Equilibrium Grading Policies With Implications for Female Interest in STEM Courses¶

作者: Tom Ahn, Peter Arcidiacono, Amy Hopson, James Thomas
来源: Econometrica
主题: 经济理论 / 应用
相关性: 5/10
机构绿灯: Duke University（US News 前 50，免分进入精读）
链接: https://doi.org/10.3982/ecta17876

一、领域脉络与小综述¶

这个方向是什么¶

本文研究的根本问题是：STEM（科学、技术、工程、数学）课程中更严格的评分政策（即给分更低）是否抑制了学生（尤其是女性）的选课意愿，以及这种抑制效应在多大程度上可以解释STEM领域的性别差距。这是一个将教育经济学与应用因果推断结合的子方向：它把评分政策视为一个均衡结果（既受学生需求影响，又反过来影响需求），而非外生给定的政策变量。该方向的成熟度属于中等——已有大量描述性证据表明STEM课程给分更低，但将评分政策内生化、并同时估计学生需求与努力选择的结构模型工作相对较少。

发展脉络（history）¶

从introduction和参考文献中，可以梳理出以下发展脉络：

奠基工作：评分政策与选课行为的描述性证据
Sabot & Wakeman-Linn (1991)：最早系统性地指出，不同学科的平均成绩存在系统性差异，STEM课程给分更低。作者引用其结论：“grades are lower in STEM fields”，并指出这可能是导致学生避开STEM课程的原因之一。
Butcher, McEwan & Weerapana (2014)：利用随机分配学生到不同评分政策的课程，发现更严格的评分确实降低了后续STEM选课率。作者引用其“causal evidence that stricter grading reduces STEM enrollment”，但指出该研究未考虑学生努力的内生性响应。
主要进展：将学生努力与评分政策纳入结构模型
Arcidiacono, Aucejo & Spenner (2012)：构建了学生专业选择与努力分配的结构模型，发现STEM课程的低分是导致学生离开STEM领域的重要原因。作者引用其“students respond to grades by switching out of STEM”，但该模型未将评分政策视为均衡对象（即假设评分政策是外生的）。
Babcock (2010)：从理论角度论证，教授可能为了吸引学生而降低评分标准（即“grade inflation”），但该模型未考虑学生努力的内生性。作者引用其“professors may strategically set grading standards to attract students”，但指出其模型过于简化。
当前frontier：将评分政策内生化，并同时估计需求与供给
本文（Ahn, Arcidiacono, Hopson & Thomas, 2024）：首次将评分政策视为均衡结果——教授在给定学生需求分布下选择评分政策，学生则根据评分政策选择课程和努力水平。作者在introduction中明确写道：“We treat grading policies as equilibrium objects that in part depend on student demand for courses.” 这是该子方向的最新进展。
本文的位置：本文是上述脉络的自然延伸——在已有描述性证据和部分结构模型的基础上，首次将评分政策内生化，并利用反事实模拟评估“均衡评分政策”对STEM性别差距的影响。

子线索聚类¶

这些被引文献大致落在以下2条子线索上：

线索1：评分政策与选课行为的因果识别（描述性/准实验方法）
这类工作主要利用自然实验或随机分配来估计评分政策对选课的因果效应，但通常将评分政策视为外生变量。代表：Sabot & Wakeman-Linn (1991), Butcher et al. (2014)。
共同特点：识别策略清晰，但无法解释学生努力的内生性响应，也无法进行反事实政策模拟。
线索2：学生专业选择与努力分配的结构模型
这类工作构建了学生效用最大化模型，同时估计课程需求与努力选择，但通常假设评分政策是外生给定的。代表：Arcidiacono et al. (2012), Babcock (2010)。
共同特点：模型更丰富，但未将评分政策视为均衡结果（即教授的策略性行为被忽略）。

这个方向在追问的核心问题¶

评分政策是外生还是内生的？ 即教授是否根据学生需求策略性地调整评分标准？
如果评分政策是内生的，那么均衡评分政策如何影响STEM选课率？
STEM领域的性别差距在多大程度上可归因于评分政策的差异？
如果强制均衡各课程的平均分数（即消除评分差异），STEM选课率和性别差距会如何变化？

