（个人向）计量因果识别方法课程测评
第 0 节课
大二下学期选了《计量经济学》，考虑暑校选课的时候，在公选课列表中看到了北京大学现代农学院的黄开兴老师开设的《计量经济学因果识别方法详解》。想到我所学的《计量经济学》更多是基于高斯马尔科夫假设的一座大厦，而较少强调因果识别，因此抱着兴趣趁热打铁选了这门课。
选课的时候还是有点害怕的。逛了一圈测评无果，了解到这是黄老师第一年开这门课（在第一节课上黄老师说这曾经是给博士生讲的课），加上系统里一共只有 4 个人选，如果算上我将将能开课。虽然有点隐忧，但并不想考虑那么多所谓现实的因素，于是就报上了。
临近小学期开始时，想到这门课就觉得又期待又紧张——当时可是大教室的容量，变成了只有 5 个人的小班教学。就在前一天我登入教学网看选课成员名单时，发现多了一溜的“教务部”角色，没想明白是怎么回事，洗洗睡了准备迎接明天吧。
教学网名单里突然冒出一溜「教务部」角色——后来才知道是北大暑校面向校外开放的标记。
第 1 节课
这门课两周结束，每周的周三到周六下午二点到六点连续四节课，共计 32 学时，正好对应两学分。我是属于必须午觉的物种，所以两点这种“半阴间”的时间我肯定是踩点到；其实我还提早三分钟到了，但没想到我是最后一个到的。理教 412 小小的教室也被二十余人坐满了，我还是很好奇“教务部”角色。
课程讲义封面：黄开兴老师，北大现代农学院，2023 年 7 月。
在老师介绍自己之后，老师也请班上所有同学做了一个自我介绍。很快我就了解到，而为何那么多“教务部”角色的疑惑也就自然解开了——北大的暑校是面向许多学校开放的。这间小小的教室容纳了来自天南地北的学校的同学们，其中半数以上还是硕博学生，他们都有或多或少的发表经历和计量经验，最没有计量基础的反而是我们北大的这几个同学。
自我介绍之后，老师就迅速进入正题了。实际上，黄老师虽然是第一年开这门课，但这门课的内容之前作为另一门课给博士生讲过。这门课讲的是因果识别，从什么是因果识别到如何实现因果识别，最后到什么是好的因果识别，是一门注重应用的课程，后续会重点讲很多学术论文的计量方法。
课程内容介绍
这门课的考核方式也是比较简单的，
课程考核方式
不过，第一天的课进行不久后，老师想提高同学们的参与度，于是决定将班级分成五组，同学们自愿组队，最终的平时成绩参考发言（包括回答和提问）的人均次数。关键时刻，原本互不相识的我们五个同学迅速认识并紧紧抱团。实际上，除了前几天的课会有一些关于基本知识的理解，互动也主要只有前几次课程，第二周似乎都没人记得这个了（连负责记录次数的助教也外出了…）。说实话，这其实是我最不希望看到的情景和方式。
第一节课的内容还是很有启发性的，老师重点讲了什么是因果识别，用变量关系图重点阐释了因果识别的关键、偏误和方法。第一次课的信息量有适中的挑战性，在最舒适最高效的能启发学习新知的区间。第一天的学习也让我体会到，这门课并不是一门零基础就能听懂的课，甚至有一些基础也不能听懂，因为极度强调运用。如果你的储备是
那么这门课的要求就是
不过第一天在课后梳理清楚知识点后还是觉得很舒畅的，因为完全符合我选修这门课的预期——
“此前所学的《计量经济学》更多是基于高斯马尔科夫假设的一座大厦，而较少强调因果识别”
第 1 周课
之后第一周的三天课，就是按照课程大纲的三种主要的因果识别方法
- DID (Difference-in-Differences)
- RDD (Regression Discontinuity Design)
