英语原文共 77 页，剩余内容已隐藏，支付完成后下载完整资料

政策研究工作文件系列传播正在进行的工作成果，以鼓励就发展问题交换意见。该系列的一个目标是快速获得结果，即使演示文稿没有完全完美。这些文件带有作者的姓名，应据此予以引用。本文所表达的发现、解释和结论完全属于作者。它们不一定代表世界银行、其执行董事或其所代表的国家的观点。政策研究工作文件可在网上查阅。

各国政府、援助捐助者和广大发展界正越来越多地要求获得关于声称减少贫穷的公共方案的影响的硬证据。我们知道这种干预是否真正奏效了吗？它们有多大影响？过去的'评价'只提供对进程的定性见解，不根据明确和与政策有关的反事实评估结果，现在被广泛认为是不令人满意的。

本章批判性地回顾了专门分配给某些观察单位的项目的反事实分析的主要方法。这些可能是人、家庭、村庄或更大的地理区域。关键的特点是，有些单位得到了这个项目，而其他单位并没有得到这个项目。例如，社会基金可能要求社区提出建议，优先选择来自贫困地区的人;有些区域不适用这种情况，有些区域适用这种情况，但被拒绝。或者工作福利项目（要求福利领取者要为其福利工作）为参与工作的工人带来额外收入，并为工作开展地区的居民带来收益;但其他人却一无所获，或现金转移仅针对某些标准认为符合条件的家庭。

在概述下一节中此类指定项目的评价问题的原型公式后，本章的大部分内容将探讨在实践中发现的主要方法的优缺点;举出的例子主要来自发展中国家。倒数第二节试图向前看——看看今后的评价如何对知识建设和政策制定，包括在'扩大规模'的发展倡议方面更有用。最后一节为评价实践提供了一些经验教训。

在实践中经常遇到的第一个问题是让关键利益相关者同意进行影响评估。可能有既得利益集团感到受到威胁，可能包括项目工作人员。也可能有道德上的异议。最常听到的对影响评估的反对是，如果找到一个有效的比较组，那么这必须包括与参与者同样需要的人，在这种情况下，唯一合乎道德的选择是帮助他们，而不是仅仅观察他们被动地用于评估目的。这一论点的版本实际上使许多评价停滞不前。通常，需要某种'自上而下'的政治或官僚力量;例如，20世纪80年代和90年代美国福利改革的州级随机试验是由联邦政府授权的。

如果合格人员出于评估目的故意拒绝该计划，而评估中的知识对他们没有好处，则对影响评估的道德异议显然更具说服力。然而，在实践中，有效比较组之所以可能成立，主要原因通常是财政资源不足以满足所有有需要的人的需要。虽然有人可能反对这一事实，但它本身并不反对评价本身。此外，关于影响的知识可能对可用于消除贫穷的资源产生重大影响。穷人从良好的评估中受益，这些评估排除了有缺陷的反贫困计划，并确定了良好的计划。

是否有选择偏差？分配除贫方案通常涉及有目的的安置，反映符合资格者所作的选择和行政分配参与的机会。影响安置的许多因素也可能影响反事实的结果。因此，在比较参与者和非参与者之间的结果时，必须有一个一般性的选择偏见推定。

通常，我们必须截取非参与者的样本，以确保共同支持;除了收集不必要数据的低效率之外，这不是一个问题。更令人担忧的是，由于缺乏足够相似的比较器，可能不得不放弃参与者的非随机子样本。这表明两种偏见来源之间的权衡。一方面，需要确保初步特性的可比性。另一方面，这在关于影响的推论中造成了一种可能的抽样偏差，以至于我们发现我们必须降低治疗单元以实现可比性。

应用工作的一个令人担忧的可能性是，上面讨论的两种选择偏差（一种是由于可观察的，另一种是由于不可观察的）不需要相同的符号。因此，消除由于一个来源造成的选择偏差不需要减少总偏差，这正是我们所关心的。我不知道一个例子从实践中，但这个理论的可能性确实表明，有必要考虑偏见在特定情况下的可能方向，借鉴其他证据或理论模型的选择基础程序放置。

这可以被视为一个已分配的程序，因为有定义明确的'参与者'和'非参与者'。乍一看，收集数据并比较两组数据似乎合适（在清理出可观察到的异质性之后）。然而，这种经典的评估设计可能会产生严重的偏差结果。这一计划带来的收益很可能波及到私人劳动力市场。如果就业保障有效，那么该计划将建立一个低于整个工资分配的下限的公司——假设没有健全的工人接受低于EGS工资的任何工资率的非EGS工作。因此，即使选择观察性完善的比较组，人们也会得出这样的结论：该计划没有影响，因为参与者和非参与者的工资是相同的。但这将完全错过影响，这对两个群体来说都可能很大。

溢出效应也可能来自政府的行为。事实上，提供的资源是否实际为已确定的项目提供资金往往不清楚。在某种程度上，所有外部援助都是可互换的。是的，可以在监督中核实拟议的子项目实际上已经完成，但不能排除在反事实下完成这一计划的可能性，而且实际上还有一些其他（边际）支出正在由外部援助提供资金。同样，也不能排除非项目村通过地方当局重新分配公共开支而受益的可能性，从而降低方案参与的可衡量影响。

这次调查提供了今后对反贫困方案评价的两个主要教训。首先，没有任何一种评估工具可以声称在所有情况下都是理想的。虽然随机化是评估平均影响的有力工具，但它对于良好的评估既不必要也不足够，也并不总是可行的，尤其是对于大型公共项目。虽然经济学家有时对其非实验性识别策略过于不加批判，但在实践中仍然可以找到可靠的方法，在一个内源性项目中隔绝至少一部分外源性变异。

良好的评价可以从各种可用的工具中汲取。这可能涉及随机化某些方面，并使用计量经济学方法处理非随机元素，或使用项目的随机元素作为工具变量的来源。通过与其他方法相结合，也可以减少特定非实验方法中可能出现的偏差。例如，根据手头的应用程序（包括可用数据及其质量），单差异匹配方法可能容易受到潜在不可忽略因素产生的偏差，而标准双差估计器易受因初始条件不同而产生的偏差，随时间的变化从而影响后续结果（造成随时间变化的选择偏差）。使用足够的数据，将倾向分数与双差法相结合可以减少每种方法中的偏差。

（换言之，与结果变化相关的放置条件外生性通常比水平中的条件外生性更合理。）数据质量是所有这些方法的关键，就像项目和上下文的知识也是关键。良好的评估通常要求评估者从项目开始时就参与进来，并且非常了解项目在实地工作的方式；程序设计和实现的特点有时可以为非实验手段评估影响提供重要线索。

其次，对平均影响进行反事实分析的标准工具在为制定发展政策提供信息方面存在一些严重限制。我们了解到，一个项目所处的环境以及参与者的特征可以对结果产生强大的影响。并不是所有这种影响异质性都容易归因于可观测性，这极大地掩盖了标准方法的政策解释。我们需要更深入地理解这种影响中的异质性;通过跨不同上下文的系统复制以及可用于识别本地影响的新计量经济学工具，可以对此提供帮助。

项目设计中所做的假设也需要仔细审查，例如跟踪相关的中间变量，或者利用评估外部的补充理论或证据。在为反贫困政策吸取教训时，我们还需要一套比传统的评价做法更丰富的影响参数，包括区分任何给定生活水平的收益者与失败者。在评价中估计的参数的选择最终必须取决于要回答的政策问题;对于决策者来说，这是一个基本点，但对于评估者来说，它似乎经常被忽略。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[240360]，资料为PDF文档或Word文档，PDF文档可免费转换为Word