研究豐富了對中國政策試點機制和試點差異化推進方式的解釋，對政策試點的科學設計也具有啟示：圍繞政策試點目標的達成，政策試點的推進需要根據(jù)試點目標群體、政策屬性和政策環(huán)境特征選擇與之相匹配的政策工具。進而，基于構建的“政策屬性－政策環(huán)境”分析框架，從組態(tài)視角解釋了政策試點推進過程中中央差異化政策工具選擇的復雜因果，拓展了當前政策試點研究的視野，豐富了對中國政策試點機制和試點差異化推進方式的解釋。

研究方法 | NCA：必要條件分析的軟件操作步驟。NCA通過分析前因條件的效應量（effect size）和瓶頸水平（bottle neck），定量地展示實現(xiàn)某一水平的結果變量所必須具備的前因條件水平，是對傳統(tǒng)的充分性分析技術的有效補充。（二）在R軟件中安裝NCA包1.安裝NCA.本文的示例數(shù)據(jù)名稱為NCA，格式為csv，文件在桌面，數(shù)據(jù)均已校準，路徑代碼為：data <- read.csv("C:\\Users\\10405\\Desktop\\NCA.csv",header = FALSE)。

在必要條件分析中，由于變量的性質不同，必要條件可以分為二分必要條件分析（Dichotomous Necessary Condition）、離散必要條件（Discrete Necessary Condition）與連續(xù)必要條件（Continuous Necessary Condition）三類。在必要條件分析中，有兩類相互替代的上限技術，即包絡上限（Ceiling Envelopment，CE）與回歸上限（Ceiling Regression，CR），其中包絡上限技術是分段線，而回歸上限技術是連續(xù)線（Goertz et al., 2013）。

主頁：https://economics.mit.edu/faculty/angrist.三、開源的數(shù)據(jù)存儲網(wǎng)站如果在期刊官網(wǎng)和作者主頁都沒有找到論文的數(shù)據(jù)和代碼，那么可以嘗試在下面四個網(wǎng)站里面找找：Harvard Dataverse：https://dataverse.harvard.edu/OPENICPSR：https://www.openicpsr.org/openicpsr/search/studiesFind Economic Articles with Data：https://ejd.econ.mathematik.uni-ulm.de/Mendeley Data：https://data.mendeley.com/

向量自回歸（VAR）以及面板向量自回歸（PVAR）完全攻略。1、中文PVAR模型經(jīng)典論文。面板向量自回歸模型( Panel Vector Autoregression，簡稱PVAR) 最早是由Holtz Eakin et al．(1988)［12］提出的，模型沿襲了Sims(1980)［13］提出的向量自回歸(Vector Autoregression，簡稱VAR) 模型的優(yōu)點，亦即事先無需設定變量之間的因果關系，而是將各個變量都視為內生變量，分析各個變量及其滯后變量對模型中其他變量的影響。

異質性與異方差的區(qū)別。例如，小學畢業(yè)的人的收入水平大都比較低，大學畢業(yè)的人的收入水平大都比較高，但是小學畢業(yè)的所有人的收入波動大小與大學畢業(yè)的所有人的收入波動大小可能差不多。但如果稍微改一下例子，令所有上過八年學的人的年收入都是1.6萬元，那么收入相對于教育年限仍是同方差的（方差是0），但教育年限對收入的影響則存在異質性了。那么收入相對于教育年限是異方差的——在六年教育水平上，收入波動是0；

. probit highwage collgrad $xx i.countyid if married==1. margins,dydx(collgrad) post. est store AME_Group1_Probit //保存已婚組的AME系數(shù). probit highwage collgrad $xx i.countyid if married==0. margins,dydx(collgrad) post. est store AME_Group0_Probit //保存單身組的AME系數(shù). esttab AME_Group1_Probit AME_Group0_Probit AME_diff_Probit, ///> b(%9.4f) se mtitle star(* 0.1 ** 0.05 *** 0.01) modelwidth(16)