处理效应模型的非参数估计方法及其拓展应用

Treatment effect is widely used in microeconomics, especially in the program evaluation literature. For example, in the analysis of the impact of R&D expenditure deduction policy on high-tech industry，it seems that there is no difference from the other empirical studies, the data contains some firms enjoy the deduction policy while others are not. However, the difference is that firms that have high level R&D input are more likely to apply for high-tech enterprise certification, and thus enjoy tax benefits. That means, there exists self-selection in this case, if we ignore this effect, the commonly used estimation procedure will incur the inconsistency of the estimation. In the literature, to consistently estimate the treatment effect, strong restrictions are usually imposed. Among them, there are two commonly used approaches: one is ignobility of the treatment conditional on a set of covariates (conditional mean independence), the other is that instrumental variable is available. Thus one interesting research topic is to explore the estimator under the weaker restriction estimation, this research project intends to explore the robust estimator for the treatment effects. Furthermore, based on the above-mentioned estimator, we proposed a tests statistic for “unconfoundness” which is always used in the treatment effect model. Finally, we apply these methods to two policy evaluations: First, the effect of R&D expenditure deduction policy on high-tech industry; Second, the “two-child” policy on the premium of school district.

处理效应作为量化分析政策效应的工具，在经济学的各个方面有着广泛的应用。例如，在评价研发加计扣除政策对高技术企业创新的影响时，表明上看与其他实证类似，数据往往是一些企业享受加计扣除政策，而一些企业没有。但不同的是，一般是研发创新较强的企业更有可能去选择申请高技术企业认证，进而享受税收优惠，这种有选择的样本一般来说具有内生性，即内生选择问题。现有文献一般都需要加一些条件（如均值独立）或采用工具变量法。在较弱的、与实际更吻合的条件下给出处理效应的一致估计量并不多见，本项目尝试在非参数估计的框架下对该问题进行研究，得到稳健的估计量。更进一步，基于上述提出的估计量，本项目针对处理效应模型中常见的识别条件“非混淆假设”进行了检验，并提出了一个检验统计量。最后，本项目将这些方法应用于两项政策评价：一是，评价“加计扣除政策”对高技术企业创新的影响；二是，评价 “二孩政策”对学区房溢价的影响。

本项目系统研究了处理效应模型在非参数框架下的估计问题，并对理论模型结合中国现实问题进入了深入的探讨。本研究理论部分的创新主要有：.（1）在非参数框架下提出了一种关于处理效应模型的半参数估计方法。我们的模型对结果方程和选择方程均不假设其函数形式，并且考虑到在微观数据的实际应用中一般都存在异方差，我们把误差项的广义异方差形式引入到模型中，大大拓展了模型的应用范围。.（2）在非参数框架下，探讨了条件处理效应模型的估计方法，并进一步估计出其平均处理效应。我们在误差项对称分布的假定下，将条件处理效应模型中方程的函数形式推广到非参数形式，并且针对政策评价中变量可能存在的异方差问题，把模型中的误差项推广到广义异方差的形式。.（3）我们在误差项对称分布下构造了Kolmogorov-Smirnovtype统计量，对处理效应模型中常见的识别条件“非混淆假设”进行了检验。与之前文献相比，我们的检验方法所需限制条件较弱，在实际应用中更加稳健。.本研究的实证部分主要是将理论研究与中国具体问题相结合，研究中国实际问题，具体而言：.（1）应用处理效应模型结合本研究的理论成果，对我国加计扣除政策对非国有高技术产业的创新影响进行了研究。我们利用与研发经费投入相关但不受政策影响的变量，模拟出其在无政策影响下的潜在路径，通过比较真实路径与潜在路径之间的差距，估计并得到了较为科学的量化结论。.（2）应用本研究提出的关于处理效应模型估计方法，我们采用上市公司数据研究了高新技术企业认证政策对企业盈利能力的影响，并且进一步按照不同所有制类型，分析了高新技术企业认证政策对国有企业和民营企业的不同影响。.（3）应用处理效应模型研究了养老保险缴费的收入分配效应，并针对2005年养老保险改革研究其政策效应。研究发现在2005年养老保险改革之后，养老保险缴费的逆向分配效果得到一些改善。