《公共政策效果评估的计量经济学方法的适用对比和归纳,计量经济学论文.docx》由会员分享，可在线阅读，更多相关《公共政策效果评估的计量经济学方法的适用对比和归纳,计量经济学论文.docx（23页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、公共政策效果评估的计量经济学方法的适用对比和归纳,计量经济学论文内容摘要：科学施政的前提是正确评估政策。近年来, 计量经济学方式方法被广泛应用于公共政策效果评估, 但时常被误用, 这会得出错误的政策评估结论, 进而误导政策制定者。为了避免这一问题, 研究者需要准确把握各类公共政策评估方式方法的适用前提和技术重点。赛鲁利 (Cerulli, 2021) 的(社会经济政策的计量经济学评估:理论与应用一书系统介绍了公共政策效果评估的各种计量经济学方式方法的适用前提和范围, 可为研究者提供相关知识补充和应用参考。本文基于这一著作, 对常见的公共政策评估方式方法进行了比照和归纳, 期望对相关政策评估研究
2、有所裨益。 本文关键词语：社会经济政策; 政策评估; 计量经济学; On the Application of Econometric Method in Public Policy Evaluation YUAN Deyu SONG Xiaoning University of International Business and Economics Sun Yat-sen University Abstract： The prerequisite for scientific governance is the correct assessment of policies. In rece
3、nt years, econometric methods have been widely used in the evaluation of public policy effects, but they are often misused, which leads to wrong policy evaluation conclusions, and thus misleads policy makers. In order to avoid this problem, researchers need to accurately grasp the premise and techni
4、cal points of various public policy evaluation methods. Econometrics Assessment of Social and Economic Policy: Theory and Applications (Cerulli, 2021) introduces the applicable premises and scope of various econometric methods for public policy effectiveness assessment, which can be provided to rese
5、archers for related knowledge supplements and application references. Based on this work, this paper compares and generalizes common public policy assessment methods to benefit from relevant policy evaluation research as expected. Keyword： Socio-economic Policy; Policy Evaluation; Econometrics; 一、引言
6、 (一) 运用计量经济学方式方法评估公共政策效果的重要意义 科学施政是行政的基本需求。公共政策的施行直接影响千家万户, 错误或有偏差的公共政策轻则浪费巨额财政资金, 重则造成产业停滞、大量失业甚至系统性金融风险等。要避免这种灾难性后果, 要求公共政策的制定、施行、评价和调整, 都需要有科学根据。 制定公共政策需要科学根据, 这需要运用科学有效的方式方法, 评估出已施行的同类政策的效果, 包括国内外各种政策实践的各种短期和长期效果。传统的公共政策评估运用定性和简单的定量分析方式方法, 这些方式方法的科学性缺乏。当代常见的公共政策评估的科学方式方法有模拟仿真法、实验法和计量经济学方式方法。模拟仿真
