政策评价和因果关系识别方法和应用.pptVIP

政策评价与因果关系识别: 方法与应用 相关性还是因果性 1传统计量 样本:只包括受影响的处理组 识别策略:简单直接 方法:多元线性回归(OLS、Ⅳ、MLE GMM等) ·思想:控制 缺点:容易遗漏重要解释变量,导致估计 有偏和不一致 结果:很容易出现伪回归,很多情况下只 是相关性分析 ·2现代计量 样本:包括受影响的处理组和不受影响的 控制组 识别策略:精巧婉转 方法:政策评价(D|D、PSM、 treatment effect、RD等) ·思想:实验和匹配 ·优点:有效控制遗漏变量偏差 结果:能识别出变量之间的真实因果关系 缺点: reduced form,只研究是什么,很 难触及到为什么 二政策评价简介 1定义:在其他因素保持不变的情况下, 受到政策干预的处理组和没有受到政策 干预的参考组之间在结果上被观察到的 净差异,以及它在多大程度上能归因于 政策干预本身( Guo and fraser,2009) 2研究对象:准自然实验 3样木:观察数据,对处理组和参考组在 处理前的初始条件缺乏严格控制,存在 “选择偏差” E(H:1)E(hlD0)1E(0)E(|01)+(11E(0) 4分析框架: Rubin潜在因果模型 虚拟变量D表示个体i是否参与某项改策(项目),1视为参与,0视为未参与,通常 D视为处理变量,对应的潜在结果为v这个肘候%有两个状态,取决于是否参与政策(项 日),即 Yu if D-1 Y Yo if D0 上式又可改写为yD+(1Dy=t+ryaD=EoA+pD+(yn-E)=-D5:(2) 参与者的平均处理效应ATT=[E(y1D=1)-E(yo|D=1)] 全部个体平均处理效应ATE=E(yyoi)