General Equilibrium Effects of (Improving) Public Employment Programs: Experimental Evidence From India

作者: Karthik Muralidharan, Paul Niehaus, Sandip Sukhtankar
来源: Econometrica
主题: 经济理论 / 应用
相关性: 5/10
机构绿灯: University of California, San Diego（US News 前 50，免分进入精读）
链接: https://doi.org/10.3982/ecta18181

---

一、领域脉络与小综述

这个方向是什么

本文研究的核心问题是：公共就业计划（如印度的NREGS）对贫困的“一般均衡效应”有多大？ 传统评估通常只关注“直接效应”——即参与该计划的家庭直接获得的工资收入。但一个大规模的公共就业计划会改变整个劳动力市场的均衡：它可能推高私营部门的工资（因为工人有了更好的外部选择）、改变企业的雇佣决策、影响土地等生产要素的回报，甚至通过收入效应拉动本地需求。这些间接效应（一般均衡效应）可能比直接效应大得多，也可能抵消直接效应。本文通过一个大规模随机实验，首次严谨地分离并量化了这两种效应。

该子方向的成熟度：实证上非常活跃，但识别上极其困难。一般均衡效应本质上是“溢出效应”（spillover effects）——一个地区的政策会影响该地区所有经济主体，包括未直接受政策影响的个体。这使得传统的“处理组 vs. 对照组”比较失效，因为对照组也可能被处理组的均衡变化所影响。因此，该领域长期依赖结构模型（structural models）来推断一般均衡效应，而随机实验的证据非常稀缺。

发展脉络（history）

1. 奠基工作：公共就业计划的传统评估

   • Imbert & Papp (2015)：利用印度NREGS的跨地区实施差异，估计了该计划对私营部门工资的影响。他们发现NREGS显著提高了农业工资，尤其是在贫困季节。留下的口子：他们的识别依赖于地区间的“比较”，但无法完全排除其他同时发生的政策或经济冲击的干扰。本文的随机化设计直接解决了这一内生性问题。
   • Berg et al. (2018)：同样研究NREGS，但关注其对农业产出和私人投资的影响。他们发现NREGS提高了农业工资，但降低了农业产出（因为劳动力成本上升）。留下的口子：他们的分析是描述性的，缺乏严格的因果识别。本文通过随机实验，为这些机制提供了更可靠的因果证据。

2. 主要进展：一般均衡效应的理论与实证

   • Jayachandran (2006)：理论模型指出，公共就业计划通过提高工人的“保留工资”（reservation wage），可以迫使私营部门雇主提高工资，从而产生一般均衡效应。留下的口子：该理论缺乏直接的实证检验。本文直接测量了保留工资的变化，为这一机制提供了实证支持。
   • Muralidharan, Niehaus, & Sukhtankar (2017)：本文作者的前期工作，描述了NREGS改革的随机实验设计，并初步估计了改革对参与率、工资和贫困的影响。留下的口子：该前期工作主要关注“直接效应”，而本文则深入挖掘了“一般均衡效应”及其背后的机制。

3. 当前Frontier：识别一般均衡效应的实验方法

   • Crépon et al. (2013)：在法国进行了一项随机实验，为求职者提供就业辅导。他们发现，该计划帮助了部分求职者找到工作，但损害了未参与该计划的求职者的就业前景（因为竞争加剧）。这是少数直接识别一般均衡效应的实验之一。留下的口子：该实验规模较小，且发生在发达国家的劳动力市场。本文在发展中国家的大规模公共就业计划背景下，提供了互补的证据。
   • 本文的位置：本文站在上述工作的交汇点。它利用一个大规模、随机化的改革，同时估计了公共就业计划的直接效应和一般均衡效应，并通过对保留工资、土地回报、企业数量等机制变量的分析，揭示了劳动力市场不完全竞争是主要驱动机制。这填补了“随机实验证据”与“结构模型推断”之间的空白。