7、法在宏观经济模型中运用较多, 实验法的应用范围极小, 只要计量经济学方式方法运用最广。 计量经济学方式方法成为主流的公共政策评估方式方法, 为科学施政做出了重大奉献。但是, 假如不正确地使用计量经济学方式方法进行评估, 往往易误解公共政策的效果, 可能会把一些本来不属于公共政策的缺陷或作用强加于之, 进而使研究者和部门对公共政策的认识愈加偏离其真实面目 (贾文, 2003) 。因而, 正确使用评估公共政策效果的计量经济学方式方法对科学施政具有重要意义。 值得强调的是, 我们国家尤其需要运用计量经济学方式方法来评估公共政策。原因在于, 改革已经进入深水区, 不断出台一系列推进改革的公共政策, 例
8、如 营改增 、国有企业混合所有制改革、精准扶贫等。这些政策效果怎样?哪些政策条款发挥作用了?对哪些企业和地区发挥作用了?回答了这些问题才能不断调整政策来推动改革的深化。过往的不少研究对这些问题的回答很容易流于泛泛之谈, 缺乏足够的科学根据, 亟须根据科学的方式方法来评估政策效果, 为制定深化改革政策提供根据。 (二) 当前公共政策评估计量方式方法运用方面存在的问题 当下部分研究者关于计量经济学方式方法运用的恰当性和有效性方面存在着较严重的问题。详细而言, 主要表如今两个方面。 一是计量经济学方式方法的滥用。运用计量经济方式方法的主要目的在于利用计量经济学模型对经济现象和规律进行描绘叙述和分析,
9、 通过实证回归来验证或反驳某种观点或理论假设。假如计量经济学偏离这一目的, 即为滥用。当前, 计量经济方式方法滥用主要表现为两种情况:首先是简单问题复杂化。在一些期刊发表的文章中, 一些仅牵涉较为粗浅的经济现象, 但研究者却费尽心思构建复杂的计量经济模型和运用所谓 前沿 计量经济方式方法来分析, 以此来展示研究水平和吸引眼球。其次是模型设定随意化。在公共政策的评估中, 计量经济学模型要基于一定的经济学理论 (理论机制) 来设定, 即放入计量经济模型中的解释变量, 不管是主要解释变量还是控制变量均应具有相应的现实经济含义。相反, 假如在设定计量经济学模型时随意参加变量, 变量选择缺乏充分的经济含
10、义, 将导致计量经济学方式方法的滥用。 二是不考虑计量经济学方式方法适用前提的误用。任何计量经济方式方法的运用均具有一定的前提假设和适用范围。例如, 普通最小二乘法 (OLS) 要严格知足线性模型、随机抽样、条件均值为0和误差同方差等前提假设 (Greene, 2020) ;针对违背普通最小二乘法 (OLS) 估计方式方法适用前提的内生性问题, 研究者通常使用工具变量法 (IV) 解决。这种方式方法的适用前提是需要找到一个或者多个工具变量与内生解释变量相关而与因变量无关;这里面尤其要注意弱工具变量问题, 即工具变量与内生解释变量弱相关。这是由于, 弱工具变量导致局部平均处理效应 (LATE,
11、Local Average Treatment Effect) , 进而有可能会使工具变量法估计的系数被扩大。姜纬 (Jiang, 2021) 以为, 在弱工具变量的情况下, 工具变量的采用有可能造成只衡量了处理组一部分个体的平均处理效应 (Average Treatment Effect, ATE) , 而非处理组的平均处理效应;相比于OLS回归, 弱工具变量的运用会使得估计参数平均扩大了九倍, 这一发现是针对三大金融学顶级期刊A中255篇运用工具变量进行回归估计的论文进行的研究。双重差分法 (DID) 在公共政策评估中运用最多, 这种方式方法的适用前提是实验组和对照组具有一样时间趋势。假如
12、两组不具有一样时间趋势, 就难以分清实验组在政策施行前后变化的原因究竟是政策作用还是本身趋势。只要在知足这些条件和范围时, 运用相应的计量经济学方式方法才能进行正确的系数估计, 得出的公共政策评估结果才正确。否则, 得出的评估结果要么高估、要么低估政策效果, 进而导致政策力度错误的加大和降低, 进而造成政策的误用。正如王美今和林建浩 (2020) 所言, 不顾计量经济学方式方法的假设前提和适用范围而机械套用或随意适用, 均可能会导致 无知者无畏 的计量方式方法的错用和误用 。 总之, 无论是计量经济学方式方法的滥用还是误用, 均会导致公共政策评估的偏差, 进而可能对现实公共政策制定产生不良影响
13、或者误导。为了避免上述问题, 需要研究者认真学习公共政策效果评估的计量经济学方式方法, 通晓这些方式方法的前提假设、适用范围和技术重点。意大利计量经济学家吉奥范尼 赛鲁利 (Giovanni Cerulli) 2021年出版的著作(社会经济政策的计量经济学评估:理论与应用 (Econometric Evaluation of Socio-Economic Programs:Theory and Application, 下面简称(计量经济学评估) 可作为诸多研究者正确使用政策评估的计量经济学方式方法的重要参考资料和系统学习手册。 二、(计量经济学评估一书简介 (一) 本书背景和内容简介 (计量
