did运用经典文献强制性许可来自对敌贸易法的证据

DID运用经典文献 强制性许可来自对敌贸易法的证据 econometrics666 这是计量经济圈 Causal effect文献交流小组的第一篇经典文献阅读推文 这个Ca文 献交流小组第一期推文会陆续在计量经济圈刊发 Ca文献交 流小组第二期正在招募 如果希望与其他经典文献推文作者 交流并且自己也能够主持一篇文献 那可以加入咱们的第二 期交流小组 请到文末 阅读原文 下载链接 实际已经在AER发表 http www nber org papers w15598 pdf 今天给大家带来的是一篇发表在AER上的关于DID方法运用 的经典文章 内容是Compulsory Licensing Evidence from the Trading with the Enemy Act 这个论文的中心思想是研究在没有经过外国专利所有 者同意情况下 一些发展中国家实施强制许可制度 即允许 本国公司利用外国专利生产最终会促进还是抑制本国的发 明创造 为了检验该命题 本文借助于一战后1917年10月6日通过的 敌对国家贸易法案 TWEA 这个外生的自然实验 利用美国 专利与贸易办公室 USPTO 有机化学产业业中19个主行业 下含7248个子行业 1875 1939年的数据 其中336个子行业是受到了强制许可制度影 响的处理组 结果显示受强制许可影响的子行业的国内技术 发明得到了极大的增长 在那些至少得到一个强制专利许可 的子产业在TWEA法案出台后 相比那些未强制许可行业的 技术发明平均每年要多0 151个 比平均水平的0 619个技术 发明要高出25 同时还验证了国内企业通过干中学方法 利用外国技术发明 然后形成自己的生产能力的影响机制 本文思路简单明了 其最出彩的地方就是在DID之后 通过DDD IV falsification test等检验进行了大量稳健性分析 保证了结果的稳健性 堪 称DID的范本文献 在介绍这篇文章具体是如何使用did的时候 我想先说一点 其实有很多时候写作要比方法重要得多 同样的食材顶级厨 师和一般人做出的菜当然味道不一样 论文也是如此 所以 我在开始之前还是想给大家看看 顶级的作者是如何展开论 述 引出问题的 下面 我把引言和背景的段落梗概列出来 看看大牛是如何一步一步开展论证的 Paragraph1 首先陈述事实 强制许可的一些好处 其次说明 有一些反对的声音 Paragraph2 直接点出一个一直以来被忽视的问题 本文的研 究 有可能促进 有可能降低 并说明原因 Paragraph3 为了检验上述问题 我们利用了Trading with the Enemy Act TWEA 作为政策冲击 并检验介绍TWEA的内容 Paragraph4 为了达成以上目的 我们是如何构建DID的 利 用政策影响前后不同行业发明专利的差异 这可以使我们排 出其余干扰性的因素 Paragraph5 介绍被解释变量 虚拟变量 数量 时长 Paragraph6 介绍被解释变量和数据格式 Paragraph7 介绍本文的主要发现 Paragraph8 我们还检验了时间趋势 因为 干中学 需要时间 况且有证据说明处理组的研发水平在TWEA之前本身就更 低 Paragraph9 我们发现强制许可的效果是有时滞的 大概在8 9年左右 Paragraph10 提出了潜在的质疑 政策时间和给予的专利可 能是随机的 但是处理组的选取可能并不随机 首先 他有 可能倾向于将专利授予那些国内产品需求较大的行业 这样 我们所观测到的效应可能是强制许可和需求的交互影响 其 次 也有可能是政府倾向于将专利授予那些本身发展比较差 的行业 Paragraph11 除上上述问题 我们的研究还可能面临一系列 因素的干扰 例如 控制组有可能收到德国竞争者突然减少 的影响 对此我们利用DDD来对此做出检验 另外我们还做 了反事实检验来控制其他非观测性的因素 Paragraph12 我们利用IV来说明解决我们刚刚提到的内生性 问题 选取的IV为 敌国专利的数量 结果发现did低估了强 制许可的效果 Paragraph13 我们还做了一系列稳健性检验 包括控制了事 前的时间趋势和行业层面的差异 并且只用主行业样本进行 回归 我们还用了专门的一个大类 靛蓝染料行业 来进行检 