子线索聚类

这些被引文献大致落在两条子线索上：

1. 公共就业计划对劳动力市场的影响：这条线索关注工资、就业、劳动参与率等劳动力市场核心变量。代表工作：Imbert & Papp (2015), Berg et al. (2018), Jayachandran (2006)。核心问题：公共就业计划是“挤出”私营部门就业，还是“补充”并提升私营部门工资？
2. 一般均衡效应的识别方法：这条线索关注如何从实证上分离出政策的间接效应。代表工作：Crépon et al. (2013), Muralidharan et al. (2017)。核心问题：在随机实验中，如何处理“处理组”对“对照组”的溢出效应？如何设计实验或利用实验变异来识别一般均衡效应？

这个方向在追问的核心问题（2-4个）

1. 公共就业计划对私营部门工资和就业的净效应是什么？ 是“挤出”（crowding out）还是“补充”（crowding in）？
2. 这种净效应是通过什么机制产生的？ 是工人保留工资上升（劳动力市场不完全竞争），还是生产率提升（人力资本积累），还是本地需求拉动？
3. 一般均衡效应的大小相对于直接效应有多大？ 它是否足以改变我们对政策效果的总体判断？
4. 这些效应在不同市场结构（如土地集中度、劳动力市场垄断程度）下如何变化？

当前主流方法与已知瓶颈： * 结构模型：可以清晰地刻画一般均衡机制，但依赖于强模型假设（如完全竞争、特定效用函数），且识别结果对模型设定敏感。 * 随机实验：可以提供干净的因果识别，但通常规模较小，难以捕捉大规模政策的一般均衡效应。此外，实验设计本身（如随机化单元的选择）对能否识别一般均衡效应至关重要。 * 准实验方法（如DID、IV）：应用广泛，但面临内生性挑战，且难以区分直接效应和间接效应。

⚠️ 作者的Framing

• 作者把缺口frame成什么？ 作者将缺口frame为：“虽然有大量关于NREGS的研究，但缺乏来自大规模随机实验的、能够同时估计直接和一般均衡效应的严谨因果证据。” 他们强调，他们的实验设计（随机化在sub-district层面）是独特的，因为它足够大，以至于可以产生可观测的一般均衡效应，同时又足够随机，以至于可以干净地识别这些效应。这使得他们的论文成为“显然的下一步”。
• 哪些竞争路线被他淡化或回避了？ 作者淡化了结构模型方法。他们承认结构模型可以刻画一般均衡，但认为其依赖于“强假设”。他们选择用“简约式”（reduced-form）的实证方法，通过分析多个机制变量（保留工资、土地回报、企业数量）来间接推断市场结构，而不是直接估计一个结构模型。这回避了结构模型识别中的复杂问题。
• 什么明显该被引/该存在、却没出现在intro里？ 作者没有引用关于劳动力市场不完全竞争的经典理论文献（如效率工资理论、搜索与匹配模型）。这些理论为“保留工资上升导致私营部门工资上升”提供了更丰富的微观基础。此外，没有引用关于本地乘数效应（local multiplier effect）的实证文献，该文献直接研究政府支出如何通过需求拉动创造本地就业，与本文的“非农企业增长”发现高度相关。（这是值得研究者去查的问题）

张力

未见明显对立引用。所有被引工作基本都认同公共就业计划会提高私营部门工资，分歧主要在于效应大小和机制（生产率 vs. 市场力量）。本文的发现（86%的收入增长来自非计划收入）强烈支持“市场力量”机制，与Jayachandran (2006)的理论预测一致，但与Berg et al. (2018)中“农业产出下降”的发现形成互补（本文发现非农企业增长，可能抵消了农业产出的下降）。

