政策效應(yīng)評估的四種主流方法

政策效應(yīng)評估的四種主流方法(Policyevaluation)來源：計量經(jīng)濟(jì)學(xué)工具變量法#01來源：計量經(jīng)濟(jì)學(xué)工具變量法#01標(biāo)準(zhǔn)的計量經(jīng)濟(jì)學(xué)提供了一種處理內(nèi)生性問題的方法 IV法?！‥hrlich(1975，1977)運(yùn)用時間序列數(shù)據(jù)和截面數(shù)據(jù)就美國執(zhí)行死刑對降低謀殺率的影響進(jìn)行的研究具有典型性。Ehrlich認(rèn)識到謀殺率與死刑執(zhí)行率之間的雙向因果關(guān)系，并試圖應(yīng)用IV來解決其內(nèi)生解釋變量和遺漏解釋變量的問題。他選擇了此項政策支出的滯后量、總的政府支出、人口、非白人比例等變量作為IV，但并沒有解釋為什么這些變量是好的IV，所選出的這些IV與內(nèi)生的解釋變量之間又具有怎樣的關(guān)聯(lián)。直至Ehrlich(1987，1996)的研究出版，其選擇IV的考慮及相關(guān)的因果識別問題才得到詳細(xì)的闡述。Angrist(1990)和Angrist等(1991)分別用IV研究了參加越戰(zhàn)對老兵收入的影響和教育背景對收入的影響，從而充分顯現(xiàn)了運(yùn)用IV進(jìn)行因果推斷的價值。Card等(1992a，1992b)將學(xué)生的出生州與出生隊列作為IV，研究了教育投入對教育質(zhì)量的影響，從而使得教育產(chǎn)出、教育質(zhì)量領(lǐng)域的研究出現(xiàn)了重大轉(zhuǎn)折。Bound等(1995)指出了Angrist等(1991)研究中存在的弱工具變量的問題，從而將IV的效率問題以及IV的選取準(zhǔn)則引入研究此后，有關(guān)IV研究的理論問題都主要集中在如何尋找最優(yōu)的工具變量上。工具變量法是一個相對簡單的估計方法，但是有兩個重要的缺陷：工具變量的選擇問題。在政策評估問題中，要找出滿足條件的工具變量并不容易。在實(shí)踐中，尤其是當(dāng)縱向數(shù)據(jù)和政策實(shí)施前的數(shù)據(jù)可以獲得時，研究者多使用因變量的滯后變量作為工具變量。但是，這同樣會引發(fā)相關(guān)性，并不能從根本上解決問題。如果個體對于政策的反應(yīng)不同，只有當(dāng)個體對政策反應(yīng)的異質(zhì)性并不影響參與決策時，工具變量才能識別ATT、ATE。但這是一個很強(qiáng)的假定，有時研究者不得不假定非理性，或者忽略研究對象的異質(zhì)性(Heckman，1997)。#02斷點(diǎn)回歸RD是一種類似于隨機(jī)受控實(shí)驗(yàn)的準(zhǔn)實(shí)驗(yàn)法。它的主要思想是：當(dāng)個體的某一關(guān)鍵變量的值大于臨界值時，個體接受政策干預(yù)；反之，則不接受政策干預(yù)。一般而言，個體在接受干預(yù)的情況下，無法觀測到其沒有接受干預(yù)的情況。而在RD中，小于臨界值的個體可以作為一個很好的控制組來反映個體沒有接受干預(yù)時的情況，尤其是在變量連續(xù)的情況下，臨界值附近樣本的差別可以很好地反映干預(yù)和結(jié)果變量之間的因果聯(lián)系，進(jìn)而計算出ATE、ATT等政策效應(yīng)變量。RD最早是由美國西北大學(xué)的心理學(xué)家Campbell于1958年首先發(fā)展設(shè)計出來的，但一直沒有得到廣泛的應(yīng)用。Hahn等(2001)為斷點(diǎn)回歸的模型識別和模型估計進(jìn)行了嚴(yán)格意義上的理論證明，并提出了相應(yīng)的估計方法。自此之后，RD在經(jīng)濟(jì)學(xué)上的應(yīng)用才開始盛行。到目前為止，對這一方法的研究成果還主要集中在勞動經(jīng)濟(jì)學(xué)領(lǐng)域。國內(nèi)學(xué)者運(yùn)用RD進(jìn)行分析的研究還比較少見，余靜文等(2010a)研究了城市圈所產(chǎn)生的集聚效應(yīng)、輻射效應(yīng)，考察了其對地區(qū)收入差距的影響；余靜文等(2010b)還使用該方法考察了城市圈對區(qū)域經(jīng)濟(jì)績效的影響，發(fā)現(xiàn)城市圈產(chǎn)生的輻射效應(yīng)和政府治理結(jié)構(gòu)轉(zhuǎn)變所帶來的效應(yīng)會促進(jìn)城市圈區(qū)域的經(jīng)濟(jì)發(fā)展。