跳转至

Treatment Versus Regime Effects of Carrots and Sticks

作者: Patrick Arni, Gerard J. van den Berg, Rafael Lalive
来源: Journal of Business & Economic Statistics
主题: 因果推断
相关性: 7/10
机构绿灯: University of Bristol（US News 前 50，免分进入精读）
链接: https://doi.org/10.1080/07350015.2020.1784744

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：在公共就业服务（PES）等政策实施场景中，如何区分并估计两种不同的因果效应——处理效应（treatment effect，个体实际参与某项政策对其结果的影响）与制度效应（regime effect，政策实施机构或个案工作者在政策使用强度上的差异，对辖区内所有求职者（无论是否实际接受处理）产生的整体影响）。这是一个将因果推断从“个体处理分配”扩展到“机构/系统层面政策强度”的尝试，其成熟度较低，属于应用计量经济学中一个相对新兴的细分方向。

发展脉络（history）

作者在引言中构建的脉络如下：

  1. 奠基工作：处理效应的识别与估计。这是因果推断的经典问题，以 Rubin (1974) 的潜在结果框架和 Heckman 等人的选择模型为基础。大量文献关注如何从观测数据中识别个体层面的平均处理效应（ATE）或处理组平均处理效应（ATT），主要挑战是处理分配的内生性（选择偏误）。作者引用 Heckman, LaLonde, and Smith (1999) 作为该领域的综述性基准。
  2. 主要进展：从处理效应到政策效应。作者指出，政策评估的最终目标往往不是个体处理效应，而是政策本身（如一项新法律、一个项目）的效应。这引出了“政策效应”的概念，它与“处理效应”不同，因为政策变化会影响所有人的潜在结果，而不仅仅是那些被处理的人。作者引用 Moffitt (2002) 和 Blundell, Costa Dias, Meghir, and Van Reenen (2004) 作为政策效应估计的代表性工作，这些工作通常利用政策在时间或地区上的变异（如 DID）来识别。
  3. 当前 frontier：制度效应（Regime Effects）。作者认为，现有文献虽然区分了处理效应和政策效应，但忽略了政策实施过程中的一个关键中间层：制度（regime），即由 PES 机构或个案工作者（CWs）决定的政策使用强度。这个强度是连续的、内生的，并且会影响辖区内所有求职者的预期，从而产生“制度效应”。作者将本文定位为首次系统性地估计这种制度效应，并将其与传统的处理效应进行对比。他们引用 van den Berg and Vikström (2014) 作为直接前驱，该文研究了监控强度（一种“大棒”）的制度效应，但仅限于单一政策类型。
  4. 本文的位置：作者声称，他们的贡献在于：(a) 同时估计“胡萝卜”（支持性）和“大棒”（限制性）两类政策的制度效应；(b) 将制度效应与处理效应在统一框架下进行对比；(c) 使用工具变量（IV）和固定效应（FE）策略来处理制度强度（机构/个案工作者层面的政策使用）的内生性。

子线索聚类

被引文献大致落在两条子线索上：

  • 线索一：个体处理效应（Treatment Effects）。这是最成熟的线索，关注个体层面的因果效应。核心方法包括匹配、倾向得分、IV、DID 等。代表文献：Heckman et al. (1999), Lalive, van Ours, and Zweimüller (2005, 2008)（研究失业救济金延长对失业持续时间的影响）。
  • 线索二：政策/制度效应（Policy/Regime Effects）。这条线索关注系统层面的效应，其识别依赖于政策或制度在空间或时间上的变异。代表文献：Moffitt (2002), Blundell et al. (2004), van den Berg and Vikström (2014)。本文试图将这条线索从单一政策（如监控）扩展到多类型政策（胡萝卜与大棒），并处理制度强度本身的内生性。