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：

  • Y_i：家庭 i 的总收入（或贫困状态）。这是主要结果变量。
  • D_i：处理变量。D_i = 1 表示家庭 i 所在的sub-district（随机化单元）被随机分配到“改革组”（即NREGS实施得到改进）；D_i = 0 表示在“对照组”（即NREGS维持原状）。
  • T_i：家庭 i 是否实际参与了NREGS（或从改革中受益）。这是一个“中介”或“内生”变量。
  • Y_i(1), Y_i(0)：潜在结果。Y_i(1) 是如果家庭 i 所在sub-district被分配到改革组时的收入；Y_i(0) 是如果被分配到对照组时的收入。
  • ATT (Average Treatment Effect on the Treated)：处理组（改革组）的平均处理效应。ATT = E[Y_i(1) - Y_i(0) | D_i = 1]。
  • ATE (Average Treatment Effect)：整个样本的平均处理效应。ATE = E[Y_i(1) - Y_i(0)]。
  • Y_i^{NREGS}：家庭 i 从NREGS计划中获得的收入（直接效应）。
  • Y_i^{non-NREGS}：家庭 i 从非NREGS渠道（如私营部门工资、农业收入、企业收入）获得的收入（间接/一般均衡效应）。
  • W_i：私营部门的实际工资率。
  • E_i：私营部门的就业水平。
  • R_i：土地回报率（或土地租金）。
  • Z_i：家庭或村庄层面的协变量（如土地持有量、种姓、教育水平）。

• 模型：

  • 数据生成机制：这是一个集群随机实验（cluster-randomized experiment）。随机化单元是“sub-district”（印度行政区划中的一个层级，包含多个村庄）。改革（处理）被随机分配到一些sub-district，而其他sub-district作为对照。处理组和对照组在改革实施前是可比的。
  • 统计模型：作者主要使用差分中的差分（Difference-in-Differences, DiD）模型来估计处理效应。对于结果变量 Y_{ist}（家庭 i，sub-district s，时间 t），模型为： Y_{ist} = α_s + β_t + τ * (Reform_s * Post_t) + ε_{ist} 其中 α_s 是sub-district固定效应（控制不随时间变化的sub-district特征），β_t 是时间固定效应（控制共同的时间趋势），Reform_s 是改革组指示变量，Post_t 是改革后时期指示变量。系数 τ 就是ATT的估计量。
  • 已知/未知：Y_{ist} 是可观测的。α_s 和 β_t 是待估参数。τ 是核心待估参数。ε_{ist} 是误差项。

• 可观测数据：

  • 研究者实际能观测到的是什么：一个面板数据集，包含多个sub-district（处理组和对照组）在改革前后多个时间点的家庭层面数据。具体可观测变量包括：家庭总收入、NREGS收入、非NREGS收入、私营部门工资、就业状态、土地持有量、企业数量等。
  • 哪些是潜在/不可观测：
    • 反事实结果：Y_i(0) 对于处理组家庭是不可观测的。DiD模型通过假设“平行趋势”（parallel trends）来构造反事实：如果处理组没有改革，其收入变化趋势将与对照组相同。
    • 一般均衡效应的直接观测：我们无法直接观测到“如果没有改革，私营部门工资会是多少”。作者通过比较处理组和对照组在私营部门工资上的差异来推断一般均衡效应。
    • 市场结构：劳动力市场是否完全竞争、企业是否有市场势力，这些都是不可观测的。作者通过分析保留工资、土地回报等间接证据来推断。

第二步：讲最小内核

本文的核心思路可以用一个最简特例来理解：假设只有两个sub-district，一个被随机选为改革组（R），另一个是对照组（C）。我们想知道改革对家庭总收入的影响。

1. 直接效应：改革组中，参与NREGS的家庭直接获得了更高的工资收入。这部分效应可以通过比较改革组家庭在改革前后的NREGS收入变化来估计（假设对照组NREGS收入不变）。

2. 一般均衡效应：改革组中，由于NREGS提供了更好的就业机会，工人的“保留工资”上升了。这意味着，私营部门雇主如果想雇佣到工人，就必须支付更高的工资。因此，改革组中所有工人（包括那些没有参与NREGS的工人）的私营部门工资都上涨了。这部分工资上涨就是一般均衡效应。

