国际学生评估项目(PISA)等国际大规模评估项目正越来越多地被用于衡量世界各地年轻人的学业表现。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，他们有时无法考虑到他们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，以及这对我们应该(或不应该)应用的实证方法意味着什么。我们解释了经济学家喜欢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需要的稳健性测试类型提供明确的建议。通过这样做，我们希望对国际大型教育数据库有更好的了解，并促进更好地使用它们。