14、经济学评估一书作为国际计量经济学大师巴蒂 巴尔塔基 (Badi Baltagi) 和洪永淼、加里 库普 (Gary Koop) 等主编(理论和应用计量经济学前沿研究的第49辑, 由斯普林格出版集团 (Springer) 于2021年出版发行。这本书不仅牵涉公共政策评估计量方式方法的理论讨论, 而且还给出了基于当下最为流行软件包STATA的详细应用。 (计量经济学评估全书共分为四章:第一章主要介绍公共政策评估计量经济学方式方法的统计学基础和基本假设, 提出与处理效应相关的样本选择偏差的概念和分类, 并对不同选择偏差给出校正方式方法。第二章主要介绍在可观测变量选择 (Selection on Ob
15、servables) 或可见偏差 (Overt Bias) 假设下平均处理效应的估计方式方法, 并对这一假设在公共政策评估分析中的意义和适用范围做出了系统性讲明;在这一章还详细介绍了回归校正法 (Regressionadjustment) 、匹配法 (Matching) 、复权法 (Reweighting) 等政策评估的常用方式方法。第三章介绍了不可观测变量选择 (Selection on Unobservables) 或不可见偏差 (Hidden Bias) 假设下的平均处理效应的估计方式方法。这一章详细介绍了工具变量法 (Instrumental Variables) 、模型选择法 (Se
16、lection Models) 和双重差分法 (Difference-in-Difference, DID) 等三种适用不可见偏差假设的计量经济学方式方法。第四章主要介绍了局部平均处理效应 (LATE) 和断点回归法 (Regression Discontinuity Design, RDD) 两种关系严密的近似准实验估计法 (Nearly Quasi-experimental Methods) 。华而不实, 将后者分为清楚明晰断点回归 (Sharp RDD) 和模糊断点回归 (Fuzzy RDD) 。两类方式方法的区分取决于公共政策的断点划分对个体影响确实定性差异, 政策对个体有确定性影响的
17、是清楚明晰断点回归, 对个体有不确定影响的叫模糊断点回归。 (二) 总体评价 (计量经济学评估一书尽管只分了四章内容, 但其整体逻辑构造清楚明晰、系统性强, 几乎集合了公共政策效果评价所需用的所有常用方式方法。这本书内容丰富, 知识层次性强, 其详细内容通常基于某一基本假设展开, 层层推进。不仅侧重公共政策计量评估模型构建的理论讨论, 而且也十分注重这些计量方式方法的应用与实现。与很多传统微观计量经济学教学资料相比, (计量经济学评估一书具有较强的政策研究针对性和可操作性, 可作为研究者正确利用当代微观计量经济学技术进行公共政策评估的指导手册。 除此之外, (计量经济学评估一书还具有相当的前沿
18、性。当下的经济学经历体验研究正在从基本的统计上的假设检验转向因果推断, 这种转变甚至被称为 以实验设计为基础的计量经济学 或计量经济学的 实验学派 (Angrist et al., 2021) 。社会科学研究进行因果推断的最大难题是非随机抽样。公共政策所运用的群体通常也非随机抽样, 群体特征与其他群体明显不同。怎样有效地区分政策效应和自选择效应, 成为公共政策评估面临的最大难题之一。这也就要求评估公共政策效果所用的计量经济学方式方法与其他一般性地分析个人和企业问题所用方式方法之间的较大差异。这本书前瞻性地为公共政策评估提供了计量经济学知识框架, 弥补了一般计量经济学教学资料在公共政策评估领域叙
19、述的缺乏。 三、(计量经济学评估一书的启示:各种计量经济学方式方法的选择与运用场景 (一) 公共政策评估应准确把握计量经济学方式方法选择重点 公共政策种类多种多样, 且每种公共政策的施行环境, 如时间、地点、人群等也不尽一样。这就要求研究者在对公共政策效果进行评估时, 需要准确地把握每种计量经济学评估方式方法的特征和适用前提, 以尽可能准确地评估出公共政策效果, 不高估不低估, 更要避免犯错误相关这样的统计学错误。进行政策效果的评估以及政策产生作用的机制分析, 对于政策的调整和推广具有重要的现实意义。(计量经济学评估一书为选择适宜的公共政策计量经济学评估方式方法, 得出正确的评估结论提供了全面