3. 识别：

   • 总效应：比较改革组和对照组在改革后总收入的差异。ATT_total = (Y_R_post - Y_R_pre) - (Y_C_post - Y_C_pre)。这就是DiD估计量。
   • 直接效应：比较改革组和对照组在改革后NREGS收入的差异。ATT_direct = (Y_R_post^{NREGS} - Y_R_pre^{NREGS}) - (Y_C_post^{NREGS} - Y_C_pre^{NREGS})。
   • 一般均衡效应：总效应减去直接效应。ATT_GE = ATT_total - ATT_direct。或者，直接比较改革组和对照组在改革后非NREGS收入的差异。ATT_GE = (Y_R_post^{non-NREGS} - Y_R_pre^{non-NREGS}) - (Y_C_post^{non-NREGS} - Y_C_pre^{non-NREGS})。

4. 为什么这个特例能体现核心思路？

   • 它清晰地展示了总效应 = 直接效应 + 一般均衡效应的分解。
   • 它说明了随机化的作用：它保证了改革组和对照组在改革前是可比的，因此改革后的差异可以归因于改革本身，而不是其他因素。
   • 它揭示了一般均衡效应的来源：通过分析“非NREGS收入”的变化，我们就能捕捉到私营部门工资和就业的变化，从而量化一般均衡效应。
   • 它点明了机制分析的必要性：仅仅知道“一般均衡效应存在”是不够的。我们需要进一步分析为什么私营部门工资会上涨（是保留工资上升，还是生产率提升？）。作者通过分析保留工资、土地回报等变量来回答这个问题。

一句话总结本文在数学上干了一件什么事：在一个大规模集群随机实验中，通过差分中的差分方法，将政策的总处理效应分解为直接效应（来自政策本身）和间接效应（来自一般均衡），并利用多个机制变量（保留工资、土地回报、企业数量）的异质性分析，来推断驱动间接效应的市场结构。

三、这篇论文做了什么

三句话

1. 研究了什么问题：利用印度NREGS改革的大规模随机实验，估计了公共就业计划对贫困的直接收入效应和一般均衡效应，并揭示了其背后的劳动力市场机制。
2. 核心工具/方法：集群随机实验设计 + 差分中的差分（DiD）估计 + 机制分析（通过保留工资、土地回报、企业数量等变量的异质性分析）。
3. 主要结论：改革使受益家庭收入提高14%，贫困率降低26%。其中，86%的收入增长来自非计划收入，主要由私营部门实际工资和就业增加驱动。证据支持“劳动力市场不完全竞争”（而非生产率提升）是主要机制。

关键设定与假设

• 设定：
  • 实验设计：在印度安得拉邦的157个sub-district中，随机选择一批sub-district实施NREGS改革（改进实施质量，如按时支付工资、提供更多工作机会），其余作为对照。随机化在sub-district层面进行，以确保能够捕捉到一般均衡效应（因为劳动力市场通常在sub-district层面运作）。
  • 数据：作者收集了改革前后多个时间点的家庭面板数据，包含详细的收入、就业、工资、土地、企业等信息。
• 假设：
  • SUTVA (Stable Unit Treatment Value Assumption)：在本文的设定下，SUTVA被明确违反。因为一个sub-district的改革会影响其内部所有家庭（包括未参与NREGS的家庭），这就是一般均衡效应。作者正是要估计这种违反SUTVA的效应。他们通过随机化在sub-district层面，将“处理组”和“对照组”视为不同的“均衡”，从而比较不同均衡下的结果。
  • 平行趋势假设 (Parallel Trends)：这是DiD的核心假设。它要求，如果没有改革，处理组和对照组的收入变化趋势将是相同的。作者通过展示改革前两组收入趋势的相似性来支持这一假设。
  • 无干扰假设 (No Interference between Units)：这里“units”是sub-district。作者假设一个sub-district的改革不会影响另一个sub-district的劳动力市场。这是一个关键假设，因为如果存在跨sub-district的溢出效应，那么对照组也会被影响，导致估计偏误。作者通过分析sub-district边界附近的村庄来检验这一假设，发现溢出效应很小。
  • 相比已有文献的放宽/强化：
    • 放宽：相比Imbert & Papp (2015)等使用准实验方法的工作，本文的随机化设计放宽了对“处理变量外生性”的依赖。随机化保证了改革分配与潜在结果无关。
    • 强化：相比Crépon et al. (2013)等小规模实验，本文的实验规模更大，能够捕捉到更显著的一般均衡效应。同时，作者通过分析多个机制变量，强化了对机制的理解，而不仅仅是估计总效应。

