2005年-世界发展银行全球_Evaluating_Anti-Poverty_Programs_77页_387kb

文档总结：评估反贫困项目

核心内容

本文由马丁·拉瓦利翁撰写，旨在对反贫困项目的评估方法进行系统性回顾和分析。文章指出，反贫困项目通常将某些观察单位（如个人、家庭、村庄等）纳入项目，而其他单位则不纳入。因此，评估这些项目的成效需要通过反事实分析来判断项目是否真正产生了影响。

主要观点

• 反事实分析是评估项目影响的关键方法，它通过比较项目参与者与非参与者之间的结果差异来估计项目的真实效果。
• **影响（Impact）**是指由于项目实施而引起的可归因于该项目的结果变化。
• 评估的目标是估计平均处理效应（ATE）、处理组的平均处理效应（TT）和非处理组的平均处理效应（TU）。
• 由于无法同时观测到同一单位在项目参与和不参与两种状态下的结果，因此需要依赖观察数据和假设来估计这些影响。

关键信息

1. 评估问题的典型设定

• 项目参与者与非参与者之间的结果差异是评估的核心。
• 评估中常用的指标是单差（D），即参与者与非参与者在结果上的平均差异。
• 评估模型通常假设结果与协变量（X）线性相关，但这一假设往往是任意的，缺乏理论依据。

2. 评估方法

• 实验评估（随机化）是最直接的方法，可以有效消除选择偏差，但现实中很少采用。
• 非实验评估（NX）通常依赖于观察数据和假设，主要包括：
  • 条件外生性假设（Conditional Exogeneity of Placement），即项目分配与结果无关，给定协变量X。
  • 工具变量法，通过引入一个与项目分配相关但与结果无关的变量，来隔离出外生的项目影响。

3. 选择偏差问题

• 选择偏差（Selection Bias）是评估中常见的问题，可能源于可观测因素或不可观测因素。
• 选择偏差的存在会导致单差估计产生系统性偏差，因为参与者和非参与者可能在初始条件上有显著差异。
• 为了减少选择偏差，评估需要确保协变量平衡，即参与者和非参与者在相关特征上具有可比性。

4. 潜在影响的扩展

• 项目可能对非参与者产生外溢效应（Spillover Effects），这在评估中容易被忽视。
• 例如，反贫困项目可能通过提高工资水平，间接影响非参与者的收入，导致单差估计低估项目效果。
• 评估时应考虑这些潜在影响，以避免对项目效果的误判。

5. 数据需求与收集

• 评估需要明确项目目标，并识别多个结果指标（如当前贫困状况、儿童教育和健康状况等）。
• 项目相关的行政和制度信息对于设计调查问卷和收集必要数据至关重要。
• 数据应覆盖项目实施前后的整个时间范围，以准确捕捉项目的影响。

6. 评估的伦理与实践挑战

• 一些评估者对使用非实验方法存在伦理顾虑，认为仅观察而非干预是不道德的。
• 实践中，资源不足是导致无法为所有需要帮助的人提供服务的主要原因，而非评估本身的问题。
• 有效的评估可以识别出哪些项目真正有效，从而优化资源配置。

评估方法的局限性

• 单差法（如OLS回归）仅在满足条件外生性假设时才能提供无偏估计。
• 工具变量法可以处理不可观测的选择偏差，但需要强假设，如存在合适的工具变量。
• 匹配法和回归法常用于处理可观测的协变量差异，但在处理不可观测因素时效果有限。
• 断点设计（Discontinuity Design）适用于某些项目，如基于“通过分数线”的反贫困项目，可以估计局部影响。

评估的未来方向

• 未来的评估应更加注重方法的透明性和假设的合理性。
• 应加强规范性检验（Specification Tests），以识别和纠正偏差。
• 评估应考虑外部效度，即项目效果在其他情境下的适用性。

结论

• 评估反贫困项目是一项复杂任务，涉及数据收集、方法选择和假设检验。
• 虽然非实验评估存在偏差风险，但在缺乏实验条件时，仍需尽可能减少偏差。
• 评估结果对政策制定具有重要意义，应以事实为依据，避免主观臆断。

重要术语解释

参考文献（部分）

• Lalonde, R. J. (1986)
• Fraker, G. D., & Maynard, R. D. (1987)
• Glewwe, P., et al. (2004)
• Heckman, J. J., & Smith, J. (1995)
• Heckman, J. J., & Hotz, J. V. (1989)
• Miguel, E., & Kremer, M. (2004)
• Chen, S., et al. (2006)
• van de Walle, S. (2002)
• van de Walle, S., & Mu, L. (2006)