RD是一種類似于隨機(jī)實(shí)驗(yàn)的方法，也是準(zhǔn)實(shí)驗(yàn)方法中最具有可信性的方法。Lee(2008)認(rèn)為在隨機(jī)實(shí)驗(yàn)不可得的情況下，斷點(diǎn)回歸能夠避免參數(shù)估計的內(nèi)生性問題，從而真實(shí)反映出變量之間的因果關(guān)系。RD方法應(yīng)用的關(guān)鍵假設(shè)是要求在斷點(diǎn)附近的個體的特征相同，這一假設(shè)可以通過統(tǒng)計分析得到檢驗(yàn)。由此可見，RD的吸引力不僅在于它的實(shí)驗(yàn)性，還在于它的因果推斷可以方便地得到檢驗(yàn)。#03雙重差分法近年來，DID在政策評估研究得到了廣泛應(yīng)用。DID處理選擇偏差的基本思想是：允許存在不可觀測因素的影響，但假定它們是不隨時間變化的。假定不可觀測因素Uit可分解為：Uit=?+0t+pit其中?是個體固定效應(yīng)，不隨時間變化；et是個體所處的共同的環(huán)境帶來的效應(yīng)，對于所有個體而言都相同；pit是個體時點(diǎn)效應(yīng)。DID假定實(shí)驗(yàn)組和控制組在研究的區(qū)間內(nèi)具有相同的個體時點(diǎn)效應(yīng)，也就是說pit相同，因此通過對截面單位在項目實(shí)施前后的結(jié)果取差值，就能排除3、et的影響。反之，若在政策實(shí)施條件下，個體時點(diǎn)效應(yīng)pit不相同，則DID就不再是一致估計量。應(yīng)用DID評估政策效應(yīng)的基本步驟是利用面板數(shù)據(jù)建立雙固定效應(yīng)模型并估計參數(shù)：Yit=[30+[31Tit+B2Ait+[33TitAit+sit其中,Tit=1表示實(shí)驗(yàn)組對象，反之則表示控制組對象；Ait=1表示政策實(shí)施后的區(qū)段，反之亦然；itAit是交叉項，其系數(shù)33表示實(shí)驗(yàn)組對象在接受政策后結(jié)果變量的變動程度，反映了政策變動的效應(yīng)，是目標(biāo)變量。參數(shù)31表示沒有政策干預(yù)時，實(shí)驗(yàn)組與控制組的經(jīng)濟(jì)行為如何隨時間變動，而參數(shù)32則反映實(shí)驗(yàn)組和控制組中任何不隨時間變動的差異。應(yīng)用DID評估政策效應(yīng)的一個關(guān)鍵假設(shè)是：當(dāng)不存在政策干預(yù)時，P3=0，這一假設(shè)只有在實(shí)驗(yàn)組與控制組性質(zhì)非常接近時才是合理的。表1概括了DID方法的基本原理。表1口舊方法的基耳原理亠政策*■■政第變化后 Differencep變化前*Ireatmentp□+p-Pg4丙+肉+肉4%=曉+陶

Control+J隔 陽+也 也￥亡二民Heckman等(1985，1986)最早提出使用DID方法對社會公共政策的實(shí)施效應(yīng)進(jìn)行評估，此后對DID方法的研究和應(yīng)用成果層出不窮，典型的有：Card等(1990，1994)對移民政策、最低工資制度對工資和就業(yè)的影響進(jìn)行了研究；Puhani(2000)對波蘭1991年實(shí)施的失業(yè)救濟(jì)政策改革對失業(yè)持續(xù)期的影響進(jìn)行了評估；Stewart(2004)對英國1999—2001年引入的最低工資制度對就業(yè)的影響進(jìn)行了評估。Donohue等(2005)發(fā)現(xiàn)美國與加拿大的謀殺率之間具有相同的變化趨勢，從而以取消死刑的加拿大作為控制組，評估了美國恢復(fù)死刑制度對降低謀殺率的影響，結(jié)果表明美國執(zhí)行的死刑政策并未對社會謀殺發(fā)生率起到遏制作用；Chen等(2008)使用中國2000個家庭的數(shù)據(jù)對世界銀行發(fā)展項目的效應(yīng)進(jìn)行了評估。