連續性政策的效果評價方法研究

王 培

（浙大寧波理工學院，浙江 寧波 315100）

0 引言

改革開放以來，我國政府出臺了大量的政策措施，對這些政策的實施效果進行科學地評價，其結果對深化改革的今天，有著重要的借鑒作用。但是，科學的政策評價對評價方法提出了較高的要求。

在政策評價的實際工作中，我們經常會面對針對某一目標的一系列政策，而單次政策出臺的時間間隔通常不是固定的，政策的內容和力度也有所不同。如果我們僅關注這一系列連續性政策的整體最終效果，那么可以把它看成是一個整合在一起的單次政策效果評價，到目前為止，評價方法較為成熟，但是如果我們同時還關注各個單次政策出臺后的中間效果，以便我們準確把握每個政策的具體方向與力度，那么之后的政策是對經濟發展結果的適應性調整，也就是對之前的試點改革實施效果的適應。對連續性政策效果進行有效的評價，具有很強的現實意義。

1 政策評價模型介紹

1.1 DID 模型

倍差模型（difference in difference，簡稱DID）是政策評價的常用方法，基于微觀數據，已有不少研究采用此模型對我國各種政策進行效果評價。鄭新業等（2011）基于河南省數據估計了“省直管縣”政策對經濟增長的影響；針對多期（超過2 期）面板數據，戴嶸和曹建華（2015）采用DID 回歸方程對我國首次“低碳試點”政策的減碳效果進行了估計。

DID 模型的思路是將樣本分為干預組（受政策影響）和控制組（不受政策影響），假設在政策實施前后時期，被觀察的個體保持不變，即樣本數據為平衡面板數據，同時干預組和控制組中包含的個體不會發生互換。設啞變量：

ti表示個體i 所在時間：ti=0 政策實施前，ti=1 政策實施后。ri表示個體i 所在樣本組：ri=0 沒受到政策影響，ri=1 受到政策影響。

di=ri·ti，僅當干預組中的個體i 在時期2 時，有di=1。

根據潛在結果框架，每個個體無論在哪個時期，都可以同時出現兩種情況：受到政策影響和不受政策影響。進而得到兩種不同的結果，只是我們只能觀察到其中的一種結果，另一種結果無法觀察。針對每一個個體，我們有觀察向量(Yt，r，t)，總體上的構成關系是：

我們可以得到：

為了把DID 取值和政策效果聯系起來，需要共同趨勢假設：

此假設要求如果沒有政策的實施，干預組和控制組中個體變量變動的期望相同。若共同趨勢假設成立，有：

所以，DID 值即為干預組政策后的平均處理效應（ATT）。我們可以構造一個特有的線性回歸方程，使DID 就是其中的一個交叉項前的系數，從而可以給出其漸進方差，進行顯著性檢驗。線性回歸方程是：

方程中的系數δ 即為我們感興趣的DID 估計值。為了增強共同趨勢假設成立的合理性，通常會利用加入控制變量Xrt對樣本進行分層處理：

由于倍差模型思路清晰、方法簡便，但其缺陷有：

（1）個體的內生性政策選擇導致共同趨勢假設不成立；

（2）倍差模型無法對連續性政策進行評價。

1.2 內生選擇模型

上節說明，限制倍差模型應用的一個主要障礙是個體的內生性政策選擇，這將導致共同趨勢假設不成立，進而倍差模型不能適用。內生性政策選擇是指個體可以根據自身狀況選擇性地接受政策的影響。比如小微企業通常會根據自身狀況，選擇性地接受一些財政金融扶持政策。

要解決這個問題，可以采用內生選擇模型對政策進行評價。內生選擇模型不僅考慮了每個樣本個體對政策的選擇性接受，同時還考慮了不同樣本個體對政策的不同反應程度。內生選擇模型可以構造如下參數模型：

這里，X∈Rp，W∈Rq是由解釋變量組成的向量，這兩個向量中可以有重疊的元素，通常擾動項u 和v 是相關的，這使得u 和d 相關，產生內生性問題，我們不能單獨對結果方程中代表政策效果的參數α 進行線性回歸估計。

對此含有內生啞變元的政策評價模型，我們可以采用2 種方法進行估計：極大似然法和二步法。該模型不足之處為：

第一，要求服從正態分布，有較強的參數前提假定，而這對于微觀樣本來說，一般是難以滿足的。

第二，政策效果參數α 針對不同的個體，是一個不變的常數。不允許個體對決策（政策）所做出隨機的不同反應。

為了確保評價模型的穩健性，內生選擇模型可采用半參數形式來構造。模型的構造如下：

這里x，w 是由解釋變量組成的向量，這兩個向量中可以有重疊的元素。決策方程中展示的是政策選擇的內部機制，包含一個潛在效用函數U=wδ0-v2，假設潛在的效應函數是線性形式；在結果方程中，d 是內生的啞變元，表示個體是否受到政策的影響，它帶有一個隨機系數α0＋ε。我們感興趣的是政策效果參數α0，隨機擾動項ε 反映了不同個體受到政策影響時的不同效果程度。

