课件：SMDID分析.ppt

模型和估计方法 政策评价，所用模型PSM-DID方法 四川、重庆、云南、贵州、西藏、陕西、甘肃、宁夏、青海、新疆、内蒙古、广西12个省份为实验组，其余为对照组。 进一步将1994-2012年中国283个地级市划分为4组子样本，即西部大开发之前的处理组、西部大开发之后的处理组、西部大开发之前的控制组和西部大开发之后的控制组。 du＝1代表西部地区的地级市，du＝0代表其他地区的地级市，dt＝0代表西部大开发之前的年份，dt＝1代表西部大开发之后的年份。 下标ｉ和ｔ分别代表第ｉ个地级市和第ｔ年，Ｚ代表一系列控制变量，ｅ为随机扰动项，被解释变量Ｙ度量经济增长，具体指标包括人均实际GDP和实际GDP的对数值。 模型和估计方法 运用Logit回归估计倾向得分； 计算西部大开发每个地级市的结果变量在政策前后的变化，对于西部大开发的每个地级市ｉ，计算与其匹配的全部非西部大开发地级市在大开发前后的变化； 将西部大开发地级市在大开发前后的变化减去匹配后非西部大开发地级市的变化，得到大开发政策的平均处理效应（ATT），可以有效度量西部大开发对西部省份地级市的实际影响。 数据、变量与描述性统计 数据来源：《中国城市统计年鉴》、《各省年鉴》 被解释变量 控制变量 数据、变量与描述性统计 评价结果与稳健性检验 作为中国改革开放以来最大的区域经济发展战略，西部大开发提供了一个准自然实验，运用DID方法来评估西部大开发对西部地区经济增长的净效应。 评价结果与稳健性检验 考虑到西部大开发对西部地区经济增长的推动作用可能随着时间推移逐渐显现，对西部大开发政策是否存在动态效应进行了检验。 评价结果与稳健性检验 为了克服西部地区与其他地区经济增长的变动趋势存在的系统性差异，降低DID估计的偏误，采用PSM-DID方法进行稳健性检验。 运用PSM-DID方法时，通过westdevelop对控制变量进行Logit回归，获得倾向得分 Westdevelop是被解释变量，FDI、FAR、saw和edu是解释变量。 运用核匹配(Kernel Matching)进行估计，对西部大开发推动地区经济增长的作用进行稳健性检验。 评价结果与稳健性检验 西部大开发并未推动西部地区快速增长。 是什么因素导致了西部大开发的政策效应没有得到应有发挥？ 分别以FDI、FAR等六个控制变量为被解释变量，以西部大开发为解释变量，进行回归。 除了能够扩大地区固定资产投资水平以外，西部大开发对于其他各类经济增长驱动要素的作用要么不明显，要么产生了挤出效应。 THANK YOU SUCCESS * * 可编辑 可编辑 可编辑 PSM—DID及其应用 1、介绍PSM-DID方法 2、分析论文 ——西部大开发是增长驱动还是政策陷阱 3、stata操作过程 双重差分法 双重差分（difference in differences，DID）嘛，就是差分两次。 一种专门用于分析政策效果的计量方法。 将制度变迁和新政策视为一次外生于经济系统的“自然实验”的研究方法。 将两个虚拟变量及其交乘项增加进回归方程。 不是直接对比样本在政策前后的均值变化，而是使用个体数据进行回归，判断政策的影响是否具有显著的统计意义。 基本假设：随机分组、随机事件、对照组不受影响、样本同质性和实验处理的唯一性。 倾向得分匹配法 倾向得分匹配法（propensity score matching， PSM）是一种研究方法，比如需要研究某个劳动者接受某种高等教育对其收入的影响，或者研究某个企业运用了某项管理层激励措施以后对企业业绩的影响。 如果我们简单地将是否执行了某项事件作为虚拟变量，而对总体进行回归的话，参数估计就会产生偏误，因为在这样的情况下，我们只观察到了某一个对象他因为发生了某一事件后产生的表现，并且拿这种表现去和另一些没有发生这件事情的其他对象去做比较。这样的比较显然是不科学的，因为比较的基础并不同。 修建铁路对沿线城市经济的影响 现在要修一条铁路，铁路是条线，所以必然会有穿过的城市和没有被穿过的城市； 如果城市i被穿过，记Di=1 否则，Di=0 ； 现在我们比较好奇铁路修好以后，对铁路穿过的城市的经济增长有什么影响？我们该怎么做呢？ 把Di=1的城市的GDP加总，减去Di=0的城市的GDP加总，然后两者一减，即E(Yi|Di=1)-E(Yi|Di=0)，这样我们就算出了两类城市的GDP的平均之差。 万一铁路穿过的城市在建铁路之前GDP就高呢？ 把铁路穿过的城市分为两个时期，修建铁路前和修建铁路后，记为Ti=0和Ti=1，分别求出两个时期的GDP，然后两者一减，即E(Yi|Ti=1)-E(Yi|Ti=0)，这样我们就算出了铁路沿线城市的GDP增长。 问题是就算不修铁路，穿过的这些城市，经济该增长还