Group A

1.    Gerber, Alan S., Dean Karlan, and Daniel Bergan. 2009. “Does the Media Matter? A Field Experiment Measuring the Effect of Newspapers on Voting Behavior and          Political Opinions.” American Economic Journal: Applied Economics, 1 (2): 35-52. See the pertinent instrument on pp.2-4.  OLS

2.   Abramitzky, Ran, Adeline Delavande, and Luis Vasconcelos. 2011. “Marrying Up: The Role of Sex Ratio in Assortative Matching.” American Economic Journal: Applied Economics, 3 (3): 124-57.

See the pertinent instrument on pp.5-6.  OLS    DID

3.   Compulsory Licensing: Evidence from the Trading with the Enemy Act See the pertinent instrument on pp.7-8.  OLS   DID   IV*(optional)

Group B

1.    Rose, Andrew, K. 2004. "Do We Really Know That the WTO Increases Trade?" American Economic Review, 94 (1): 98-114.

See the pertinent instrument on pp.9-11.   OLS

2.   Zhang, Xiaoquan (Michael), and Feng Zhu. 2011. "Group Size and Incentives to Contribute: A Natural Experiment at Chinese Wikipedia." American Economic Review, 101 (4): 1601-15.

See the pertinent instrument on pp.12-13.  OLS   DID

3.   Imai, Masami, and Seitaro Takarabe. 2011. “Bank Integration and Transmission of Financial Shocks: Evidence from Japan. ” American Economic Journal: Macroeconomics, 3 (1): 155-83.

See the pertinent instrument on pp.14-15.  OLS   DID   IV*(optional)

Group A

1.    Gerber, Alan S., Dean Karlan, and Daniel Bergan. 2009. “Does the Media Matter? A Field Experiment Measuring the Effect of Newspapers on Voting Behavior and Political              Opinions.” American Economic Journal: Applied Economics, 1 (2): 35-52.

In this paper, authors try to study whether the exposure to newspaper affect one’s              political knowledge and stated opinions, or increases voting turnover, and affect a voter’s support to a Democrat (more liberal) or Republican (conservative) candidate. Using a      randomized experiment, in which authors assigned individuals to a free subscription of   either the liberal Washington Post or the more conservative Washington Times                   newspaper (two major newspaper in Washington, DC.), authors study these questions      using a sample of residents in Prince William County VA, a county 25 miles outside of      Washington, DC.  In term of the econometric method, this paper is relatively easy. Since  it is a randomized experiment, many of the omitted variable bias has already been taken  care of by design. Nevertheless, authors still add a lot of controls variables so as to get a   more robust estimation.

Question 1) To replicate the empirical result in Table 3 about the effect of the newspapers on political knowledge and attitudes and Table 4 on voting behavior.

Hint: a) Control variables in each regression include: gender; reported age; three                separate indicators for voting in the 2001, 2002, and 2004 general elections; an indicator for whether the respondent was drawn from a consumer list; self-reports of receiving any news or political magazines; baseline survey self-reports of preferring the Democratic       candidate in the gubernatorial election and having no preference in the gubernatorial        election; and an indicator for the wave of the study. In addition, authors also included       the fixed effects of strata indicators and surveyor/date indicators. b) for Panel A of Tables 3 and 4, after running the regression, conduct an F test to test if the coefficient of “post”   (Received Post treatment) is the same as that of the variable “time” (Received Times          treatment).

Question 2) Now write two paragraphs to describe your replication results of table 3 and 4, please use your own language.

Question 3) suppose we are interested in finding out if the treatment effect of receiving    Washington Post on Voted for Democrat (column (4) Panel A in Table 4) is different         between male or female, design a new regression to test if it is true. Show your results in a new table (like the authors, you can conceal other results and only report the results on treatments, gender and their interactions).

Question 4) look at your replication result of column (1) in Table 4, whether if age has a   significant effect on whether a respondent voted in 2005 election? Now suppose we are   interested in finding out whether age has non-linear effect on one’s probability to voted   in 2005, design a new regression to test if it is true. Show your results in a new table (like the authors, you can conceal other results and only report the results on age).