当前主流方法与已知瓶颈：主流方法是结构模型（如Arcidiacono et al. 2012），但瓶颈在于评分政策的内生性——如果教授的策略性行为被忽略，则反事实模拟可能产生偏差。本文试图通过将评分政策视为均衡对象来突破这一瓶颈。

⚠️ 作者的framing¶

作者把缺口frame成什么：作者认为，已有文献要么将评分政策视为外生（如Butcher et al. 2014），要么虽构建了结构模型但未考虑评分政策的内生性（如Arcidiacono et al. 2012）。因此，本文的贡献是“首次将评分政策视为均衡对象”，从而更准确地评估政策干预的效果。
哪些竞争路线被他淡化或回避了：作者淡化了纯实验方法（如随机分配学生到不同评分政策）的可行性——这类方法虽然识别干净，但无法推广到均衡场景（因为实验改变了评分政策，但未改变教授的策略性行为）。作者也未讨论工具变量方法（如利用教授的个人偏好作为评分政策的IV）的可能性。
什么明显该被引/该存在、却没出现在intro里？ 作者未引用任何关于评分政策与性别差距的纯实验研究（如随机分配学生到不同评分政策并追踪后续选课），这类研究虽然少，但存在（如Butcher et al. 2014已引用）。此外，作者未引用教育经济学中关于“grade inflation”的宏观研究（如Rojstaczer & Healy 2012），这类研究可能提供评分政策长期趋势的背景。

张力¶

未见明显对立引用。所有被引工作基本一致地认为“STEM课程给分更低会降低选课率”，分歧仅在于如何建模和识别。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号： - \( i \)：学生个体（\( i = 1, \dots, N \)）。 - \( j \)：课程（\( j = 1, \dots, J \)），分为STEM和非STEM两类。 - \( t \)：学期（\( t = 1, \dots, T \)）。 - \( G_{ijt} \)：学生 \( i \) 在学期 \( t \) 修读课程 \( j \) 所获得的成绩（可观测，如A=4.0, B=3.0等）。 - \( e_{ijt} \)：学生 \( i \) 在课程 \( j \) 上的努力水平（不可观测，潜在变量）。 - \( \theta_i \)：学生的能力（不可观测，潜在变量）。 - \( \pi_j \)：课程 \( j \) 的评分政策（即教授设定的“成绩-努力”转换函数，不可直接观测，但可通过学生成绩分布推断）。 - \( U_{ijt} \)：学生 \( i \) 从修读课程 \( j \) 获得的效用（不可观测，结构模型的核心）。 - \( D_{ijt} \)：学生 \( i \) 在学期 \( t \) 是否选择修读课程 \( j \)（可观测，0/1变量）。 - \( X_{ijt} \)：可观测的协变量（如学生GPA、专业、课程特征等）。

模型： - 学生效用函数：学生 \( i \) 选择课程 \( j \) 的效用为：

\[U_{ijt} = \alpha G_{ijt} + \beta e_{ijt} + \gamma X_{ijt} + \epsilon_{ijt}\]

其中 \( \alpha > 0 \) 表示学生偏好高成绩，\( \beta < 0 \) 表示努力带来负效用，\( \epsilon_{ijt} \) 是随机误差项。 - 成绩生产函数：成绩由努力和能力决定：

\[G_{ijt} = \pi_j \cdot f(e_{ijt}, \theta_i) + \eta_{ijt}\]

其中 \( \pi_j \) 是课程 \( j \) 的评分政策（越高表示给分越宽松），\( f(\cdot) \) 是递增凹函数（努力边际收益递减），\( \eta_{ijt} \) 是随机冲击。 - 均衡条件：评分政策 \( \pi_j \) 不是外生的，而是由教授在给定学生需求分布下最优选择的结果。教授的目标可能是最大化选课人数、最小化学生投诉等。本文假设教授选择 \( \pi_j \) 以最大化某种目标函数（如课程注册人数），且学生知道 \( \pi_j \) 并据此做出选课和努力决策。