總之，如果我們能夠得到一些影響政策選擇的個體狀況取值的話，利用上述參數或半參數內生選擇模型，基本上能夠解決政策評價中的內生性政策選擇問題，但是仍舊無法處理連續性政策的評價問題。

1.3 回歸合成法

在政策評價的實際操作中，我們經常會遇到干預組樣本單一的問題，比如在對區域政策進行效果評價時，干預組通常只有唯一一個樣本地區，而控制組的潛在樣本有很多，但是并不確定。Hsiao 等（2012）提出的回歸合成法解決了干預組樣本單一問題。前面提到的譚娜和周先波（2015）與葉修群（2018）均采用此方法對區域政策的宏觀經濟指標效果進行了評價。

回歸合成法采用回歸的方法識別出處理前的干預組樣本和其他控制組樣本的相關性。然后利用這種相關性去預測干預組樣本政策時點之后的潛在結果。注意這里并不需要共同趨勢假設的成立。

具體我們設定N＋1 個觀測個體，有T 期觀測值。其中僅i＝1 為干預組樣本，其他均為控制組樣本，設政策干預時點為T0。設政策啞變量為：

用（Y1ist，Y0ist）表示兩個潛在結果，則有：

其中個體i 的第t 期政策效應為：τit=Y1it-Y0it

對于樣本t≤T0，我們采用下列回歸方程估計處理前的干預組樣本和其他控制組樣本的相關性：

這里，Yt＝（Y2t，Y3t，…，YN＋1，t）。然后利用此方程的估計值，對政策時點之后的反現實結果進行預測：

最后可得政策時點之后的干預個體政策效應估計：τ1t=

這里的控制組樣本選擇可以按照AIC 和AICC 標準進行選擇，詳見Hsiao 等（2012）的研究?；貧w合成法雖然方便地解決了干預組樣本單一問題，同時也降低了控制組樣本選擇的主觀性干擾，但是仍無法解決連續性政策的評估問題。

2 啞變量面板模型

為了對連續性政策進行動態效果評價，本文構造政策啞變量面板模型，分別識別出各次政策的效果，有助于后續政策的有效制定。

記Y1it，Y0it為對應干預啞變量Dit取值的兩個潛在結果，這時Xit是可以觀測的混雜因素，Ui是不可以觀測的混雜因素且不隨時間變動。如果所有混雜因素可觀測，那么條件獨立性假設成立，即：進而下面式子成立：

由此，以（Xit，Ui，t）為條件的干預組平均處理效應（ATT）為：

故如果混雜因素（Xit，Ui，t）可觀測，理論上我們可以根據（Xit，Ui，t）的取值，對觀測樣本進行分組求和計算，然后根據（Xit，Ui，t）的取值概率Pr（Xit，Ui，t）進行加權求和，即可求得總體ATT 的估計值：

加入條件期望的線性假設：

其中：λt為所有個體共同的時間變化趨勢。

這時，觀測值的條件期望為：

根據回歸方程中的變量系數的含義，相應的回歸方程為：

進一步定義個體異質性變量αi=μ+γUi，上面的回歸方程變為：

這就是一個典型的政策啞變量面板模型，考慮到個體異質性與回歸變量的相關性，采用固定效應是適合的。政策啞變量前面的系數反映的即為總體ATT 值。

如果有k 個政策連續出臺，相應設置k 個政策啞變量Dit1，進而得到連續政策評價模型：

該模型可以對連續性政策進行動態效果評價。其中第k 個政策的有效性可以通過相應參數的顯著性t－檢驗來識別。

該政策啞變量面板模型在進行政策評價時有如下優勢。

（2）由于模型中存在非時變個體異質性，采用固定效應模型進行系數估計，可以在很大程度上控制政策選擇的內生性問題。

（3）共同的時間變化趨勢λ1可以采用設定不同時間的啞變量來替代。這些時間啞變量的加入，可以排除同時影響干預組樣本與控制組樣本的政策干擾，而這種情形在實證中是經常遇到的。

注意，政策啞變量面板模型的缺陷在于無法處理干預組單一樣本問題。

3 結論

本文在系統梳理當前政策評價方法的基礎上，構造出適于連續性政策評價的固定效應政策啞變量面板模型。該方法既可以動態識別單個政策的效果，也可以對混合政策效果的顯著性進行檢驗，同時還可以在很大程度上控制政策選擇的內生性問題，并可加入啞變量來控制整個宏觀經濟形勢的影響。