国际学生评估项目(PISA)等大型国际评估项目越来越多地被用于衡量世界各地年轻人的学习成绩。然而，应用研究人员误解了支撑这些数据集的许多技术细节，他们有时未能考虑到复杂的样本和测试设计。本文的目的是让经济学家更好地理解这样的数据库是如何创建的，以及这意味着人们应该(或不应该)应用什么经验方法。我们解释了经济学家首选的一些建模策略似乎与复杂的测试设计不一致，并就分析这些数据集时所需的稳健性测试类型提供了明确的建议。通过这样做，我们希望能更好地理解国际大型教育数据库，并促进其使用的更好实践。