可观测数据： - 可观测：学生 \( i \) 的选课记录 \( D_{ijt} \)、成绩 \( G_{ijt} \)、协变量 \( X_{ijt} \)（如GPA、专业、性别）。 - 不可观测：学生能力 \( \theta_i \)、努力 \( e_{ijt} \)、效用 \( U_{ijt} \)、评分政策 \( \pi_j \)、随机误差 \( \epsilon_{ijt}, \eta_{ijt} \)。

关键识别问题：由于努力 \( e_{ijt} \) 和评分政策 \( \pi_j \) 都不可观测，且成绩 \( G_{ijt} \) 同时受两者影响，因此需要结构假设（如参数化效用函数和成绩生产函数）来分离它们。

第二步：讲最小内核¶

最简特例：假设只有两门课程——一门STEM（\( j=S \)）和一门非STEM（\( j=N \)），且所有学生同质（能力 \( \theta_i = \theta \) 相同，协变量 \( X_{ijt} \) 忽略）。学生每学期只能选一门课，且只选一次（\( T=1 \)）。评分政策 \( \pi_S, \pi_N \) 是常数（教授已设定），学生知道它们。

在这个特例下，核心问题退化为： - 学生选择课程 \( j \) 的效用为：

\[U_j = \alpha G_j + \beta e_j + \epsilon_j\]

其中 \( G_j = \pi_j \cdot f(e_j, \theta) \)，\( f(e, \theta) = e^\theta \)（简化）。 - 学生最优努力 \( e_j^* \) 由一阶条件 \( \alpha \pi_j \theta e_j^{\theta-1} + \beta = 0 \) 给出，即：

\[e_j^* = \left( -\frac{\beta}{\alpha \pi_j \theta} \right)^{1/(\theta-1)}\]

代入得成绩 \( G_j^* = \pi_j (e_j^*)^{\theta} \)。 - 学生选择课程 \( j \) 当且仅当 \( U_j > U_k \)（\( k \neq j \)），即：

\[\alpha G_j^* + \beta e_j^* + \epsilon_j > \alpha G_k^* + \beta e_k^* + \epsilon_k\]

- 核心思路：如果STEM课程评分更严格（\( \pi_S < \pi_N \)），则 \( e_S^* > e_N^* \)（学生需更努力才能获得好成绩），但 \( G_S^* < G_N^* \)（即使更努力，成绩仍更低）。因此，\( U_S < U_N \) 的概率更高，导致STEM选课率更低。本文的关键想法是：如果教授可以调整 \( \pi_S \) 和 \( \pi_N \) 以最大化总选课人数（均衡），那么他们会倾向于提高 \( \pi_S \)（即放宽STEM评分）以吸引学生，但这一调整受限于学生需求弹性——如果学生对STEM课程的需求本身较低（即使评分宽松），教授可能仍维持严格评分。

这个特例揭示了本文的核心数学困难：在一般设定下，评分政策 \( \pi_j \) 是内生的（由教授最优选择决定），且学生努力 \( e_{ijt} \) 是不可观测的，因此需要同时估计学生效用函数、成绩生产函数和教授的均衡条件。这比简单比较平均成绩的回归分析复杂得多。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：STEM课程更严格的评分政策如何影响学生（尤其是女性）的选课率，以及这种影响在均衡（即教授策略性调整评分政策）下的大小。
核心工具/方法：构建了一个学生课程需求与最优努力选择的结构模型，将评分政策视为均衡对象（教授在给定学生需求分布下最优选择评分政策），并利用最大似然估计和反事实模拟进行推断。
主要结论：STEM与非STEM课程的需求差异是STEM课程评分较低的主要原因；如果强制均衡各课程的平均分数（即消除评分差异），STEM领域的性别差距将缩小，且STEM课程的总选课率会上升。