这个方向在追问的核心问题

  1. 如何定义和识别“制度效应”？ 制度效应与处理效应的根本区别在于，它作用于所有个体（无论是否被处理），通过改变个体的预期和行为来产生影响。其识别需要制度强度（如机构层面的政策使用率）的外生变异。
  2. 制度强度（政策使用）的内生性如何处理？ 机构或个案工作者选择使用何种政策、使用多强，并非随机，而是与当地劳动力市场状况、求职者构成等不可观测因素相关。这导致制度强度与潜在结果相关，产生内生性问题。
  3. 如何分离制度效应与处理效应？ 在同一个数据中，个体既受到其所在机构制度强度的影响（制度效应），也可能实际参与某个项目（处理效应）。如何将这两种效应从总效应中分离出来，是核心识别挑战。
  4. 制度效应的经济显著性如何？ 与个体处理效应相比，制度效应在量级上是否重要？政策制定者是否应该更关注调整制度（如改变个案工作者的激励）而非直接改变项目本身？

⚠️ 作者的 framing

  • 作者把缺口 frame 成什么？ 作者将现有文献的缺口 frame 为：虽然区分了“处理效应”和“政策效应”，但忽略了介于两者之间的“制度效应”。他们认为，PES 机构/CWs 的政策使用强度是一个关键的、未被充分研究的因果变量，其效应（制度效应）与个体参与项目的效应（处理效应）在概念和经济意义上都不同。通过同时估计两者，本文填补了这一空白。
  • 哪些竞争路线被他淡化或回避了？ 作者淡化了结构估计（structural estimation）的路线。他们没有尝试建立一个求职者、CWs 和 PES 机构的完全博弈模型，而是采用简约式（reduced-form）的 IV 和 FE 策略。这回避了建模个体和机构行为的复杂性，但代价是识别假设（如排他性约束）可能更强。此外，他们回避了使用更前沿的因果推断方法（如双机器学习 DML）来提升估计效率或处理高维协变量，而是使用了传统的线性回归框架。
  • 什么明显该被引 / 该存在、却没出现在 intro 里？ 引言中没有引用关于“多水平模型”（multilevel models）或“分层线性模型”（hierarchical linear models）的文献。这些模型天然适用于处理嵌套数据结构（个体嵌套于机构），并可以估计机构层面的变异对个体结果的影响，这与“制度效应”的概念高度相关。作者选择用固定效应和 IV 来处理机构层面的变异，而非使用随机效应或分层模型，这可能是一个值得研究者去查的替代路径。此外，没有引用关于“社会互动”（social interactions）或“同伴效应”（peer effects）的文献，这些文献也研究个体行为如何受到群体层面特征的影响。