主要结果

1. 总效应与分解：

   • 改革使处理组家庭的人均月消费支出（贫困的代理变量）提高了约14%（约150卢比）。
   • 贫困率（以人均消费低于官方贫困线衡量）降低了约26%。
   • 关键发现：在这14%的收入增长中，只有约14%来自NREGS计划本身的直接收入（直接效应）。高达86%的收入增长来自非NREGS收入（一般均衡效应）。这意味着，改革的主要减贫效果是通过提升整个劳动力市场的工资和就业来实现的，而不仅仅是给参与计划的家庭发钱。

2. 机制分析：

   • 私营部门工资和就业：改革显著提高了处理组sub-district的私营部门实际工资（约5-10%），并增加了私营部门的就业（约5-10%）。这直接解释了一般均衡效应的来源。
   • 保留工资：改革提高了工人的保留工资（即工人愿意接受一份工作的最低工资）。这表明，NREGS为工人提供了更好的外部选择，迫使私营部门雇主提高工资以吸引劳动力。这是支持“劳动力市场不完全竞争”机制的直接证据。
   • 土地回报：改革降低了土地回报率（土地租金）。这与“不完全竞争”机制一致：如果劳动力成本上升，土地所有者（通常是地主）的利润会下降。如果机制是“生产率提升”，我们反而会预期土地回报上升（因为劳动力更有效率）。
   • 土地集中度异质性：在土地持有量更集中的村庄（即地主更有市场势力），改革带来的就业增长更高。这进一步支持了“不完全竞争”机制：在地主垄断劳动力市场的村庄，NREGS打破了这种垄断，释放了被压抑的劳动力供给，从而带来了更大的就业增长。
   • 非农企业增长：尽管工资上涨，处理组sub-district的非农企业数量和就业却快速增长。这表明，由工资上涨带来的收入增长，通过“本地需求效应”（local demand effect）拉动了对非农商品和服务的需求，从而促进了非农部门的扩张。这为“结构转型”（structural transformation）提供了一个新的视角。

证明路线与技术技巧

本文是应用型论文，没有复杂的数学证明。其“证明路线”是实证分析的逻辑链条。

• 整体路线：

  1. 第一步：估计总效应。使用DiD模型，比较处理组和对照组在改革后总收入的差异。这是基准结果。
  2. 第二步：分解效应。将总收入分解为NREGS收入和非NREGS收入，分别估计DiD模型，得到直接效应和一般均衡效应。
  3. 第三步：验证一般均衡效应的来源。直接估计改革对私营部门工资和就业的影响（使用DiD模型），确认一般均衡效应确实来自劳动力市场。
  4. 第四步：机制检验。通过分析保留工资、土地回报、土地集中度异质性等，区分“不完全竞争”和“生产率提升”两种竞争性机制。
  5. 第五步：稳健性检验。进行一系列稳健性检验，如：检验平行趋势假设、检验跨sub-district溢出效应、使用不同的贫困线、控制村庄特征等。