验 Paragraph14 在本文的最后一个部分 我们利用了企业层面 的数据分析了只有杜邦公司有的专利和其余大家共享的专 利做了比较 发现两种机制都很重要 但是杜邦独享的专利 对自身的研发促进作用要更强 Paragraph15 介绍了接下来本文的安排 下面开始计量部分 首先 作者用几段内容说明TWEA作为 外生冲击的外生性 也就是告诉我们这个自然实验的合理性 其次 介绍了数据 解释变量 剥夺了4500多个外国专利 其中727个被授予了化学行业中1 9个主行业 7248个次行业 其中336个是处理组 被解释变量 1875 1939年美国19个主行业中一共个专利 测量误差和衰减偏误 总是朝向零的估计量偏误 因而有衰 减偏误的估计量的期望值小于参数的绝对值 来源一 由于OCR软件识别国籍的时候造成误差 手动整理 了一部分与OCR做了比较 来源二 行业的划分是不断变化的 为此我们控制了行业的 固定效应 我们假设只有处理组受到专利授予的影响 行业 之间的扩散效应是我们不能忽视的 但是这个并不重要 因 为这样只会造成结果的低估 1 OLS回归 利用下面这最普通的did的模型设定 回归结果如下 有一个问题 只有在处理组和控制组其余所有不因TWEA 所导致的不同都相同时 才是一致的估计 但是一个问题是 处理组中因为战争导致德国竞争者的数目一度急剧下降 这 有可能造成我们的估计偏误 于是作者统计了行业中的德国 发明家的数量 结果发现 并没有证据表明 德国发明家的 数量只在处理组或者控制组中减少 事实上在所有行业中的 变化都是一致的 如下图 2 考虑事前趋势众所周知 did的使用一个最重要的前提就是要 满足平行趋势的假设 究竟这个平行趋势假设如何去检验 及如何具体操作的问题 这篇文章给我们做了一个很好的示 范 具体的 用下面这个方程 圈友们会问 这个 后面怎么跟了三个连乘项 具体的数据结 构又是什么的呢 我们用如下的三张图来演示这个方程背后 的数据结构 北京是处理组 上海是对照组 首先 year之 后数据变成了 其次 year treat变成了 最后 year treat pre1919 这是一个虚拟变量 1919之前为 1 之后为0 其实 所谓的事前平行趋势检验就是把上面这幅图中所有1 的样本一回归 结果发现不显著 这就说明事前是平行的 如果这时候发现依然显著 这就说明你的处理组和对照组的 不满足事前平行趋势假设 在政策实施开始之前就有显著不 同的发展趋势 而这个回归的结果 满足要求 如下图 3 动态效应检验动态效应检验其实就是把上面的事前趋势如 法炮制 只不过1919年之后赋值为1就可以了 首先是利用虚 拟变量回归 其次 解释变量不再是是不是受到法案影响 而是受到多少 个专利的连续变量 这也就是所谓的连续性did 关于这种图如何看是否显著的问题 是这样 如果上下区间 即虚线 分布在横轴上下 即不显著异于0 就是不显著 如 果上下区间都在横轴上方 则显著异于0 就是显著的意思 最后是 如果多接受一年政策的影响 行业的发明将会如何 变化 课间第二和第三个检验都是在检验这个政策的边际效 用 第二个是数量上的 第三个是时间上的 4 DDDDdd就是三重查分的意思 顾名思义就是差中差中差 所以他肯定需要三个交互项来构造三重查分 而大家知道构 造交互项的时候不能只放交互项 还要放水平项 所以方程 就显得有些繁琐 这个目的是为了解决其余非观测性因素 例如刚刚提到的德 国竞争者的问题 文章中也承认其实从历史数据来看这并不 重要 但是我依旧要证明给你看 因此本文引入专利发明国 家这一维度 比较美国和除了德国外所有国家在TWEA发案 出台前后 以及在受影响行业和不受影响行业的技术发明差 异 这里DDD就是在基准DID模型基础上引入USA国别虚拟 变量及其与组别虚拟变量treat和处理时间虚拟变量posttwea 的交互项 结果显示那些强制许可的行业在美国比除了德国 以外的国家平均每年要多生产0 087个技术发明 分年度估计 结果显示主要是在1934年以后起作用 进一步支持了基本模 型的估计结果 5 反事实检验反事实检验就是人为的构造一个处理组 例如本 文中被解释变量成了法国的发明专利 本文选取了在有机化 学行业落后的法国为样本 只是将因变量换为法国有机化学 相应行业在1875 1939年的专利发明数 