近年来传统的IV 方法在经济学和管理学中的实证应用流行程度虽然比不上DID和RDD，但是作为主流的因果识别方法仍然占据非常重要的位置。刘生龙老师本次讲座通过分享正在进行的工作论文，以农村互联网应用为例介绍传统IV估计和深度IV估计方法及其两者之间的关系，分为引言及背景、传统IV和深度IV方法介绍、数据及其描述性统计、IV和深度IV估计结果及其比较、相关的异质性和机制探讨、结论六部分为大家介绍了传统IV、深度IV方法介绍及其应用。
第一部分刘生龙老师介绍了我国农村互联网的发展情况及其带来的影响。指出当前从信息基础设施的视角来估计互联网使用对中国农业生产影响的文献还比较少见。并介绍了其研究的主要贡献：第一，利用深度IV方法开展实证分析，检验互联网使用对农村居民农业生产活动因果影响，并将深度IV估计结果与传统的2SLS估计结果进行比较，进一步丰富了机器学习辅助因果识别的相关文献。第二，研究既论证了互联网使用对农业生产的影响，同时还检验了相关机制，所得出的结论具有明显的政策意义。第三，使用滞后一期的家庭所在村庄互联网普及率作为当期家庭互联网使用的工具变量进行因果识别，并应用Kedagni & Mourifie（2020）所提出的工具变量有效性检验理论对本文工具变量的有效性进行了证明。
第二部分主要和大家分享了实证策略：IV和深度IV方法，首先介绍了2SLS估计方法的主要思路，2SLS估计值无偏的前提条件，包括，相关性、独立性和排除性，同时指出了2SLS估计的局限与深度IV拓展研究。
第三部分分享了数据与描述性统计结果。研究数据主要来源于2009-2015年间农村固定观察点微观住户调查数据。由中央政策研究室和农业部共同主导开展的全国农村固定观察点微观住户调查数据，该数据为年度追踪调查数据。在考虑数据存在反向因果、遗漏变量等内生性问题后设置了工具变量进行回归。
第四部分比较了传统工具变量法（IV）和深度工具变量法（Deep IV）在农村农业生产中互联网使用的估计结果。传统IV方法估计结果表明互联网使用对农村农业生产有负面影响。这或许因为传统IV方法只考虑受工具变量影响群体的局部效应，未充分考虑家庭异质性，可能高估了互联网对农业生产的实际影响。相比之下，深度IV方法的估计结果更准确，允许在考虑家庭异质性效应时估计结果，揭示了不同家庭之间互联网使用对农村农业生产的影响方向存在显著差异。深度IV方法与OLS和2SLS方法的估计结果方向一致，但基于深度IV估计的平均处理效应比OLS估计值大，比传统IV估计值小。相对于传统IV方法，深度IV方法估计更准确，在政策评估中特别在考虑家庭异质性效应时，更能捕捉互联网使用对农村农业生产的影响。
第五部分深入研究了互联网使用对家庭农业生产的异质性效应和机制。深度IV方法允许估计每个个体的异质性处理效应。结果显示，互联网使用对农村家庭的农业生产活动存在明显的家庭异质性效应。家庭的教育程度、劳动力数量和土地面积等因素都会影响互联网使用对农业生产的影响。特别要注意的是，在某些家庭中，互联网使用对农村农业生产的负面影响更显著。研究还指出，互联网使用对农村农业生产的负面影响在家庭成员的教育程度和劳动力数量上呈现不同趋势。在家庭成员教育程度较高和劳动力数量较多的家庭中，互联网使用后的负面影响更为显著，强调了教育和家庭结构对互联网使用效果的重要性。
第六部分为政策制定者提供了宝贵的见解。深度IV方法的应用为政策评估提供更准确的工具，帮助我们更好地理解互联网使用对农村农业生产的影响。因此，政府和相关机构在推动互联网在农村地区的普及时应更精细地考虑不同家庭的需求和差异，以更有效地支持农村地区的可持续发展，实现更广泛的农村互联网应用。刘老师的研究结果强调深度IV方法在政策评估中的重要性，为未来的决策提供有力的参考依据。
最后，刘老师回答了学员提出的“何时使用深度IV”的问题。他指出，当发现异质性效应很明显时可以使用深度IV，如果发现控制变量很多也可以考虑使用深度IV。同时，刘老师还推荐了Python中deepiv包，以及关于Machine Labor的机器学习与因果推断相关论文。之后，陈思丞老师感谢刘生龙老师的精彩发言并做简要总结。至此，本次讲座圆满结束。