國內(nèi)學(xué)者近年來也開始運(yùn)用DID方法對政策效應(yīng)進(jìn)行評估，主要的研究有：周黎安等(2005)就農(nóng)村稅費(fèi)改革對農(nóng)民收入增長所產(chǎn)生的影響進(jìn)行了評估；朱寧寧等(2008)對我國建筑節(jié)能政策的實(shí)施效應(yīng)進(jìn)行了評估；黃清(2009)對2002—2005年電力行業(yè)放松規(guī)制的政策效應(yīng)進(jìn)行了實(shí)證檢驗(yàn)和研究；劉生龍等(2009)評估了西部大開發(fā)對于西部地區(qū)經(jīng)濟(jì)增長及中國區(qū)域經(jīng)濟(jì)收斂的作用；聶輝華等(2009)使用全國層面的企業(yè)數(shù)據(jù)，胥佚萱等(2011)使用上市公司數(shù)據(jù)分別對2004年開始在東北地區(qū)實(shí)行的增值稅轉(zhuǎn)型政策的影響進(jìn)行了研究；俞紅海(2010)基于上市公司數(shù)據(jù)，對股權(quán)分置改革的有效性進(jìn)行了實(shí)證分析；李楠(2010)利用中國工業(yè)行業(yè)數(shù)據(jù)，對國有企業(yè)改革的績效進(jìn)行了評估。DID方法允許不可觀測因素的存在，而且允許不可觀測因素對個體是否接受干預(yù)的決策產(chǎn)生影響，從而放松了政策評估的條件，使得政策評估的應(yīng)用更接近于經(jīng)濟(jì)現(xiàn)實(shí)，因而應(yīng)用更廣。但是，研究者在應(yīng)用中也應(yīng)該充分認(rèn)識到DID方法的局限性：數(shù)據(jù)要求更加苛刻。DID方法以面板數(shù)據(jù)模型為基礎(chǔ)，不僅需要橫截面單位的數(shù)據(jù)，還需要研究個體的時間序列數(shù)據(jù)，特別是政策實(shí)施前的數(shù)據(jù)。因此，相比于Matching，DID方法要求更多的數(shù)據(jù)。個體時點(diǎn)效應(yīng)pit未得到控制。DID要求很強(qiáng)的識別假設(shè)，它要求在政策未實(shí)施時，實(shí)驗(yàn)組和控制組的結(jié)果變量隨時間變化的路徑平行，這一假設(shè)并沒有考慮個體時點(diǎn)效應(yīng)pit的影響。由于pit的影響，在項目實(shí)施前后，實(shí)驗(yàn)組和和控制組個體行為的結(jié)果變量并不平行，此時應(yīng)用傳統(tǒng)的DID方法就會出現(xiàn)系統(tǒng)性誤差。未考慮個體所處的環(huán)境對個體的不同影響。DID方法假定環(huán)境因素的沖擊對處于相同環(huán)境中的個體會產(chǎn)生相同的影響，即0t對所有個體都相同。但實(shí)際中，實(shí)驗(yàn)組和控制組個體可能因?yàn)槟承┎豢捎^測因素的影響，使得其在面臨相同的環(huán)境因素的沖擊時做出不同的反應(yīng)，此時DID的應(yīng)用就會出現(xiàn)問題。針對以上問題，國外學(xué)者在使用DID的過程中，逐步對其進(jìn)行了擴(kuò)展，擴(kuò)展的方向主要有兩個：一是考慮DID中未控制的因素，從而進(jìn)一步放松其應(yīng)用條件；二是將DID與Matching等其他政策評估方法結(jié)合起來，提出新的估計量。比如：Bell等(1999)考慮了個體所處的環(huán)境對個體的不同影響，提出了經(jīng)趨勢調(diào)整的估計量；Heckman等(1997)提出了“條件DID”這一新的估計量(conditionalDIDestimator)，將Matching與DID方法結(jié)合起來應(yīng)用，不僅能大大降低選擇偏差，且結(jié)果更為可信。但不容忽視的是，條件DID仍要滿足“共同支撐域”假定。傾向匹配方法匹配是一種非實(shí)驗(yàn)方法，是對于一些沒有采用或不方便采用實(shí)驗(yàn)方法區(qū)分實(shí)驗(yàn)組和控制組的數(shù)據(jù)采用的一種近似實(shí)驗(yàn)的方法。匹配方法假定，控制協(xié)變量之后，具有相同特征的個體對政策具有相同的反應(yīng)。換句話說，不可觀測因素不影響個體是否接受政策干預(yù)的決策，選擇僅僅發(fā)生在可觀測變量上。因此，對每一個實(shí)驗(yàn)組個體而言，可以根據(jù)可觀測特征為其選擇一個控制組個體構(gòu)成反事實(shí)。在實(shí)證分析中，根據(jù)選擇控制組時匹配方法的不同，Matching又可分為協(xié)變量匹配(covariantMatching，CVM)和傾向得分匹配(propensityscorematching，PSM)等。其中，CVM涉及多個協(xié)變量，會導(dǎo)致“維度災(zāi)難”、計算過于復(fù)雜等問題。