Question 5) In table 4, authors applied linear probability model for each regression with  dummy variable as dependent variable. Now we want to use logit regression to re-run the regressions in Table 4 and report your results in a new table.

2.   Abramitzky, Ran, Adeline Delavande, and Luis Vasconcelos. 2011. “Marrying Up: The Role of Sex Ratio in Assortative Matching.” American Economic Journal: Applied Economics, 3 (3): 124-57.

Marital assortative matching refers to a phenomenon that males and females from the     same social class (defined by family background, education and income level etc.) are       more likely to marry each other (in Chinese we usually call it “門當戶對”). In this paper,   authors are interested in finding out whether the relative population of one gender            contributes to marital assortative matching. Authors answer this question by a very          smart differences-in-differences design. In French, a lot of young males lost their life        during WWI. Therefore, after the war, those regions with a higher wartime mortality rate in the army, authors hypothesize men were more likely to marry women with higher         social classes (an indicator of marital assortative matching).  The key differences-in-         differences variable thus is the interaction term between the dummy variable of post-war period (“post”) and the military mortality rate for each region or department in French

(“mortality”). The interaction term is titled “post_mortality” in the data.

Question 1) To replicate the empirical result in Table 3 in the paper.

Hint: a) Control variables in each regression include: Rural, bride’s age (/100), groom’s age (/100), the fixed effects of groom class and department.

Question 2) Now write a paragraph to describe your replication results of table 3, do the results confirm author’s hypothesis? Please use your own language to describe.

Question 3) For typical differences-in-differences design using the interaction term,        authors should also control for the main effects of both “post” and “mortality” variables. Why did the authors exclude the “mortality” variable in each regression in Table 3?         Please answer.

Question 4) Now let us confirm if the parallel time trend assumption of differences-in-     differences can be satisfied in authors’ setting. Now divide all the observations by high or low mortality rate (>15.037 [the mean of mortality] or <= 15.037), and then calculate the proportion of individuals that were married down by year for the high and low mortality groups. The last step is to draw a line plot on the pertinent proportions by year with two lines corresponding to high and low mortality groups. Are these two lines parallel to each other pre-war (before 1918)?

Question 4) Now suppose you want to once for all take care of the parallel time trend       assumption, how can you modify the regression to solve it? (Hint: utilize the department dummies and year variables)

Question 5) In table 3, authors applied linear probability model for each regression with dummy variable as dependent variable. Now we want to use probit regression to re-run the regressions in Table 3 and report your result in a new table.

3.   Compulsory Licensing: Evidence from the Trading with the Enemy Act

Compulsory licensing allows firms in developing countries to produce foreign-owned               inventions without the consent of foreign patent owners. Have you watched the movie “dying to survive” (我不是藥神) two years ago? The movie is somewhat related to this topic. Every     year countries such as Brazil, Thailand, and India have used this policy to procure life-saving drugs for millions of patients, who otherwise cannot pay for the original drugs produced by    the patent-holders. However, in the policy realm, the compulsory licensing is a very                  controversial policy, some opponents to the policy raise concerns that compulsory licensing   may discourage invention by the patent holder firms as well since most of the products            produced under compulsory licensing are sold under market price.  In this paper, authors       analyze the welfare effect of this policy from a new perspective: whether compulsory                 licensing can also increase or discourage domestic invention. After World War I, the US          Congress passed the “Trading with the Enemy Act”, allowing US firms to violate enemy-          owned patents if they contributed to the war effort. After some amendment, by February         1919, all German-owned patents were systematically licensed to US firms, a de facto                  compulsory licensing to all those patents owned by German in other words. Authors try to      test if the effect of this policy treatment will increase or decrease the invention in the same     subclass of those German-owned patents, a typically differences-in-differences research          design.  The treatment variable “treat” in the data is the interaction term of the dummy           variable indicating the pertinent subclass has at least one license (the “licensed_class”            variable) and the dummy variable of post-1919 (the “post-1919 dummy”).

Question 1) To replicate the empirical result in Table 2 in the paper.

Hint: a) Control variables in each regression include: the fixed effects of the year (of the patent granted) and subclass.