20、的指导。 赛鲁利 (Cerulli, 2021) 以为, 要选择一个适宜公共政策计量经济学评估方式方法, 通常主要把握三个方面:第一, 弄清公共政策施行的制度背景和政策内容, 再与相应计量经济学评估方式方法的标准要求相比照或匹配;第二, 弄清公共政策施行对相关利益主体的影响机制, 构建具有实际经济含义的计量经济学模型;第三, 将公共政策的影响效应区分为直接效应和潜在间接效应。除此之外, 对于有限的计量经济学评估方式方法和模型, 还有一些更为严格的要求, 比方, 要基于公共政策的预定目的设计模型, 要有具体或有效的可用数据, 要对广泛的受益和非受益群体做比照等。 公共政策效果评估, 实际上就是要
21、估计出或计算出公共政策的处理效应。然而, 现实是复杂的, 评估面临重重困难, 比方我们经常碰到观察值缺失、可观测和不可观测偏差、内生性和数据可得性等问题。因而, 研究者要处理出相对可靠的处理效应结果, 就需要很好地应对上述那些棘手的问题。赛鲁利 (Cerulli, 2021) 以为, 对于不同的公共政策运行环境, 研究者能够从三个维度去构建和选择计量经济学评估模型和方式方法, 即辨别假设、模型类型和数据构造 (如表1所示) 。 表1 不同公共政策施行环境的计量经济学评估模型的选择 资料来源:赛鲁利 (Cerulli, 2021) , p.38。 1. 辨别假设 在辨别假设下, 通常我们将影响偏
22、差辨别的原因分为两种:可观测变量选择 (构成可见偏差) 和不可观测变量选择 (构成不可见偏差) , 以此来选择适用的计量模型。根据赛鲁利 (Cerulli, 2021) , 回归校正法、匹配法和复权法适用于可观测变量选择的情况, 工具变量法、模型选择法和双重差分法适用于不可观测变量选择的情况。断点回归法因其基于局部实验进行估计, 故既能够适用于可观测选择情况, 也适用于不可观测情况。详细而言, 清楚明晰断点设计适用可观测变量选择情况, 模糊断点法适用不可观测变量选择情况。 2. 模型类型 在对公共政策进行计量经济学评估时, 通常可采用构造性模型和非构造性 (简易形式) 模型两大类。然而, 不同
23、计量经济学评估方式方法, 却在不同形式模型下具有其特定的适用性。根据赛鲁利 (Cerulli, 2021) , 如表1所示, 工具变量法和模型选择法只适用于构造性模型;而回归校正法、匹配法、双重差分法则仅适用非构造性 (简易形式) 模型;断点回归法对于这两类模型均可适用, 华而不实模糊断点回归法适用于构造性模型, 清楚明晰断点模型适用于非构造性 (简易形式) 模型。 3. 数据构造 对于公共政策计量评估所使用的数据主要有两类:横截面数据和面板数据。赛鲁利 (Cerulli, 2021) 以为, 在上文所列的七种方式方法中, 仅双重差分法适用于面板数据或重复横截面数据, 而其他估计方式方法均适用
24、于一般横截面数据 (如表1所示) 。在实际运用中, 相比于横截面数据, 尽管面板数据能够反映时间维度上的政策效应变化, 但因其数据不易获得, 研究者们更多地使用横截面数据。 (二) 公共政策评估的各种计量经济学方式方法适用前提和应用场景 对于不同计量经济学评估方式方法, 均具有其各自的技术关键点, 公共政策评价者只要准确把握这些关键点, 才能有效避免计量经济学评估方式方法误用现象的发生。在本部分中, 我们遵循(计量经济学评估一书章节顺序, 对不同计量经济学方式方法进行评价并总结其应用前提和场景。 1. 回归校正法 这是一种广义估计处理效应的一种方式方法, 基于可观测变量选择的辨别假设。实际上,
25、 这种方式方法仅在条件独立假设 (Conditional Independence Assumption, CIA) 下才适用。通常我们能够使用参数和非参数方式方法估算出处理效应的大小, 但这两种处理方式方法各有利弊。数据稀疏 (Sparseness) 情况下非参数估计结果要比参数估计结果更可靠, 而非参数估计却又很难克制由于弱重叠 (Weak Overlap) 问题而带来的辨别问题。因而, 对于回归校正法而言, 使用参数估计还是非参数估计取决于现有数据的稀疏和重叠问题。 2. 匹配法 匹配法是当下在非实验环境下评估处理效应最为常用的方式方法之一 (Stuart, 2018) 。从技术上讲,
26、匹配法是直接利用可观测结果, 而不是使用可观测条件均值进行估计的回归校正法。相比于控制函数回归法 (Control Function Regression, CFR) A, 匹配法具有三个优点:一是有很多详细匹配方式方法可供选用, 以通过比拟获得相对稳健的结果;二是能够为处理组找到一个特征相近的对照组, 以获得相对准确的处理效应估计;三是匹配原理较为简单, 即通过非处理组找四处理组在相反状态下的潜在结果。详细施行经过中, 需要注意下面四个方面存在的问题。 (1) 关于处理效应的辨别。匹配法能够很好解决弱重叠和弱平衡性 (Weak Balancing) 的问题, 但不能消除不可观测变量选择偏差问