Rosenbuam等(1983)指出，如果協(xié)變量能使得條件獨(dú)立假設(shè)(conditionalindependenceassumption，CIA①)成立，那么傾向得分(propensityscore，PS)作為協(xié)變量的一個函數(shù)，當(dāng)然也能使得CIA成立。通過將協(xié)變量中蘊(yùn)含的信息轉(zhuǎn)移至PS中，PSM可以克服CVM的劣勢，成功降維，從而在實(shí)踐中應(yīng)用更多。Rusenbaum等(1983)提出的利用PSM來消除混雜因素所引起的偏差，在提出之初并沒有受到很大關(guān)注，但是近些年被廣泛應(yīng)用于醫(yī)藥、經(jīng)濟(jì)、政策評估等領(lǐng)域，成為政策效應(yīng)評價中最常用的方法。Perkins等(2000)討論了此方法在流行病藥效學(xué)上的應(yīng)用，Gilligan等(2007)對在埃塞俄比亞農(nóng)村實(shí)施的應(yīng)急食品救援政策的效應(yīng)進(jìn)行了評估，Sandra等(2009)對法國的一項再就業(yè)培訓(xùn)項目的效應(yīng)進(jìn)行了評估。國內(nèi)學(xué)者近年來也開始運(yùn)用PSM方法對社會公共政策的效應(yīng)進(jìn)行評估。陳玉萍等(2010)運(yùn)用PSM方法研究了滇西南山區(qū)改良陸稻技術(shù)的采用對農(nóng)戶收入的影響，解決了應(yīng)用傳統(tǒng)方法分析農(nóng)業(yè)技術(shù)效應(yīng)時，因農(nóng)戶技術(shù)采用存在的自我選擇而帶來的因果干涉問題；李佳路(2010)運(yùn)用PSM方法，采用S省30個國家開發(fā)重點(diǎn)縣2009年的農(nóng)村貧困監(jiān)測數(shù)據(jù)，對扶貧項目的減貧效應(yīng)進(jìn)行了評估。PSM作為非參數(shù)方法，不需要對可觀測因素的條件均值函數(shù)和不可觀測因素的概率分布進(jìn)行假設(shè)，因而相比參數(shù)方法具有優(yōu)勢。但是，PSM也有局限性，主要表現(xiàn)為以下幾點(diǎn)：⑴極強(qiáng)的前提假設(shè)。PSM的應(yīng)用必須滿足CIA和共同支撐域假定，這兩個假定合起來稱為“強(qiáng)可忽略性”假設(shè)。一旦違背這一假定，ATE和ATT就會出現(xiàn)偏誤。Heckman等(1997)通過假設(shè)檢驗(yàn)表明當(dāng)“強(qiáng)可忽略性”假定不滿足時，不宜應(yīng)用PSM的方法對政策效應(yīng)進(jìn)行評估;Heckman(2008)通過理論分析認(rèn)為當(dāng)存在未觀測到的混雜因素時，PSM方法不僅不能消除系統(tǒng)誤差，反而會帶來新的偏差;劉鳳芹等(2009)運(yùn)用蒙特卡羅模擬實(shí)驗(yàn)的結(jié)果也表明PSM對強(qiáng)可忽略性假設(shè)非常敏感，即使是輕度的違背，PSM的估計結(jié)果偏差也超過50%;Kannika等(2010)運(yùn)用實(shí)際數(shù)據(jù)，對比參數(shù)方法與PSM方法的結(jié)果，進(jìn)一步驗(yàn)證了PSM的應(yīng)用需要滿足“強(qiáng)可忽略性”假定。(2)不能為所有的實(shí)驗(yàn)組個體找到控制組個體。匹配方法僅能為處在共同支撐域上的個體找到合適的對照個體。如果對于不同個體而言，處置效應(yīng)是同質(zhì)的，那么共同支撐域的假定不會對政策效應(yīng)的大小造成影響;反之，如果處置效應(yīng)是不同質(zhì)的，共同支撐域的假定使得某些實(shí)驗(yàn)組個體很難找到“反事實(shí)”，處置效應(yīng)無法識別。換句話說，如果匹配過程損失了大量的觀察值，處置效應(yīng)的估計量就僅在共同支撐域上具有一致性特征。在異質(zhì)性響應(yīng)中，如果實(shí)驗(yàn)組個體的處置效應(yīng)差別很大，估計出的ATT就不能代表政策的平均回報。(3)數(shù)據(jù)量要求極大。Matching方法往往應(yīng)用于截面數(shù)據(jù)，為了保證條件獨(dú)立假設(shè)成立，需要盡可能多地搜集協(xié)變量信息，將混雜因素分離出來。同時，為了保證能找到與實(shí)驗(yàn)組個體特征最為接近的控制組，研究者也需要收集大量的個體數(shù)據(jù)，以