技术路线讲座4工具变量.pdfVIP

Impact EvaluationImpact Evaluation 技术路线 讲座4 工具变量 Christel Vermeersch 北京, 中国, 2009 Human Development Middle East and North Africa World Bank Institute Human Development Spanish Impact Evaluation Network Region Network Fund 举例：志愿者工作培训项目  假设现在要评价一个志愿者工作培训项目  任何一个失业的人都是符合培训条件的  有些人报名参加(“培训组”)  其他人不参加(“对照组”)  一些简单但不是很理想的评价方法:  比较培训组在参加培训项目前后的情况  比较培训组和对照组实施培训项目后的情况  比较培训组和对照组实施培训项目前后的情况 2 志愿者工作培训项目  假设我们决定比较参与和未参与培训项目人员的结果, 可以通过一个简单的模型来表述： y D  x  1 2 其中 D=1 如果此人参与了培训 D=0 如果此人没有参与培训 X= 可控制变量(外在的和可观测的变量) 为什么此公式效果不好？有两个问题  有些变量很重要，但我们把它们忽略了(因为各种原 因)  决定参与培训是内在原因起作用 问题#1 ：被忽略的变量 即使在缜密的模型中，也可能出现以下遗漏  “忽略”的特点：我们不知道它们的重要性  过于复杂而难以测量的特征 例如：  禀赋和动机不同  不同层次的信息  参与的机会成本不同  服务可及性的程度不同 完全“正确”的模型是 y r D r x r M  1 2 3 我们使用的模型是： y D  x  1 2 问题#2: 决定参与的内生因素  参与是一个决策变量? 内生的!  (例如：它取绝于参与者自身) y D x  1 2 D   M  2 y  (  M )  x  1 2 2 y   x  M  1 2 1 2 1  因此：在这两个案例中：我们丢掉了M变量项，这个M 变量是我们需要用来估计正确模型的，但我们不能很好 地测量它。