27、题。匹配法要能辨别出处理效应, 通常要基于三个假设:一是条件均值独立假设, 即E (Y0|x, D) =E (Y0|x) 和E (Y1|x, D) =E (Y1|x) ;二是重叠性假设, 即0 p (x) 1, 华而不实p (x) 为倾向得分;三是平衡性假设, 即匹配后处理组与控制组的协变量分布一样。 (2) 匹配估计量的大样本特征。匹配法作为一种特殊的非参数回归校正法, 其获得非观测结果的方式方法使其渐进性质的辨别成为问题。仅有一些匹配方式方法符合大样本渐进性质, 这华而不实主要包括核匹配 (Kernel Matching) 和近邻匹配 (Nearest-neighbor Matching)
28、 两种方式方法。核匹配法在特定条件下的估计量能够知足N-1/2渐进一致性, 但并不知足有效性B;近邻匹配法的估计量不仅能够知足一致性和渐进正态分布, 还能够知足有效性。 (3) 精到准确匹配与维度问题。通常情况下, 我们能够采取精到准确匹配方式方法来实现匹配, 但这仅限于协变量维度较少时。假如协变量维度较多, 而样本容量又较小时, 精到准确匹配将变得不可行, 即所谓的维度问题 (Dimensionality Curse) 。为了克制这一问题, 罗森鲍姆和鲁滨 (Rosenbaum and Rubin, 1983) 建议将多维协变量转换为倾向得分这一单一维度进行匹配。 (4) 倾向得分匹配。在运
29、用倾向得分匹配法时, 有两个十分重要的特性:平衡性 (Balancing) 和无混淆性 (Unconfoundedness) 。前者是在给定倾向得分p (x) 的条件下, 处理变量D与其他变量x是独立的, 这一特性表示清楚了当倾向得分被正确处理后, 根据倾向得分划分匹配个体和根据协变量x划分匹配个体是无差异不同的。因而, 在实证研究中检验平衡性能否成立, 是检验倾向得分能否正确地用于划分匹配个体的重要标准。无混淆性是指, 给定p (x) , 处理变量D对于潜在结果的影响是能够忽略的, 这一特性能否成立是检验能否穷尽协变量x的标准。倾向得分匹配法 (PSM) 在研究中被广泛应用, 但需要注重其适
30、用性和缺陷:一是PSM需要比拟大的样本容量才能实现高质量的匹配;二是PSM要求处理组与控制组之间要有共同的取值范围 (重叠性) , 否则可能丢失较多观测值, 导致匹配成功变量较少;三是PSM固然控制了可观测变量, 但仍然可能存在非观测变量选择问题, 仍存在不可见偏差。 3. 复权法 复权法是在可观测变量选择情况下估计处理效应的一种有效方式方法, 与上文的倾向得分匹配法之间有着密切关系。复权法的基本原理是:由于处理组个体不是随机分配的, 处理组个体和控制组个体之间可能呈现着非常不同的特征, 这样可以能导致协变量x出现不平衡分布。为了构建平衡的协变量分布, 通常针对不同观测值赋予适当权重并且运用加
31、权最小二乘法估计平均处理效应。相比于其他公共政策计量评估方式方法, 复权法不依靠于对潜在结果m1 (x) 和m0 (x) 的估计, 而仅依靠于倾向得分p (x) 的估计。但这种方式方法也有一定限制, 由于复权估计量对倾向得分估计方程设定较为敏感, 假如方程设定存在问题, 可能会导致严重的估计偏差。 4. 工具变量法 工具变量法是处理不可观测变量选择 (不可见偏差) 而引起内生性问题的最有效方式方法之一。应用工具变量法, 首要的是能找到至少一个工具变量, 其要与处理变量D直接相关, 但又不能与因变量 (结果) Y相关。通常情况下, 我们能够选择二阶段普通最小二乘法、Probit (或Logit)
32、 最小二乘法和Probit (或Logit) 二阶段最小二乘法作为工具变量法运用的详细回归方式方法。但需要注意的是, 第一种方式方法若碰到弱工具变量问题, 会降低处理效应回归结果的精到准确度, 但仍然是知足一致性的;第二种方式方法基于处理变量D的Probit或Logit回归量对选择方程进行回归, 其处理效应回归结果相比第一种方式方法具有更好的有效性, 但需要依靠Probit或Logit回归方程的正确设定;第三种方式方法回归并不具有第二种方式方法的依靠性, 即便Probit或Logit回归方程设定不正确, 仍能知足一致性, 但在一定程度上损失了有效性。除此之外, 我们在运用工具变量法时, 要十分