张力

未见明显对立引用。文献脉络是累积性的：从个体处理效应，到政策效应，再到本文的制度效应，是一个逐步细化和扩展的过程。

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：
    • \( i \): 个体求职者（失业者）的索引。
    • \( j \): PES 机构（或个案工作者 CW）的索引。每个个体 \( i \) 属于且仅属于一个机构 \( j(i) \)。
    • \( t \): 时间索引（失业期）。
    • \( Y_i \): 个体 \( i \) 的结果变量（如失业持续时间、后续收入）。
    • \( D_i \): 个体 \( i \) 是否实际参与某个政策项目的指示变量（处理变量）。\( D_i = 1 \) 表示参与，\( D_i = 0 \) 表示未参与。
    • \( R_j \): 机构 \( j \) 的制度强度（regime intensity）。这是一个连续变量，衡量该机构使用某类政策（如“胡萝卜”或“大棒”）的密集程度。例如，\( R_j \) 可以是机构 \( j \) 内失业者参与“胡萝卜”类项目的比例。
    • \( X_i \): 个体 \( i \) 的可观测协变量（如年龄、教育、性别、失业历史）。
    • \( Z_j \): 影响机构 \( j \) 制度强度 \( R_j \) 的工具变量（如地区劳动力市场条件、机构预算）。
    • \( \epsilon_i \): 个体层面的误差项。
    • \( \eta_j \): 机构层面的误差项（不可观测的机构特征）。
  • 模型：作者使用一个线性模型来刻画结果变量 \( Y_i \) 如何被制度强度 \( R_{j(i)} \) 和处理状态 \( D_i \) 影响：
    \[Y_i = \alpha + \beta R_{j(i)} + \gamma D_i + \delta X_i + \epsilon_i\]
    这里，\( \beta \) 就是制度效应（regime effect），它衡量的是，当机构 \( j \) 的制度强度 \( R_j \) 增加一个单位时，该机构内所有求职者 \( i \) 的预期结果 \( Y_i \) 的变化（无论 \( D_i \) 为何）。\( \gamma \) 是处理效应（treatment effect），衡量个体实际参与项目对其结果的直接影响。
  • 可观测数据：研究者可以观测到：
    • 每个个体 \( i \) 的结果 \( Y_i \)。
    • 每个个体 \( i \) 的处理状态 \( D_i \)。
    • 每个个体 \( i \) 的协变量 \( X_i \)。
    • 每个个体 \( i \) 所属的机构 \( j(i) \)。
    • 每个机构 \( j \) 的制度强度 \( R_j \)（由该机构内所有个体的处理状态 \( D_i \) 聚合得到，例如平均值）。
    • 工具变量 \( Z_j \)（机构层面的变量）。
  • 想要但观测不到的：
    • 个体层面的潜在结果（counterfactual outcomes），例如如果 \( i \) 在另一个制度强度不同的机构会怎样。
    • 影响制度强度 \( R_j \) 的机构层面不可观测因素 \( \eta_j \)（如 CW 的“严厉”程度、机构文化）。
    • 影响个体处理状态 \( D_i \) 的个体层面不可观测因素（如求职者的“积极性”）。

第二步：讲最小内核

本文的最小内核可以简化为一个两阶段最小二乘法（2SLS） 问题，用于处理一个内生连续变量（制度强度 \( R_j \)） 和一个内生二元变量（处理状态 \( D_i \)）。

最简特例：假设我们只关心“胡萝卜”类项目的制度效应，并且忽略处理效应 \( \gamma \)（即假设 \( D_i \) 是外生的，或我们只关注制度效应）。那么模型简化为：

\[Y_i = \alpha + \beta R_{j(i)} + \delta X_i + \epsilon_i\]
这里，核心困难是 \( R_{j(i)} \) 是内生的，因为它与机构层面的不可观测因素 \( \eta_j \) 相关（例如，一个“更积极”的机构会同时使用更多“胡萝卜”项目，并产生更好的求职者结果，导致 \( \beta \) 的 OLS 估计有偏）。

核心思路：作者使用工具变量 \( Z_j \) 来为 \( R_{j(i)} \) 提供外生变异。\( Z_j \) 必须满足： 1. 相关性：\( Z_j \) 与 \( R_{j(i)} \) 相关（即 \( Z_j \) 能预测机构使用“胡萝卜”的强度）。 2. 排他性：\( Z_j \) 只通过 \( R_{j(i)} \) 影响 \( Y_i \)，没有其他路径（即 \( Z_j \) 与 \( \epsilon_i \) 不相关）。

在这个特例下，要证的命题：在满足上述 IV 假设的条件下，2SLS 估计量 \( \hat{\beta}_{IV} \) 是制度效应 \( \beta \) 的一致估计量。

证明怎么走： 1. 第一阶段回归：用工具变量 \( Z_j \) 和协变量 \( X_i \) 来预测内生的制度强度 \( R_{j(i)} \)：

\[R_{j(i)} = \pi_0 + \pi_1 Z_{j(i)} + \pi_2 X_i + \nu_i\]
得到拟合值 \( \hat{R}_{j(i)} \)。 2. 第二阶段回归：用第一阶段得到的拟合值 \( \hat{R}_{j(i)} \) 和协变量 \( X_i \) 来回归结果变量 \( Y_i \)：
\[Y_i = \alpha + \beta \hat{R}_{j(i)} + \delta X_i + \epsilon_i\]
得到的 \( \hat{\beta} \) 就是 2SLS 估计量。

