果反映在城乡差距上，说明该政策显著扩大了城乡教育差距。其中，英语成绩上的差距扩大64.5%（0.02/(0.515-0.484)），总成绩上的差距扩大5.5倍（0.011/(0.501-0.499)，数据来自文中Table 1，而非Table A.1），考上大学的差距扩大16.0%（0.017/(0.636-0.530)）。在（2）（4）（6）列，文章剔除了成绩排名在后10%的考生以排除异常值对估计的影响。
（二）稳健性检验
理论上，三重差分的有效性来自平行趋势假设的满足，但由于潜在结果的不可观测，在实证工作中一般考察事前平行趋势是否满足。本文并未直接考察三重差分下事前平行趋势是否满足，而是分别使用城市、农村考生子样本检验以下（2）式是否得到满足，其中
D
表示
p
省
t
年是否为政策开始
k
年的虚拟变量。相比直接检验三重差分的事前平行趋势，本文选择验证两个双重差分（即在高考中加入听力考试是否会对城/乡考生表现产生影响）的事前平行趋势是否同时成立。理论上，三重差分等价于在城/乡考生的双重差分基础上再做差，如果双重差分能够得到准确的因果效应（即事前平行趋势通过），那么做差得到的三重差分估计同样可以被解读为因果效应。为了防止处理效应的时间异质性对估计结果的影响，文章使用Sun and Abraham（2021）提出的稳健估计量进行估计。相关结果展示在Fig. 1中。可以看到，无论是城乡考生，政策发生前的高考表现都与基期没有显著差异，说明平行趋势得到满足，在政策发生后，城乡考生的高考表现开始出现差异，其中农村考生的高考表现开始出现显著的长期下降趋势，相对地，城市考生的表现有所提高，反映了在高考中加入听力考试的政策确实在长期扩大了城乡考生的差距。
为了保证式（1）识别的有效性，本文使用原则上不会受到政策直接影响的语文和数学成绩作为结果变量，进行安慰剂检验，相关结果呈现在Table A.3中。可以看到，在高考加入听力考试后，农村考生的语文和数学成绩相比城市考生并未出现明显变化，说明文章的识别策略确实捕捉到了在高考中加入英语听力考试这一冲击，而非其他混杂因素。
最后，文章讨论了样本可能存在的内生退出问题。如果能力较弱的农村考生在高考加入听力部分后选择退出高考，那么上述分析可能会低估该政策对农村考生的负面影响。为了排除这种可能，文章考虑以下回归：
上述回归的
核心在于基于1990年人口普查数据，构建省份-年份-户口层面的
t
年
p
省户口类型为
r
的“应参加高考人数”，通过控制当年应参加高考人数，文章能够较为精准地识别城乡考生比例是否在政策前后发生显著变化。其中
NCEEShareUrban
为
t
年
p
省城市考生占比，
CohortShareUrban
为
t
年
p
省“应参加高考城市考生”占比，
PartRate
为
t
年
p
省实际参加高考的城市（农村）考生占“应参加城市（农村）考生“之比之差。相
关结果展示在Table A.8中，可以看到在高考中引入听力部分后，农村考生比例并未发生显著变化，由此，文章排除了可能的内生退出问题对估计结果的影响。
五、进一步分析
（一）异质性检验
考虑到考入精英学府所带来的巨大劳动力市场回报，本文进一步分析了政策是否扩大了城乡考生考入不同类型大学的差距。在这里，文章进一步将将“考上大学”这一变量细化拆分为“考上本科”“考上211”和“考上985”三个不同的子变量，以此来考察政策对考上顶级学府的影响，结果显示在Table A.4中。可以看到，总体而言，听力考试的加入显著地降低了农村考生考入本科院校的概率，但并没有显著降低农村考生考入211和985大学的概率。
但由于能够有机会进入精英学府的考生只占总体的一小部分，直接使用全样本进行分析可能会掩饰政策对不同考生的异质性影响。故文章以非英语成绩排名（语文+数学、数学、语文+数学+文综/理综）作为考生能力的代理变量，使用四分位数将样本根据考生能力分为四组，考察政策对能力异质的考生考入精英学府的影响，相关结果展示在Fig. 2中。不难发现，对于能力较弱的考生，在高考中加入英语听力考试显著降低了农村考生考上本科的概率；而对于能力较高的考生，该政策则显著降低了农村考生考上211/985大学的概率。考虑到考生能力和所报考学校的正相关性，这一政策对不同能力水平的农村考生的录取结果都产生了显著的负面影响。
（二）机制检验
通过以上实证证据，我们发现在高考中增加英语听力考试在各个方面都显著扩大了城乡考生的差距。但是，差距的扩大是否可以被上文所述备考所需视听材料的可获得性在城乡之间的差异所解释仍有待进一步探索。为了验证这一机制，文章在式（1）的基础上加入考生所在高中的固定效应以控制不同高中由于公共教育投入差异导致的英语听力相关资料匮乏，相关结果如Table A.5所示。可以看到，在控制了公共教育投入后，加入听力考试不再对农村考生的高考表现不利。这也进一步说明，当时农村相关资料的匮乏主要来自公共教育投入的差异而非私人教育投入的差异，这一结果也与中国在21世纪初的基本社会情况相符。