• 关键跳跃点：

  • 从“总效应”到“分解效应”：这个跳跃的关键在于，作者能够将收入数据精确地分解为“NREGS收入”和“非NREGS收入”。这依赖于高质量的家庭调查数据。
  • 从“观察到工资上涨”到“推断市场结构”：这是最关键的跳跃。工资上涨可以由“不完全竞争”（保留工资上升）或“生产率提升”（工人技能提高）两种机制驱动。作者通过分析土地回报下降和土地集中度异质性来区分两者。如果生产率提升，土地回报应该上升；如果是不完全竞争，土地回报应该下降。这个逻辑链条是本文的核心贡献。

• 技术技巧点名：

  • 差分中的差分 (DiD)：核心估计方法。
  • 集群标准误 (Cluster-robust standard errors)：由于随机化在sub-district层面，标准误需要在sub-district层面进行聚类调整，以考虑组内相关性。
  • 异质性分析 (Heterogeneity analysis)：通过分析不同子群体（如土地集中度高的村庄 vs. 低的村庄）的处理效应差异，来检验机制。
  • 安慰剂检验 (Placebo test)：通过将改革时间人为提前，检验改革前处理组和对照组是否已经存在差异，以支持平行趋势假设。

真实例子与应用

• 用的什么数据/场景：印度安得拉邦的NREGS改革。数据来自作者自己进行的家庭调查，覆盖改革前后多个年份。
• 怎么把本文方法用上去：作者将sub-district随机分配到处理组和对照组，然后使用DiD模型比较两组在改革后的结果差异。
• 得到什么结果：如上所述，改革显著减贫，且大部分效果来自一般均衡效应。
• 这个例子想说明什么：
  • 验证理论：验证了Jayachandran (2006)的理论预测，即公共就业计划可以通过提高保留工资来提升私营部门工资。
  • 展示相对baseline的优势：相比Imbert & Papp (2015)等准实验研究，本文的随机化设计提供了更干净的因果识别，能够更可靠地量化一般均衡效应的大小。
  • 揭示新机制：发现了“本地需求效应”在结构转型中的作用，这是之前文献较少关注的。

🔎 结论是否比证明窄

• 结论：作者声称“公共就业计划可以有效减少贫困，并可能提高经济效率”。
• 证明：作者严格证明了改革在安得拉邦、在特定时期、在特定改革方案下，确实减少了贫困。但“提高经济效率”的结论是推断性的，而非严格证明。作者发现非农企业增长，这暗示了效率提升，但并未直接测量全要素生产率或社会福利。作者在文中也承认，他们的发现可能不适用于其他地区或不同的改革方案。因此，结论的外部有效性（external validity）是有限的，作者在文末也明确指出了这一点。

四、开放问题

1. 外部有效性：本文的发现（86%的收入增长来自一般均衡效应）在多大程度上可以推广到其他发展中国家或不同的公共就业计划？扎根点：作者在结论部分明确提到“我们的发现可能不适用于其他环境”。
2. 长期效应：本文估计的是改革后2-3年的短期效应。公共就业计划的长期一般均衡效应是什么？例如，更高的工资是否会抑制私营部门投资，从而在长期损害经济增长？扎根点：作者没有分析长期数据，这是一个自然的延伸。
3. 福利分析：本文估计了收入效应，但没有进行完整的福利分析。例如，更高的工资是否以更高的物价为代价？消费者剩余和企业利润如何变化？扎根点：作者在机制分析中提到了“本地需求效应”，但没有量化其对消费者和企业的福利影响。
4. 结构模型估计：本文的简约式分析揭示了“不完全竞争”是主要机制。一个自然的下一步是，估计一个结构模型，量化劳动力市场的垄断程度，并模拟不同政策（如最低工资、就业补贴）的均衡效应。扎根点：作者在结论部分提到“我们的发现与不完全竞争模型一致”，但没有估计该模型。

---

Maintained by 陈星宇 · Homepage · Source on GitHub

评论