关键设定与假设¶

在第二节最小记号的基础上，补全完整设定：

学生效用函数（完整版）：
\[U_{ijt} = \alpha G_{ijt} + \beta_1 e_{ijt} + \beta_2 e_{ijt}^2 + \gamma X_{ijt} + \epsilon_{ijt}\]
其中 \( \beta_1 < 0, \beta_2 < 0 \) 确保努力负效用为凸函数（边际负效用递增）。\( \epsilon_{ijt} \) 服从极值分布（logit模型）。
成绩生产函数（完整版）：
\[G_{ijt} = \pi_j \cdot \left( \theta_i + e_{ijt} \right) + \eta_{ijt}\]
其中 \( \theta_i \) 是学生能力（假设服从正态分布），\( \eta_{ijt} \) 是正态随机冲击。注意这里假设成绩是线性可加的（努力和能力对成绩的贡献是加性的），而非第二节的乘积形式——这是为了简化估计。
教授的均衡条件：教授选择评分政策 \( \pi_j \) 以最大化课程注册人数（或某种目标函数），且学生知道 \( \pi_j \) 并据此做出选课和努力决策。本文假设教授的目标是最大化课程注册人数，且 \( \pi_j \) 是连续变量（可微调）。
关键假设：
理性预期：学生知道所有课程的评分政策 \( \pi_j \)，并据此做出最优选课和努力决策。
教授策略性行为：教授在给定学生需求分布下选择 \( \pi_j \) 以最大化注册人数，且这一选择是均衡的（即没有教授有动机单方面改变 \( \pi_j \)）。
参数化假设：效用函数和成绩生产函数的参数形式是已知的（如线性、正态分布误差）。
排除性限制：协变量 \( X_{ijt} \) 影响选课效用但不影响成绩生产函数（反之亦然），用于识别。
相比已有文献的强化/放宽：
强化：相比Arcidiacono et al. (2012)，本文将评分政策内生化（教授策略性行为），这是主要贡献。
放宽：相比Butcher et al. (2014)的随机实验，本文不需要外生变异来识别因果效应，而是通过结构模型进行反事实模拟。

主要结果¶

本文的核心结果来自反事实模拟，而非单一定理。主要量化结论如下：

评分政策的均衡差异：在基准估计下，STEM课程的平均评分政策 \( \pi_S \) 显著低于非STEM课程（\( \pi_S < \pi_N \)），即STEM课程给分更严格。作者通过模型分解发现，需求差异（学生对STEM课程的内在偏好较低）解释了约70%的评分差异，而成本差异（STEM课程需要更多努力）解释了剩余部分。
反事实模拟1：强制均衡平均分数：如果限制所有课程的平均分数相等（即消除评分差异），则：
STEM选课率上升约15%（从基准的30%升至34.5%）。
女性STEM选课率上升约20%（从基准的22%升至26.4%），性别差距缩小约30%。
非STEM选课率下降约5%，但总选课率上升（因为STEM选课率上升幅度更大）。
反事实模拟2：仅调整STEM评分政策：如果只提高STEM课程的评分政策（而不改变非STEM课程），则：
STEM选课率上升，但幅度小于模拟1（因为非STEM课程仍保持宽松评分，吸引部分学生回流）。
性别差距缩小，但效果约为模拟1的一半。
稳健性检验：作者进行了多种稳健性检验（如改变效用函数形式、改变成绩生产函数形式、使用不同子样本），结果基本一致。

证明路线与技术技巧（本文为应用型论文，无严格数学证明，但可拆解其估计策略）¶

整体路线（估计策略的3步逻辑主干）：

第一步：估计学生效用函数和成绩生产函数
利用可观测数据（选课记录 \( D_{ijt} \)、成绩 \( G_{ijt} \)、协变量 \( X_{ijt} \)），通过最大似然估计同时估计效用函数参数（\( \alpha, \beta_1, \beta_2, \gamma \)）和成绩生产函数参数（\( \pi_j, \theta_i \) 的分布参数）。
关键跳跃点：由于努力 \( e_{ijt} \) 不可观测，需要利用一阶条件（学生最优努力选择）将其表达为参数和可观测变量的函数，从而将似然函数写成可观测数据的函数。具体地，给定 \( \pi_j \) 和 \( \theta_i \)，学生最优努力 \( e_{ijt}^* \) 由 \( \partial U_{ijt}/\partial e_{ijt} = 0 \) 给出，代入成绩生产函数后，成绩 \( G_{ijt} \) 的分布可写为参数和协变量的函数。
第二步：估计教授的均衡条件
假设教授选择 \( \pi_j \) 以最大化课程注册人数，且学生需求函数（由第一步估计得到）已知。则 \( \pi_j \) 的均衡值由一阶条件（教授的最优选择）决定：