- IV (Instrumental Variable)
分别展开。这三天的感受再度反复印证了我前面提到的感受
“这门课并不是一门零基础就能听懂的课，甚至有一些基础也不能听懂，因为极度强调运用。”
我还是一个倔强的在掌握任何方法之前希望掌握原理的人，这几天讲的方法虽说大都是在最基本的理论上慢慢拓展，但只形成一些模糊的印象是让人如鲠在喉很不痛快的。老师讲课的紧凑性并不强，有时候只能用新注入知识的新鲜感来勉强维持注意力。此外，老师认为不发放讲义能调动我们的认真程度，有时候用这个念头刺激刺激自己认真听课还是能奏效的。
第一周在鏖战三大因果识别方法的同时，但凡大脑有一点空白的间隙我就会去想下周个人报告的主题和内容。原来我想就着挑战杯的主题接着往下研究，但一方面我希望走出自己的舒适圈，做一些不一样的有挑战性的尝试，即便我已经想到了不少计量方法可以改进和完善我们的研究；另一方面这门课倾向于立足应用和实际，高考和教育方面的数据并没有很可及的数据库，一个容易让人觉得是拍脑子的研究想法很可能会在这门课中黯然失色。不过，第一周结束后的三天原本计划顺利完成个人报告的，由于心中消化透计量方法的要求更强烈，最终我也只不过看了一点论文，并在最后一天吃晚饭时突然想到刘俏院长包浆的 PPT 和经典的“消费券”。
第 2 周课
在第一周讲完因果识别理论（第一次课）和三种主要的因果识别方法之后（第二至四次课），第二周老师讲会就每种方法再分别讲十余篇论文，第二周加起来讲了三四十篇论文。前面在教学计划中已经提到，第二周的授课和个人报告将会同步展开，前两节课老师讲论文，后两节课每个人上台进行 15 分钟的个人报告，每个人展示的顺序在第一周就由抽签决定。
这周每天老师只上两小节课了，不集中注意力的机会成本显得更低了；加上第一周的课程还有新知的微弱的新鲜感的刺激，第二周只剩下过于平淡的讲课了，提起注意力难上加难。第一天，关于报告的更多想法趁着空白的间隙凶猛地涌入，课上构思好了提纲，当晚直接速通了个人报告。往后的几天，偶尔配合着看看论文中的模型刚好能启发我同步改改个人报告中不完善的地方。这次准备报告的过程也让我从 Rmd 专一用户彻底过渡到了 LaTeX。
既然是课程测评，就应该说一些最真实的想法。这门课讲了断点回归，那我对这门课的印象也就从第二周初为断点开始变化变质的。说实话，老师的讲课风格确实很平淡，没有起伏，你可能不会感受到被调动，也不会感受到课程的进度条。第一周我总是能提起注意力，毕竟老师真的对于因果识别有比较深入的认识，自己也发过不少文章。第二周讲论文时，应该是因为老师比较随和，所以第二周讲论文时也自如地调整到同学们的听课状态了。老师的初衷是好的，也熟悉非常多的文献，希望我们能够看到问题和数据自己尝试写出模型再和论文比对，但这样很快就容易丢失新鲜感。
决定一门课的质量的一头是老师，另一头自然是学生。老师设置个人报告的环节也是重要的，把你个人的想法投入对现实问题的观察中并思考如何得出干净的因果识别正是这门课程的核心。我的看法比较主观，我首先认为报告的受众是在场的观众，首先要对观众负责，事先不做准备和场上含糊随意的发挥是非常不负责的表现，也会进一步殃及其他同学对课程的感受；其次报告者也最好要有新意，作为二年级本科生我深感受到被一些硕博生欺负，因为我没有研究成果只能精细构思紧赶慢赶出 PPT，而他们可以拷贝上自己的成果从上往下念一遍，自己也刚好温习一遍。
说在最后，这门课的确让我有所收获，也很高兴和老师有更多的合作！但过程中的体验让我心情复杂，因此就此搁笔吧。