33、注意弱工具变量问题, 即工具变量与因变量Y之间不完全外生或与处理变量之间的相关性较差, 这可能导致处理效应的回归结果不一致和较差的有效性 (Bound et al., 2005) 。 5. 模型选择法 模型选择法作为处理数据截断或不可观测变量选择问题的一种方式方法, 近年被逐步广泛应用于公共政策的效果评估中 (Cerulli, 2021) 。在对选择模型进行回归时, 由于不同的不可观测变量之间可能存在相关性, 这会导致处理效应估计出现偏差。要获得一致的处理效应估计, 通常要基于不同误差项之间的联合正态分布。在联合正态分布的假设下, 能够利用极大似然估计法, 这样能够获得一致且有效的参数估计量。
34、但是, 一般情况下极大似然估计可能会面对收敛问题, 在回归方程存在离散控制变量时表现尤为突出 (Woodridge, 2018) 。这时, 采用两步法A可能是一个有效的校正方式方法。 6. 双重差分法 双重差分法也是一种处理内生性问题的有效方式方法 (Abadie, 2005;Angrist and Pischke, 2008) 。在应用中, 这种方式方法因不需像工具变量法那样需要寻找工具变量, 也不需像模型选择法那样附加严格的分布假设, 当下已经成为公共政策效果的计量评估中最重要、应用最广泛的方式方法。双重差分法适用于处理组和控制组在公共政策执行前后的数据均可得的情况, 其基本原理是在公共政
35、策执行前为处理组个体找到一样或类似的非处理组 (控制组) 个体, 以这些非处理组个体在政策施行时点后的结果作为处理组个体在未进入处理组时的潜在结果参照, 通过比照得到公共政策的处理效应。为了获得处理组个体的潜在结果, 通常我们要基于可得的协变量考察处理组和控制组个体之间能否具有共同趋势 (Common Trend) 。相反, 假如处理组和控制组之间不具有共同趋势, 将会严重影响处理效应回归结果的准确性。 7. 断点回归法 断点回归法是另一种准自然实验的估计方式方法, 近年经常出如今公共政策因果效应评估的文献中。断点回归法适用的基本条件是:存在一个驱动变量 (Forcing Variable)
36、, 以其某一取值作为门槛划分处理组和非处理组个体。在门槛值之上的个体进入处理组, 门槛值之下的个体进入非处理组。门槛值的取值处会出现政策断点, 通过选择适当的门槛值临界区间, 比拟处理组和非处理组因变量的平均值, 即可获得公共政策的处理效应。根据政策变量与驱动变量之间是确定关系还是随机关系, 能够将断点回归法分为清楚明晰断点法和模糊断点法, 前者的处理变量会在门限值处出现严格的 跳跃 , 而后者则只构成了模糊的 跳跃 。断点回归法在详细应用中, 通常需要符合四个前提:一是准确辨别断点。准确辨别的一个标准是在门槛值附近能否符合自然实验的随机抽样标准, 详细能够计算政策变量D和协变量x在门槛值左右
37、两侧的差异不同。通常能够接受的断点为政策变量D在门槛值两侧具有明显差异, 而协变量x在门槛值两侧的差异不显著。二是断点不能被人为操控, 即不能通过人为修改门槛值来改变断点的位置。三是最优带宽的选择。带宽的选择实际上牵涉估计精度和估计偏差的平衡。由于带宽越大, 回归可用的观测值越多, 能够提高回归的有效性, 但同时偏离门槛值较远的个体也就越多, 增加了估计偏差。详细能够利用插入法 (Plug-in) 和穿插验证法 (Cross-validation) 获得最优带宽A。四是额外协变量选择。一个变量能否能够作为协变量进入回归方程, 其标准是在门限值处不会出现统计上显著的断点。 四、总结 科学施政在当
38、下 三期叠加 B的经济新常态下显得尤为重要, 关乎全面深化改革的成败和中华民族的伟大复兴。科学施政的前提是科学评估以往各种改革政策的效果, 为政策调整提供决策根据。系统性地评估改革开放以来的各种改革政策, 可以以为我们国家道路自信、制度自信和理论自信提供现实基础。 近三十年来, 计量经济学方式方法被广泛应用于公共政策效果的评估中。然而, 在这项工作中, 计量经济学方式方法和模型经常出现被滥用和误用的现象, 这可能会得出错误的政策效果评价, 会误导政策制定者继续推行甚至出台贻害百姓的 劣政 和 恶政 C。为了避免这一问题, 研究者需要系统学习并且要准确把握各类公共政策计量经济学评估方式方法的适用
39、前提和技术重点, 力求得出正确的政策评价结论。赛鲁利 (Cerulli, 2021) 的(社会政策的计量经济学评估:理论与应用一书系统介绍了公共政策评估的各类计量经济学方式方法, 如回归校正法、匹配法、复权法、工具变量法、模型选择法、双重差分法、断点回归法等, 不仅介绍了这些方式方法的适用前提和适用范围, 而且讲明了基本统计学原理和软件运用, 很好地填补了公共政策评估计量经济学著作的空白, 可为研究者提供很好的应用参考。这本著作必将为研究者科学地评估我们国家各种改革政策的效果提供帮助, 进而为制定政策提供智力支持。 以下为参考文献 1贾文: 认识计量经济模型应走出五大误区 , (财经科学200
