Review and Comparison of Researches on PolicyEvaluation Based on Micro Nonexperimental Data
WEI Mengxing
（Graduate School，Chinese Academy of Social Science，Beijing 102488，China）
Abstract: Social policy is an important means for governments to realize their function. Quantitative evaluation on the effect of policy implementation can help the governments make decisions scientifically and reasonably. Based on nonexperimental data，this paper summarizes the evaluation methods for all kinds of the “counterfactual” policy effects deliberately constructed in current micropolicy field， such as instrumental variable method， regression discontinuity method，differenceindifference method and matching method， elaborates the advantages， disadvantages and applicable conditions of each method， and makes brief review of the selection of each model in the practice of policy evaluation.
Key words: policy effect evaluation；counterfactual；quasiexperiment method；matching method；instrumental variable method；regression discontinuity method；differenceindifference method
进行政策评价是计量经济学研究的核心目的之一。中国经济正处于高速发展阶段，社会改革也在逐步深化，政策、规则的改变频频发生，这为政策评价方法与理论的发展提供了一个绝佳的背景。对政策实施的效果进行量化评估，有助于政府决策的科学化、合理化。通过构建“反事实”对政策效应进行评估是当前政策评价研究中的热点，从搜集到的文献来看，目前的研究成果主要集中在以劳动经济学为主的微观领域，在宏观领域并未取得太多进展。有鉴于此，本文将对国内外微观政策评估领域的研究方法做一综述，阐述各种方法在应用上的优势及劣势，总结其适用条件，并对实证研究中各模型的选用进行简要述评。
卫梦星：基于微观非实验数据的政策效应评估方法评价与比较
一、政策效应评估的基本问题
1.“反事实”
假定总体中有两组或多组群体，能够在两期或多期观测到其中的个体数据，并且在某些时期某些个体受到了一项新政策的“干预”（treatment）。在政策评估中，通常把接受政策干预的样本称为实验组，把未受政策干预的样本称为控制组。要估计一项政策的实施效应，一个简单的逻辑就是对所有个体在政策实施前后的结果变量做比较，将差值作为个体的处置效应（treatment effect），进而可推知政策实施效应。
在二元选择的情况下，定义指示变量D，当Di=1时，认为个体i选择接受政策的影响；反之，当Di=0时则视为个体选择不接受政策影响。Di由一系列个体特征因素决定，不同个体之间的选择相互独立。若定义时期0为政策未实施的时期，1为政策实施后的时期，则个体i的处置效应可以写作：
τi=Yi(1)－Yi(0)
但由于道德因素、社会成本等原因，现实中的政策只有极少数采用随机实验的方式实施，研究者可观测到的数据多是非实验数据。这就意味着社会实验政策实施以后，研究者不可能同时观测到同一个体在接受和不接受政策干预时的表现。对于实验组中的个体，研究者无法观测其在未接受政策干预时的表现；而对于控制组中的个体，研究者也无法预测其在接受政策干预时的表现。也就是说，存在着两组“反事实”（counterfactual）。因此，如何构建 “反事实”就成为政策效应评估中的关键。本文所讨论的各种评估方法的不同，本质上是其构建“反事实”的方法不同。
2.个体的异质性决策
在政策实践中，个体并非通过随机委派的方式接受政策干预。多数情况下政策的实施是区域性的，区域中的个体会预测自己接受政策干预时可能获得的净收益，进而通过迁移等反应来决定是否接受政策影响。也就是说，个体存在私人信息，并根据私人信息进行参与决策。个体的私人信息与个体特征紧密相关，具有异质性，不仅会影响个体的参与决策，间接影响结果变量，还可能直接对结果变量施加影响，是混杂因素（confounding factor）。如果研究者不能控制混杂因素对个体结果变量的直接影响，所测得的政策效应就会出现偏差，称为选择偏差（selection bias）。不可观测的混杂因素的存在是选择偏差产生的主要原因。但在政策评估的实践中，抽样方法、样本选择等的不规范会使得控制组与实验组的可观测变量分布并不相同，这时就会出现可观测变量的不匹配引起的偏差。Heckman 等（1997）指出，可观测变量的不匹配引起的偏差比不可观测变量引起的偏差要大得多。
个体异质性决策以及混杂因素的存在，使得微观政策效应的评估既要解决内生性问题，又要解决混杂因素的干扰问题，传统上仅将结果变量与协变量和指示变量D做简单回归的方法就不再可行了，必须寻找新的方法来解决这一问题。
3.相关统计量
如上分析可知，由于存在着“反事实”，估计单个个体的处置效应是不可能的，只能关注平均处置效应（average treatment effect， ATE）或实验组的平均处置效应（average treatment effect on the treated， ATT）。其中，ATE表示从总体中随机选择一个具有特征X的个体接受干预时所能获得的平均回报，ATT表示通过自我选择接受干预的个体相比于其未接受干预时能获得的平均回报。ATT与ATE回答了两个完全不同的问题，一般情况下二者是不同的。但当政策对所有个体的影响相同，或者当受干预的个体是随机选取，且研究者关注政策对总体的平均影响时，ATT与ATE等价。ATE与ATT的计算方法分别如下所示：
此外，Bjorklund 等（1987）还提出了边际政策效应（marginal treatment effect，MTE）的概念。MTE指处于接受或不接受干预临界状态的个体最终选择接受政策干预时的平均回报。可见，研究者要根据实际需要选择合适的估计量进行测算。
因为ATE所包含的研究对象来自于总体，包含了很多实际未被纳入政策实施范围的个体，MTE将处于临界状态的个体作为研究对象，二者都不是决策者关注的重点。ATT直接将实际接受政策干预的个体的平均处置效应作为关注点，符合决策者的政策意图，有利于评估目标群体从政策中获得的平均回报，从而帮助判断政策是否达到预期目标。因此，实际中ATT的应用较为普遍。(责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）
- 毕业论文定制
南粤论文中心提供本科/研究生/博士毕业论文，从提纲，开题到后期免费修改,免费指导答辩等 ，联系人：魏老师，电话：13450375436。 - 代写代发职称论文
南粤论文中心提供职称论文代写，报告总结，演讲致辞,心得体会,党团辅导等代写服务并推荐发表省级,国家级,核心杂志包发。联系QQ:631069747。
基于微观非实验数据的政策效应评估方法评价与比较
来源：网络(转载) 作者：卫梦星 发表于：2012-08-21 20:13 点击：次
【关健词】政策效应评估；反事实；准实验方法；匹配方法；工具变量法；断点
社会政策是政府发挥职能的重要手段，对政策实施的效果进行量化评估，有助于政府决策的科学化、合理化。本文基于非实验数据，归纳了目前微观政策领域各种致力于构建“反事实”的政策效应评估方法，包括工具变量法（IV）、断点回归（RD）、双重差分（DID）和匹配方法（Mat
顶一下
(14)
100%
踩一下
(0)
0%
版权声明：因本文均来自于网络，如果有版权方面侵犯,请及时联系本站删除.
