马旺林：效应评估方法与应用

2022年11月27日，新西兰林肯大学马旺林副教授应邀为中国社会科学院大学开展主题授课。马老师以“效应评估：方法与应用”为题，就政策效应评估的非参数法、参数法及实际应用案例三部分展开精彩翔实的讲授。

课程伊始，马老师就抛出一个问题启发听众思考：如何将现实问题予以抽象，建立合理的效应评估模型？紧接着，马老师结合具体研究案例，以效应评估模型中结果变量的类型，引出此次授课的核心内容：非参数模型和参数模型。

课程的第一部分讲解了效应评估的非参数法。具体围绕倾向性得分匹配法、Augmented inverse-probability weighting (AIPW)法、Inverse probability weighting with regression adjustment (IPWRA)法三种方法进行展开。考虑到倾向性得分匹配法较其他两种更为基础，马老师具体讲解了该方法的“两步走”实现过程与“匹配”步骤中三种具体计算方法。同时，马老师提醒听众，相较于AIPW、IPWRA法，倾向性得分匹配法需要满足较为严苛的前提假设，现实应用中需注意结合实际恰当选用研究方法。

课程的第二部分为效应评估的参数方法。马老师重点讲解了内生转换模型、内生转换probit 模型、处理效应模型和递归二元probit 模型。通过引入具体案例，马老师形象地展示了二元变量、多值变量和连续变量等在不同效应评估问题中的构建模型与实际应用。

在讲授了非参数模型和参数模型后，马老师提出了三个问题，引导听众思考两种模型的差异（见图2）。并指出，实际应用中，由于二者对于选择性偏误的来源存在着本质上的差异，因此只能用于对比分析，作为方法上的补充，不可相互用于稳健性检验。

课程的最后一部分，马老师启发听众对效应评估的参数方法进行拓展，并指出当选择变量更为多样化时，参数方法可更为灵活地拓展为多值处理效应模型；同时，当选择变量与结果变量存在交互效应时，参数方法也可进一步延伸为Two Stage Probit Least Squares (2SPLS) model。

最后，同学们踊跃地提出问题并与老师进行了交流讨论。马老师耐心回答了同学们提出的问题，并鼓励同学们大胆尝试、勇于探索新的方法、新的问题，积极活跃挖掘身边的经济学故事，做有趣的、高质量的经济学研究。

撰稿人：吴雨桐

2022年11月27日

转自：“香樟经济学术圈”微信公众号

如有侵权，请联系本站删除！