除了上述潜在机制，在以上政策评估中还存在另一种备选解释，即城乡考生差距的产生只是由于农村考生所需要的备考时间更长，如果给予他们更充分的备考时间，引入英语听力考试所造成的城乡教育不平等就会被逐渐弥合。接下来，本文首先利用教育部在要求各省在高考中加入英语听力内容时的一个特殊制度安排——“模拟考试”来检验这一备择假设。具体而言，教育部允许各省在正式将听力考试加入高考前一两年开始进行不计入高考总分的模拟考试（具体分布情况参加Table A.1）。如果以上机制成立，进行模拟考试省份的农村考生受到政策冲击幅度应该更小。但正如Table A.6所示，文章并未发现引入模拟考试在统计和经济意义上降低了农村考生的高考劣势，说明考生的预期效应并没有对高考结果产生显著的影响。基于此，文章认为基准回归中的估计结果不太可能由于预期效应产生偏误。
六、政策的经济显著性
最后一节，文章对“在高考中加入英语听力考试”这一政策所造成的农村考生教育损失进行了简单的估算。首先，基于Table 2（5）列的估计结果，“政策的实施造成城乡考生被大学录取的概率差异扩大了2%”，可以推出农村考生在政策实施后平均考上大学的概率降低1%，将其与样本中受该政策影响的农村考生数量相乘，文章认为1999-2003年间英语听力考试的增加使54000名农村考生失去上大学的资格。将这一结论进行外推，可以发现在2003年后，即全部省份都增加听力考试以后，每年会有超过20000名农村考生因为这个政策而未被大学录取。如果将视角聚焦于学习能力最强的考生中，基于Fig. 2的数据和类似的计算方法，文章发现在样本期内，共超过11000名农村考生没有考上985/211大学，而在2003年以后，每年持续有超过3000个精英学府的录取名额因为这一政策偏移向城市考生。
之后，文章进一步计算了因为人力资本损失而导致的农村考生的经济损失。基于过往文献，文章选取40%作为上大学的人力资本回报率，80%作为进入985/211大学的人力资本回报率。将其与统计数据中非精英大学毕业生平均起薪相乘，进一步得到不上大学的平均薪资和精英大学毕业生的薪资水平，再与上一段所得到的教育损失相乘，即可计算出在高考中加入听力考试导致农村考生教育损失所导致的经济损失。基于以上分析，文章发现由于听力考试的加入，农村考生群体平均一年向城市考生群体补贴450万元。
七、结论
基于中国1999-2003年间逐渐在各省高考中推行的英语听力考试，本文探讨了英语成绩要求是否会扩大教育不平等。本文的实证结果显示，在1999-2003年间，由于听力考试的增加，共有超过54000名农村考生没有考上大学，11000名考生失去了考上985/211大学的机会。这一教育损失进一步导致平均每年农村考生群体向城市考生群体补贴超过450万元。机制分析显示，公共教育投入（尤其是听力备考所需的相关资料）在城乡之间的巨大差异是导致教育不平等恶化的重要原因。
八、评论
（一）优点
文章基于独特的行政数据，严谨地考察了一个非常聚焦性的问题，即高考增加英语听力考试是否会导致城乡教育不平等恶化。在基准回归的基础上，文章全面地讨论了可能产生的内生性偏误，并对其一一进行了排除。异质性分析上，文章关注到了不同水平的考生目标院校存在显著差异，进而政策对他们的影响可能存在极强的异质性。最后，在机制分析上，文章巧妙地利用就读高中固定效应控制了公共教育投入差异对考生的影响，避免了学校/个人层面教育投入的不可观测问题。同时文章还利用政策的特殊安排对另一种潜在机制进行了排除，使文章说服力大大加强。最后，文章对政策的经济后果进行了简单的估算，以进一步论证这一政策具有严重的经济后果。
（二）值得探讨的问题
1、基于Table 2中的结果，政策导致农村考生高考总分排名下降1.1%，使得城乡考生差距扩大五倍有余，这个结果是否有些高估了政策的影响？
2、在安慰剂检验中，文章使用考生的语文和数学作为未受冲击的学科进行分析，是否有待商榷。一个直觉性的原因在于考生为了准备新增的英语听力部分，可能会削减学习其他学科的时间，进而造成其他学科成绩下降；
3、文章全篇只重点探讨了政策对农村考生考上大学广延边际（即考不考得上大学或考不考得上重点大学）的影响，缺乏对集约边际（即考上同一所大学不同专业）影响的分析。但事实上，在中国现实中，专业选择的差异可能同样导致教育乃至收入不平等，因此值得进一步探讨。
4、在最后对农村考生的经济损失的核算中，文章只基于毕业生平均起薪作为基准，忽略了更好的教育背景可能会促使学生选择深造以及教育背景差异对毕业生职业长期发展的影响，这些原因同样都会造成文章中的估计低估了政策对农村考生的不利影响。
关于DDD，参看1.
AER来了! 香港房地产市场与港府2047年土地租约, 结构估计与DDD, PSM, 交互项机制！
2.
TOP5最新: 我国社交媒体与集体行动, 上百万面板数据, 实证方法IV, DDD等, 初看以为David Yang
，3.
被删: 这TOP刊中国论文, 实证表格做得真多, 主流DID,DDD,PSM等都用了一遍！
4.
七大常见计量问题讨论汇总, 涉及控制,异质,机制,DID,DDD,调节,固定,平行,安慰等