40、3年第3期。 2王美今、林建浩: 计量经济学应用研究的可信性革命 , (经济研究2020年第2期。 3Abadie, A., 2005, Semiparametric Difference-in-Differences Estimators, Review of Economic Studies, 72:1-19. 4Angrist, D., and Pischke, S., 2008, Mostly Harmless Econometrics:An Empiricist s Companion.Princeton:Princeton University Press. 5Angrist, J
41、., Azoulay, P., Ellison, G., Hill, R., and F., Lu, 2021, Economic Research Evolves:Fields and Styles, American Economic Review, 107 (5) :293-297. 6Bound, J., Jaeger, A., and M., Baker, 1995, Problems with Instrumental Variables Estimation When the Correlation between the Instruments and the Endogeno
42、us Explanatory Variable Is Weak, Journal of the American Statistical Association, 90:443-450. 7Cerulli, Giovanni, 2021, Econometric Evaluation of Socio-Economic Programs:Theory and Application, Berlin:Springer-Verlag. 8Greene, H., 2020, Econometric Analysis (6th Edition) .Upper Saddle River, New Jer
43、sey:Pearson. 9Heckman, J., Ichimura, H., and P., Todd, 1998, Matching as An Econometric Evaluation Estimator, Review of Economic Studies, 6 (2) :261-294. 10Jiang, W., 2021, Have Instrumental Variables Brought Us Closer to Truth?Review of Corporate Finance Studies, 6 (2) :127-140. 11Stuart, A., 2018,
44、 Matching Methods for Causal Inference:A Review and A Look Forward, Statistical Science, 25 (1) :1-21. 12Wooldridge, M., 2018, Econometric Analysis of Cross Section and Panel Data.Cambridge, MA:MIT Press. 注释 1 金融学期刊 (Journal of Finance) 、金融经济学季刊 (Journal of Financial Economics) 和金融研究评论 (Review of Fi
45、nancial Studies) 。 2 控制函数回归法 (CFR) 是回归校正法的一种特殊形式, 通常事先假定要估计参数和模型形式 (比方线性形式) , 用于条件均值独立条件 (Conditional Mean Independence, CMI) 下公共政策估计中的处理效应辨别问题。因而, CFR仅在可观测选择的辨别假设下适用。 3 Heckman等 (1998) 对渐进线性回归条件下核匹配估计量的大样本性质进行了证明, 发现要使核匹配具有N-1/2渐进一致性, 除了样本需要知足条件均值独立假设、重叠性假设和独立同分布假设外, 还应知足平滑参数序列收敛、协变量分布密度的期望等于0等条件。 4 通常是基于一定方式方法, 如拔靴法 (Bootstrap) 等, 获得处理变量D关于1和协变量x的Probit方程估计误差, 以其作为第二步估计处理效应的协变量。 5 详细可参见Cerulli (2021) , pp.260-266。 6 增长速度换挡期、构造调整阵痛期和前期刺激政策消化期。 7 政策制定者的出发点也许是好的, 但结果可能是不好的。