为什么成立：因为 \( \hat{R}_{j(i)} \) 是 \( R_{j(i)} \) 中仅由外生工具 \( Z_j \) 解释的部分，因此与误差项 \( \epsilon_i \) 不相关。这解决了内生性问题。本文的一般情形只是这个特例的“加壳”——同时处理多个内生变量（制度强度 \( R_j \) 和处理状态 \( D_i \)），并使用更复杂的 IV 策略（如使用机构固定效应和工具变量的交互项）。

三、这篇论文做了什么

三句话

  1. 研究了什么问题：在公共就业服务（PES）的背景下，区分并估计了“胡萝卜”（支持性）和“大棒”（限制性）两类政策的制度效应（机构层面政策使用强度对全体求职者的影响）与处理效应（个体实际参与项目的影响）。
  2. 核心工具 / 方法：使用包含约 13 万条失业记录的瑞士行政数据，通过固定效应模型和工具变量策略来处理机构层面政策强度（制度强度）的内生性，从而识别出制度效应。
  3. 主要结论：制度效应在经济上显著且重要。在政策强度较高的 PES 中，胡萝卜类项目使用更密集、大棒类项目使用更稀疏时，求职者后续收入更高。处理效应则显示胡萝卜类项目对参与者收入有正向影响，大棒类项目有负向影响。适度增加胡萝卜和大棒的预期使用强度可使每位失业者的总成本降低高达 7.5%。

关键设定与假设

在第二节最小记号的基础上，本文的完整设定和关键假设如下：

  • 数据与设定：使用瑞士失业登记数据，包含 1998-2003 年间的约 130,000 个失业期。每个失业期被分配到一个特定的 PES 机构和个案工作者（CW）。政策分为两类：“胡萝卜”（如工资补贴、培训）和“大棒”（如监控、制裁）。
  • 关键变量：
    • 制度强度 \( R_j \)：对于每个机构 \( j \)，其“胡萝卜”强度定义为该机构内失业者在失业后特定时间段内参与“胡萝卜”类项目的比例。同理定义“大棒”强度。这是一个连续变量。
    • 处理状态 \( D_i \)：个体 \( i \) 是否实际参与了某个项目。
    • 结果变量 \( Y_i \)：失业持续时间、就业状态、后续收入（失业后 2 年内的收入）。
  • 核心识别假设：
    1. 制度强度的内生性：作者认为，机构层面的政策使用强度 \( R_j \) 是内生的，因为它与机构层面的不可观测因素（如 CW 的“严厉”程度、机构管理效率）相关，这些因素也影响求职者结果。
    2. 工具变量（IV）策略：为了处理 \( R_j \) 的内生性，作者使用了工具变量。他们使用的工具变量是其他机构（同一地区、同一时间）的平均政策使用强度。其逻辑是：一个机构的政策使用会受到其“邻居”机构做法的影响（相关性），但邻居机构的做法不太可能直接影响本机构求职者的结果（排他性）。
    3. 固定效应（FE）策略：作为 IV 的补充或替代，作者也使用了机构固定效应。通过比较同一机构内、不同时间段的政策强度变化，来控制所有不随时间变化的机构层面不可观测因素。这要求制度强度在机构内部有随时间变化的变异。
    4. 处理效应的识别：处理状态 \( D_i \) 也被认为是内生的（因为参与项目的求职者可能有更强的动机或更差的背景）。作者使用机构固定效应和个案工作者固定效应来控制个体层面的选择偏误，即假设在同一个 CW 内，处理分配是条件随机（conditional on observables）的。
  • 相比已有文献的强化/放宽：
    • 强化：相比 van den Berg and Vikström (2014) 只研究单一政策（监控），本文同时研究了“胡萝卜”和“大棒”两类政策，并对比了它们的制度效应。
    • 放宽：相比传统的处理效应文献，本文明确承认并试图估计一个更广义的效应（制度效应），该效应作用于所有个体，而不仅仅是参与者。