Question 2) Now write a paragraph to describe your replication results of table 2, do the results confirm the author’s hypothesis? Please use your own language to describe.

Question 3) Now let us confirm if the parallel time trend assumption of differences-in-     differences can be satisfied in the authors’ setting. Now draw a line plot on the average     number of patents by the US inventors by year with two lines corresponding to treatment and control groups (“licensed_class”=1 for the treatment group, and “licensed_class”=0  for the control group). Are these two lines parallel to each other pre-war (before 1918)?

Question 4) Now suppose you want to once for all take care of the parallel time trend assumption, how can you modify the regression to solve it? (Hint: utilize the subclass dummies and year variables)

Question 5) Given the “Trading with the Enemy Act” gives licenses for all German-owned patents to the US firms, it may discourage patent application for Germany firms in the     US patent office. Check if this is true to replace the dependent variable in Table 2 using    the numbers of patents by Germany inventors (the “count_germany” variable). Report     your result in a new table and describe it.

*Question 6)  (optional) Now replicate the regressions using an instrumental variable approach in Table 4.

For this optional question, you can get an extra 20% of scores on top of the full mark for the first five questions.

Group B

1.    Rose, Andrew, K. 2004. "Do We Really Know That the WTO Increases Trade?" American Economic Review, 94 (1): 98-114.

The World Trade Organization (WTO) may be one of the most important international         organization aiming to promote free trade. However, does the membership to WTO really    promote trade? The author tries to answer this question using a large panel data of bilateral merchandise trade between 175 countries over 50 years. In addition to the WTO, the author also examines whether its predecessor the General Agreement on Tariffs and Trade (GATI) has a positive effect on promoting trade between two countries.

Question 1) To replicate the empirical result in Table 1 about the effect of the GATT/WTO membership on bilateral trade between two countries.

Hint: a) Apart from the control variables reports in each column, all four regressions in    Table 1 also add the year fixed effects. b) all regressions use robust standard errors and     clustering by county pairs (the “pairid” variable). c) for column (2) to exclude all the          industrial countries, we need to exclude those observations with IFS country code less      than 200 (cty1<200 & cty2<200), see footnote 16 on p. 104 for detail. D) for column (4) to add the fixed effects for country 1 and country 2 (using the variables “cty1” and “cty2”).

Question 2) Now write a paragraph to describe your replication results of table 1. Does joining the WTO help a country’s trade with others? Please use your own language to   illustrate.

Question 3) suppose we are interested in a test that if the treatment effect of GATT/WTO membership is significant for country pairs speaking a common language (the “comlang” variable), but not for country pairs speaking different languages. Design a new regression to test if it is true. Show your results in a new table.

Question 4) The data used in this paper is a panel data of country pairs over time. In        other words, the cross-sectional variation is at country pair level while time variation at  the year level.  So we can use a two-way fixed effects model to estimate the effect of           GATT/WTO membership, controlling for both the fixed effects of country pair (using the “pairid” variable) and the fixed effects of the year (now the model only use one-way fixed effects. Now apply the two-way fixed effects to the model. Show your results in a new       table and compare it with those in original Table 1. Explain what kind of change it brings by adding the country pair fixed effects. Also, do you find some variables automatically    drop in the estimation? If yes, which variables and why?

Question 5) Now suppose we concern more about the relative size of trade instead of the  absolute size. We generate a new dummy variable “above average” which equals to 1 if      the log value of bilateral trade between country i andj is larger than the yearly average in year t (if ltrade>=averltrade) and otherwise 0 (if ltrade“above average” as a dependent variable to run the regression. Use      both linear probability model, Probit and Logit model for the new regressions. Show your results in a new table.

2.   Zhang, Xiaoquan (Michael), and Feng Zhu. 2011. "Group Size and Incentives to Contribute: A Natural Experiment at Chinese Wikipedia." American Economic Review, 101 (4): 1601-15.