重新进行了DID估计 由于法国没有 受该法案的影响 该政策效果应该不显著 估计结果支持了 该结果 因此证实了该政策确实只作用于美国企业 结果也 符合预期 确实是不显著 6 IV正如文中所说 实证策略最大威胁来自于美国企业的许可 决定可能不是外生的 即便TWEA政策本身和美国企业的技 术引进是外生的 数据表明美国企业往往选择国内初始技 术发明比较弱的行业进行许可 由于反向选择导致的内生性 导致OLS结果可能低估强制许可政策的真实效果 因此本文 用敌国的专利数做本国专利许可数的IV 进行了2sls估计 证 实了OLS相比IV估计确实存在一定程度的下偏 7 控制事前时间趋势虽然前面通过了平行趋势检验 本文仍然 担心处理前处理组和参考组可能面临不同时间趋势的影响 继续在基准DID模型基础上加入各行业虚拟变量与时间趋势 项的交互 处理变量仍然显著为正 进一步增强了本文的结 论 需要说明的是该方法现在常用于包括did在内的面板固定 效应模型估计 如果加入交互项 核心变量仍然显著 无疑 结果是高度稳健的 可以看到 比原始方程多了一个treat t 8 控制主行业和时间的联合固定效应另外一个解决平行趋势 问题的方法是在基准DID模型中引入7248个子行业所属的19 个主行业的虚拟变量与各年度虚拟变量交互的联合固定效 应 注意这里不同于前面用的是7248个子行业 这里是用其 上一层的19个主行业 因为对于本文这个7248个子行业 64 年的面板数据 控制7248个子行业虚拟变量与时间趋势项只 相当于引入了7248个待估系数 模型自由度完全足够 如果 这里还是同样引入7248个子行业的虚拟变量和各年度虚拟 变量的联合固定效应 这时候会引入7248 64个待估参数 跟 样本一样大 如果还考虑其他需要估计的控制变量 子行业 固定效应 时间固定效应 模型自由度为负 肯定估计不出 所以这时只有退而求其次 引入上一层主行业与时间交互 这样一来节约了自由度 同时也考虑了随时间和行业同时变 化因素的作用 避免了遗漏变量可能导致的时间趋势不一致 影响 这个方法在nancy qian发表在aer的一篇关于粮食援助是否会导致冲突的文章也 得到了同样运用 该文把130个亚非国家划分为6个区域 控 制了区域和年度的联合固定效应以避免遗漏变量的影响 9 排除了新创造的行业 排除了在接受其强制许可的专利时还 不存在的行业 另外一个可能引起质疑的点在于 很多专利不止被发给一个 行业 如何排除行业之间的交叉引用技术的影响 于是作者只用了19个主行业的数据进行回归 从而避免上述 问题 10 排除需求冲击 利用靛蓝染料行业在本文的样本区间内 有 可能突然因为某些事件的影响 某一行业的需求大增 市场 导向使得这个行业迅速发展从而诞生了很多发明专利 作者 为了排除这个因素的影响 利用二战时期由于盟军军装需求 的增长 对于靛蓝染料这个行业的需求迅速增长 作者只用 靛蓝燃料这个行业进行回归后发现 原结果依然十分稳健 11 公司级别的检验是哪一种强制性许可促进了国内的发明 是独享的还是大家都有的 自己独享的机制 首先选择自己较弱的方面进行专利的引进 其次策略性的选择可以与自己的研发完美契合的专利 其 余公司有的专利 通过企业之间的技术溢出和正外部性 于是作者使用了杜邦公司的数据 由于杜邦公司是一个大公 司 他牵扯到了很多行业 所以被解释变量是杜邦公司这些 年中所有涉及到的行业的发明 这仍然是一个基于行业的面 板数据 使用如下回归方程 事实上看 还是独享的专利对自 己的发明创造更有利 到这里 这篇文章的大体内容也就结束了 did算是一个门槛 十分低 运用起来也十分简单的政策评估方法 但是实际上 这个方法虽然简单 却面临十分严苛的适用条件 目前国内 的研究很多文章在关键部分的交代模棱两可 导致这一方法 有滥用的趋势 话说回来 这篇文章很多检验翻来覆去的做 虽然有些繁琐 但是却让我们看到了一个标准 规范的did 需要如何去证明其运用的合理性 抛开计量部分 这篇文章 的行文包括开头结尾也写得十分精彩 值得大家反复阅读 此外 这片介绍中的部门内容参阅了王岳龙老师的0338号推 文 有兴趣的同学可以去阅读一下 给推文作者赞赏 我们会全部移交于他 如果你觉得推文作 者辛苦或者用心 那就在文后给该作者打赏吧 此篇文献主持人 西北大学经济管理学院政治经济学专业