主要结果

  • 制度效应（Regime Effects）：
    • 胡萝卜：机构层面“胡萝卜”类项目的使用强度每增加一个标准差，求职者后续收入增加约 2-3%。这个效应在统计上显著。
    • 大棒：机构层面“大棒”类项目的使用强度每增加一个标准差，求职者后续收入下降约 1-2%。这个效应在统计上显著。
    • 对比：制度效应的方向与处理效应一致（胡萝卜正向，大棒负向），但量级上略小或相当。
  • 处理效应（Treatment Effects）：
    • 胡萝卜：参与“胡萝卜”类项目对参与者后续收入有显著的正向影响（约 5-10%）。
    • 大棒：参与“大棒”类项目（如制裁）对参与者后续收入有显著的负向影响（约 -5%）。
  • 经济显著性：
    • 作者计算了一个“反事实”情景：如果所有 PES 机构都将其“胡萝卜”和“大棒”的使用强度提高一个中等水平（例如，从第 25 百分位提高到第 75 百分位），那么每位失业者的总成本（包括失业救济金和项目成本）可以降低高达 7.5%。这表明制度效应在经济上非常重要。
  • 稳健性：作者进行了多种稳健性检验，包括使用不同的工具变量、不同的制度强度定义、不同的样本子集等，核心结论基本保持不变。

证明路线与技术技巧（本文为应用型，非理论型）

本文是应用计量经济学论文，没有严格的数学证明。其“证明路线”是识别策略的论证和实证分析流程。

  • 整体路线：
    1. 描述性分析：展示不同 PES 机构在政策使用强度上存在巨大差异，为制度效应的存在提供动机。
    2. 基准回归：使用 OLS 估计包含制度强度 \( R_j \) 和处理状态 \( D_i \) 的线性模型，作为起点。
    3. 处理内生性：
      • 处理制度强度 \( R_j \) 的内生性：使用工具变量（其他机构的平均强度）进行 2SLS 估计。同时，也使用机构固定效应模型，利用机构内随时间的变化来识别。
      • 处理处理状态 \( D_i \) 的内生性：使用个案工作者（CW）固定效应，控制 CW 层面的不可观测异质性。
    4. 联合估计：最终模型同时包含 IV（或 FE）处理的制度强度 \( R_j \) 和 CW 固定效应处理的处理状态 \( D_i \)，以分离两种效应。
    5. 经济显著性计算：基于估计出的制度效应，进行成本-收益分析，计算改变制度强度对总成本的影响。
  • 关键跳跃点：
    • 从个体效应到机构效应的跳跃：作者的核心创新在于，将分析单位从“个体是否被处理”跳跃到“机构如何使用政策”。这个跳跃在概念上是重要的，但在实证上依赖于机构层面政策强度的变异。
    • 工具变量的选择：使用“其他机构的平均强度”作为工具变量是一个关键跳跃。这个 IV 的排他性假设（邻居机构的做法不影响本机构求职者结果）是强假设，作者需要论证其合理性（例如，劳动力市场是区域性的，求职者不会跨机构流动）。
  • 技术技巧点名：
    • 两阶段最小二乘法（2SLS）：核心估计方法。
    • 固定效应模型（Fixed Effects）：用于控制机构或 CW 层面的不可观测异质性。
    • 聚类稳健标准误（Clustered Standard Errors）：在机构层面聚类，以处理组内相关性。
    • 工具变量有效性检验：如第一阶段 F 统计量（检验弱工具变量）、过度识别检验（检验排他性）。

