政策评估、因果推断与机器学习.docVIP

PAGE 1 政策评估、因果推断与机器学习 原创2017-03-10彭文威香樟经济学术圈香樟经济学术圈 原文信息：Athey S, Imbens G. The State of Applied Econometrics - Causality and Policy Evaluation[J]. 2016.1 引言 　　在 2015 年 7 月 18 日下午的“NBER 暑期讲习会”中，主讲人 Athey 和 Imbens 带来题为： Lectures on Machine Learning 的讲座。这次 NBER Session 吸引了超过250 名经济学教授参与。这当然是 Machine Learning 和这对充满吸引力的学术明星夫妻的共同作用。? 2 摘要　　本文主要关注政策效果评估（Policy Evaluation）实证分析方法的最新发展。讨论主要分为三个部分。第一部分是政策项目效果评估的识别策略，这些策略和方法包括合成控制法、断点回归、外部有效性和回归方法的因果关系解读；第二部分我们讨论了一些常见的因果识别策略（Identification Strategies）更加可信的补充分析（Supplementary Analyses），这些分析大致分为安慰剂分析、敏感性分析和稳健性分析（此推文不涉及，如有兴趣请阅读原文）；最后一部分谈谈机器学习在因果识别上的最新进展。这些进展主要包括在高维度数据中调整控制组和实验组差异的方法和估计处理效应异质性的方法。　　本文主要回顾一些被称为“Reduced-form”或者“design-based”又或“causal”的计量方法。进行因果推断的黄金标准就是使用随机控制实验的方法（Randomized Controlled Experiment）。合理的随机控制实验能保证实验组和控制组在各个方面上都是相似相近的，那么，平均处理效应的计算将变得异常简单，我们只需要将控制组的平均结果减去处理组的平均结果即可获得平均处理效应。但是基于观测性数据和一些非随机分配政策事实的研究占了我们政策效果评估研究的大部分。希望从观测性数据集中推断得到因果效应是极具挑战性的。　　为了能够使读者更容易理解基于观测性数据研究的困难所在，可由最低工资的例子来说明，假如在具有更高生活成本、消费者价格弹性大的国家，选择了更高的最低工资标准，这些国家的雇主可能通过提高物价把更高的工资成本转移给消费者来保持其业务量；相反，如果在生活成本低、消费者价格弹性大的国家选择了较低的最低工资标准。对较高的最低工资对就业影响的草率分析是将具有较高的最低工资的国家的平均就业水平与具有较低的最低工资的国家的平均就业水平直接相减。它不是对低工资国家提高最低工资时就业变化（反事实，无法观测到的潜在结果）的一个好的估计。但是，如果最低工资是随机分配的，那么，低最低工资国家和高最低工资国家之间的平均差异将有因果解释。3 项目评估的新发展　　自20世纪90年代潜在结果（Potential Outcome）分析框架或被称为Neyman-Rubin 因果模型（Causal Model）在因果推断中获得了广泛接受之后，测量因果效应的计量经济学文献成为一支非常活跃的文献。我们应该注意到存在与潜在结果分析框架互补的另一种基于概率图模型（图灵奖获得者Pearl开发出来的用图来表示变量概率依赖关系的理论）Graphical Model的方法（见Pearl, 2000），这种方法在其他学科受到相当广泛的关注和应用。但本文仅关注潜在结果框架下的因果分析。　　简单说明一下潜在结果方法（Potential Outcome Approach），对每一个个体单位、每一程度处理效应，潜在结果表示个体受到程度的处理效应下的结果。从这个角度出发，完美的因果效应应该是一对不同处理效应的同一个体的差：。但是每一给定的个体单位只能在同一时间里接受到一个程度的处理效应，比如，那么只有是能够观测到的，那么不能观测到另一潜在结果通常表达为反事实：。我们无法直接观察到因果效应。Halland (1986) 称这个反事实的不可观测问题为“因果推断的基本难题”。因此，对因果效应的估计依赖于不同个体的不同程度的处理效果的对比。　　大部分的因果推断文献都集中在二元处理设定的平均处理效应的估计，在非混淆假设（Unconfoundedness Assumption）下： 　　我们可得： 3.1 发展之一：断点回归设计　　断点回归设计是一种利用参与某一政策（Treatment）的激励存在断点来评估这些政策的效果的方法。这种方法一个最大的特点是有一个外生变量（亦是forcing variable），在这个forcing variable 的某个值上存在断点，在此断点上，参与或受到政策