Today many public goods on the Internet are provided to users for free, many of which rely entirely on free user contributions. Taking Wikipedia as an example, as a free online             encyclopedia, Wikipedia relies on volunteer contributors around the world to created and   edited content. It is an interesting question, then whether the size of the user of a platform could change the incentive for users to contribute.  Authors utilize the shock event of the     block of Chinese Wikipedia in mainland China in October 2005 as a natural experiment to test if the content contribution decrease as a result of the block event. During the block,       mainland Chinese could not use or contribute to Chinese Wikipedia, while contributors       outside mainland China can still use and contribute; naturally, this causes a dramatic           decrease of users of the platform. Authors then test if the contribution levels of the                nonblocked contributors also decrease within several weeks of the event.

Question 1) To replicate the empirical result in Table 2 in the paper.

Hint: a) columns (1) to (3) use OLS estimate with only AfterBlock, Age and Age Squared as a regressor, while columns (4) to (6) add contributor’s fixed effects. b) all regressions use robust standard errors. c) restrict the observations to 4 weeks prior and after the      block event and exclude the week zero (week >= -4 & week<=4 & week!=0).

Question 2) To further examine the impact of social effects, authors use a differences-in-  differences design, in which they further distinguish contributors’ participation in social  communication. They use the contributors’ weekly average contribution to the user pages and user-talk pages—both of which are designed to facilitate communication between       contributor in Wikipedia—prior to the block event to construct a measure of average         social participation of each contributor. Then authors use the interaction term between    the AfterBlock dummy and the measure of social participation pre-block as the                    differences-in-differences variable in Table 3. Now replicate the results in Table 3 and       write a paragraph to describe your replication results of table 3. Do the results suppose     the authors’ hypothesis that group size matter to the user’s free contributions? Please use your own language to illustrate.

Question 3) For an alternative differences-in-differences design using the interaction        term, authors can also use the fixed effects of the contributor and the fixed effects of the   week to replace the AfterBlock dummy and SocialParticipation variable. Now try to add   the fixed effects of the week to re-run the results in columns (4) to (6). Show your results in a new table. How do the results change? Do you prefer to keep the AfterBlock dummy? Why?

Question 4) Now suppose we have a hypothesis that the treatment effect of the block       event is driven by the contributor from oversea IP. Now use the triple interaction terms  between the “oversea” dummy variable and our differences-in-differences variable using the specification in columns (4) to (6) in Table 3. Show your results in a new table. What do the results tell us about this hypothesis?

Question 5) Now suppose we concern more about whether the non-block contributors   contribute after the event instead of how much they contribute. We generate a new         dummy variable “ifTotal” which equals to 1 if the weekly total number of character add and delete is larger than zero for contributor i in week t (if                                                       weekly_Addition+weekly_Deletion>0) and otherwise 0 (if                                                      weekly_Addition+weekly_Deletion==0). Now use the same sample, control variables,  and specification as column (4) in Table 3, replace the dependent variable “ifTotal” as a dependent variable to run the regression. Use both linear probability model, Probit and Logit model for the new regressions. Show your results in a new table.

3.   Imai, Masami, and Seitaro Takarabe. 2011. “Bank Integration and Transmission of Financial Shocks: Evidence from Japan. ” American Economic Journal: Macroeconomics, 3 (1): 155-83.

In a major financial crisis, the large nationwide banks were often the troublemakers, take the Lehman Brothers in 2008 Financial Crisis as an example. One the one hand, some      believe the geographical diversified, big banks are more resilient to crisis or in other          words, are “too big to fall” compared to the regional, small-size banks. On the other            hand, some argue these nationwide operated big banks often play the role of an active       transmitter of the bad debt during the crisis. To investigate whether the banking                 integration (a jargon to describe to what extent the banks operate in a region are more      geographical diversified big banks while in contrast, the banks operate in a region are        predominantly small-sized regional banks) has a significant effect in transmitting the        financial shocks across regions during the financial crisis, the authors use the collapse of  the real estate bubble in 80s Japan as a case study. Specifically, authors examine whether the effect of land price drop (an indicator of bubble bust) has a larger effect on debt and   GDP in the prefectures with a more integrated banking system.

In Japan, there are roughly two types of bank, the big, city banks which have bank              branches in many different prefectures, and the small, regional banks that often operate   only in one prefecture. Thus, the authors use the proportion of city bank branches to total bank branches in a prefecture as a measure of bank integration in a given prefecture.