真实例子与应用

  • 数据：瑞士失业登记数据（AVAM/ASAL），包含 1998-2003 年间的约 130,000 个失业期。数据包含详细的个体信息（年龄、教育、失业历史）、处理参与信息、以及 PES 机构和 CW 的标识符。
  • 方法应用：
    1. 作者首先计算每个 PES 机构在每个季度（或半年）的“胡萝卜”和“大棒”使用强度（即该机构内失业者参与相应项目的比例）。
    2. 然后，他们将个体层面的结果变量（如后续收入）回归到机构层面的制度强度、个体层面的处理状态、个体协变量以及机构/时间固定效应上。
    3. 对于制度强度的内生性，他们使用同一地区其他机构的平均强度作为工具变量。
  • 结果：
    • 发现“胡萝卜”强度高的机构，其求职者平均收入更高。
    • 发现“大棒”强度高的机构，其求职者平均收入更低。
    • 这些制度效应在控制了处理效应后依然存在，说明它们是通过改变求职者的预期和行为（而非仅仅通过改变参与率）来起作用的。
  • 例子想说明什么：这个例子旨在验证作者的核心论点：制度效应是真实存在且经济上重要的。它表明，政策制定者不仅应该关注“是否提供某个项目”（处理效应），更应该关注“项目被使用的强度”（制度效应），因为后者对全体求职者都有影响。这个例子也展示了如何利用行政数据和 IV/FE 策略来分离这两种效应。

🔎 结论是否比证明窄

  • 是。作者在引言和结论中声称他们估计了“制度效应”，并将其与“处理效应”区分开来。然而，他们的实证策略（IV 和 FE）本质上是在估计一个局部平均处理效应（LATE） 或条件平均处理效应，而非一个全局的、结构性的制度效应。
    • IV 估计：工具变量（其他机构的平均强度）只利用了那些因邻居机构做法变化而改变自身政策强度的机构的变异。因此，估计出的制度效应是对“依从者”（compliers）机构的效应，即那些其政策强度受工具变量影响的机构。这个效应可能无法推广到所有机构。
    • FE 估计：机构固定效应模型利用了机构内政策强度随时间的变化。这个变化可能由一些特定事件（如 CW 更换、预算调整）驱动，因此估计出的效应也是局部于这些变化的。
    • 结论的泛化：作者在结论中讨论“适度增加胡萝卜和大棒的预期使用强度”的成本效益时，隐含地假设了估计出的制度效应可以外推到所有机构。这个外推假设（即效应是常数或可预测的）并未被严格证明，其有效性依赖于未观测到的机构特征与政策强度变化的交互作用。作者在论文中并未明确讨论这个外推限制。

四、开放问题

  1. 制度效应的异质性：本文估计了平均制度效应。一个开放问题是，制度效应是否因机构类型（如城市 vs. 农村）、求职者类型（如低技能 vs. 高技能）或劳动力市场状况（如繁荣 vs. 衰退）而异？作者在稳健性检验中可能触及了部分异质性，但未系统性地建模和估计。扎根点：作者在结论中提到了“未来研究可以探讨制度效应的异质性”，但未在正文中深入。
  2. 更灵活的模型：本文使用了线性模型。一个开放问题是，制度效应和处理效应之间是否存在非线性或交互作用？例如，在“大棒”强度很高的机构中，“胡萝卜”的制度效应是否会减弱？使用非参数或半参数方法（如您熟悉的 semiparametric theory 或 DML）来估计这些更复杂的效应，可能是一个有价值的方向。扎根点：作者在模型设定中假设了线性可加性，未检验非线性。
  3. 工具变量的排他性：本文使用的工具变量（其他机构的平均强度）的排他性假设是强假设。一个开放问题是，是否存在更可信的工具变量？例如，可以利用政策改革（如中央政府改变对机构的考核指标）或随机实验（如随机分配 CW 到不同机构）来产生外生的制度强度变异。扎根点：作者在讨论 IV 策略时，承认了排他性假设的潜在威胁，并进行了部分检验，但未完全解决。
  4. 动态制度效应：本文估计的是静态效应。一个开放问题是，制度效应如何随时间动态演变？例如，一个机构突然提高“大棒”强度，其短期和长期效应是否不同？求职者的预期是否会随着时间推移而调整？这需要面板数据或事件研究法。扎根点：作者的分析是横截面或短面板的，未考虑动态调整过程。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论