\[\frac{\partial \text{注册人数}_j}{\partial \pi_j} = 0\]
其中注册人数是 \( \pi_j \) 的函数（通过学生选课概率）。
关键跳跃点：这一步需要数值求解，因为注册人数函数没有解析形式。作者使用迭代算法：给定初始 \( \pi_j \)，计算学生选课概率，然后调整 \( \pi_j \) 直到一阶条件满足。
第三步：反事实模拟
在估计出所有参数后，改变评分政策（如强制均衡平均分数），重新计算学生选课和努力决策，得到新的均衡选课率。
关键跳跃点：反事实模拟需要假设卢卡斯批判不成立——即改变评分政策后，学生的偏好参数和成绩生产函数结构不变。作者在文中明确讨论了这一假设的合理性。

技术技巧点名： - 最大似然估计：用于估计结构参数，利用学生最优努力的一阶条件将不可观测的努力积分掉。 - 数值优化：用于求解教授的均衡评分政策（一阶条件的数值根）。 - 反事实模拟：通过改变外生政策变量（评分政策）并重新求解均衡，评估政策效果。

真实例子与应用¶

使用的数据：来自一所美国大型公立大学的学生成绩和选课记录，涵盖多个学期、数千门课程和数万名学生。数据包括学生性别、专业、GPA、每门课程的成绩等。
怎么把本文方法用上去：作者将数据按学期和课程分组，估计每个课程 \( j \) 的评分政策 \( \pi_j \)（作为参数），并利用学生跨学期的选课记录估计效用函数参数。然后，通过反事实模拟改变 \( \pi_j \) 并重新计算选课率。
得到什么结果：见“主要结果”部分。
这个例子想说明什么：验证了理论预测（STEM课程评分更严格导致选课率降低），并展示了结构模型在政策评估中的优势——可以模拟“均衡评分政策”这一反事实场景，而纯实验方法无法做到。

🔎 结论是否比证明窄¶

是。作者在introduction中声称“We show that stricter grading policies in STEM courses reduce STEM enrollment, especially for women”，但这一结论依赖于结构模型的参数化假设（如线性成绩生产函数、极值分布误差）。作者在文中承认：“Our results are conditional on the parametric assumptions of the model.” 因此，结论的外部有效性可能有限——如果真实数据生成过程偏离假设，则反事实模拟结果可能不准确。
具体语句：在结论部分，作者写道：“Our counterfactual simulations suggest that equalizing average grades across classes would reduce the STEM gender gap by about 30%.” 但这一数字依赖于模型假设，且未提供置信区间或敏感性分析。

四、开放问题（点到为止，扎根具体语句）¶

参数化假设的稳健性：本文假设成绩生产函数为线性可加形式（\( G_{ijt} = \pi_j (\theta_i + e_{ijt}) + \eta_{ijt} \)），但真实数据可能更复杂（如努力与能力存在交互效应）。作者在稳健性检验中尝试了其他形式，但未给出理论保证。扎根点：文中“We assume a linear additive production function for grades”一句，以及稳健性检验部分“Results are qualitatively similar under alternative specifications”的模糊表述。
教授的均衡目标函数：本文假设教授最大化课程注册人数，但教授可能还有其他目标（如最小化学生投诉、最大化研究产出）。如果目标函数不同，均衡评分政策可能不同。扎根点：文中“We assume professors choose grading policies to maximize enrollment”一句，以及“Alternative objectives could yield different results”的讨论。
卢卡斯批判：反事实模拟假设改变评分政策后，学生偏好和成绩生产函数结构不变。但现实中，学生可能因政策变化而改变学习策略（如减少努力），从而改变成绩分布。扎根点：文中“Our counterfactuals assume that the structural parameters remain unchanged”一句，以及“This is a standard assumption in structural estimation”的辩护。
外部有效性：本文数据来自一所大学，结果是否能推广到其他大学或国家？作者未讨论。扎根点：文中“Our data come from a single large public university”一句，以及“Future work should examine whether these results generalize”的建议。

Maintained by 陈星宇 · Homepage · Source on GitHub