微型金融社會效應(yīng)評估方法研究

　　微型金融作為有效的扶貧手段在經(jīng)濟(jì)社會發(fā)展中起著越來越重要的作用。對其社會效應(yīng)的科學(xué)評估是微型金融進(jìn)一步發(fā)展的前提。微型金融社會效應(yīng)評估研究的核心難題在于存在樣本選擇偏差。本文在綜合該領(lǐng)域大量的研究文獻(xiàn)基礎(chǔ)上，系統(tǒng)論述了當(dāng)前微型金融社會效應(yīng)評估中能有效緩解或消除選擇性偏誤評估方法，為后續(xù)微型金融社會效應(yīng)評估提供參考。

　　關(guān)鍵詞：微型金融;社會效應(yīng);樣本選擇偏誤

　　一、引言

　　2016年1月，國務(wù)院印發(fā)《推進(jìn)普惠金融發(fā)展規(guī)劃(2016—2020年)》，首次出臺我國發(fā)展普惠金融的國家級戰(zhàn)略規(guī)劃。普惠金融通過向弱勢群體提供各種金融服務(wù)讓每個(gè)人獲得享受金融服務(wù)的權(quán)利，促進(jìn)經(jīng)濟(jì)社會發(fā)展并實(shí)現(xiàn)共同富裕。因此，如何對微型金融社會效應(yīng)科學(xué)評估成為微型金融研究的重要課題。但由于樣本選擇問題導(dǎo)致的選擇性偏誤對微型金融社會效應(yīng)評估產(chǎn)生不利影響，故本文擬對當(dāng)前微型金融社會效應(yīng)評估中能有效緩解或消除選擇性偏誤評估方法進(jìn)行系統(tǒng)回顧，為后續(xù)微型金融社會效應(yīng)評估提供參考。

　　二、微型金融社會效應(yīng)評估面臨的問題與解決方法

　　微型金融社會效應(yīng)是指向更多的弱勢群體提供金融服務(wù)，幫助他們消除貧困、增加家庭收入、促進(jìn)消費(fèi)和投資，提高子女受教育程度，改善健康醫(yī)療條件和提高婦女在家庭與社會中的地位等。其評估面臨的問題與解決方法如下：

　　1.反事實(shí)框架與選擇性偏誤

　　在考察微型金融社會效應(yīng)的因果性貢獻(xiàn)時(shí)，可以在反事實(shí)框架下分析。接受微型金融服務(wù)的干預(yù)組或者未接受微型金融服務(wù)的控制組的個(gè)體i將會有兩種潛在的社會效應(yīng)(Y0i，Y1)，i即：潛在社會效應(yīng)=Y1i，Di=1(i沂干預(yù)組)Y0i，Di嗓=0(i沂控制組)但實(shí)際觀測到的社會效應(yīng)是：Yi=Y0i+(Y1i-Y0i)DiY1i-Y0i為個(gè)體接受小額貸款的社會效應(yīng)。

　　由于不同的個(gè)體接受小額貸款的干預(yù)效應(yīng)不一樣，不可能同時(shí)觀測到某個(gè)體兩種潛在的社會效應(yīng)，但可以比較同一類人接受小額貸款和不接受小額貸款的社會效應(yīng)。實(shí)際上可觀測接受小額貸款與否的平均社會效應(yīng)的差異表示如下：E[Yi渣Di=1]-E[Yi渣Di=0]={E[Y1i渣Di=1]-E[Y0i渣Di=1]}+{E[Y0i渣Di=1]-E[Y0i渣Di=0](1)其中，E[Y1i渣Di=1]-E[Y0i渣Di=1]為實(shí)際接受小額貸款服務(wù)的對象平均干預(yù)效應(yīng)。E[Y0i渣Di=1]-E[Y0i渣Di=0]為選擇性偏誤。該選擇性偏誤主要來源如下：一是微型金融的服務(wù)對象可能根據(jù)自身具有不可觀測特征(如企業(yè)家精神等能力特征)而導(dǎo)致自我選擇;二是微型金融機(jī)構(gòu)在提供微型金融服務(wù)的時(shí)候可能根據(jù)客戶的某些特征進(jìn)行選擇(如貸款給比較富裕地區(qū)的對象等)。

　　選擇性偏誤會影響對微型金融社會效應(yīng)的評價(jià)，嚴(yán)重時(shí)得出錯誤的判斷，因此很多研究的目的就是為了緩解或者消除這種選擇性偏誤。若從回歸分析的角度來考察微型金融的社會效應(yīng)，設(shè)簡單回歸方程：Yi=琢+茁Di+著i(2)則(1)式重寫為：E[Yi渣Di=1]-E[Yi渣Di=0]=琢+茁+E[著i渣Di=1]-琢-E[著i渣Di=0]=茁+{E[著i渣Di=1]-E[著i渣Di=0]}其中，茁為我們所關(guān)心的微型金融的社會效應(yīng)。E[著i渣Di=1]-E[著i渣Di=0]為選擇性偏誤。若Di和著i存在相關(guān)性，則E[著i渣Di=1]-E[著i渣Di=0]≠0從而因選擇性偏誤導(dǎo)致的內(nèi)生性問題，使估計(jì)量茁有偏。接下來介紹幾種主要能夠有效緩解或者消除選擇性偏誤的方法。

　　2.樣本選擇模型和處理效應(yīng)模型

　　(1)樣本選擇模型Heckman(1979)針對選擇效應(yīng)進(jìn)行建模提出了樣本選擇模型，設(shè)接受微型金融服務(wù)對象所產(chǎn)生的社會效應(yīng)Yi滿足回歸方程：Yi=X'i茁+著i其中，X'為微型金融和其他控制變量的向量集合。Yi是否可觀測取決于二值選擇變量D(i獲得微型金融服務(wù)為1，否則為0)Yi=可觀測，Di=1不可觀測，Di=0嗓決定Di的方程為：Di=1，D*if00，D*i臆0嗓，D*i=W'i酌+ui其中，D*i為不可觀測的潛變量。假設(shè)ui服從正態(tài)分布，則P(Di=1渣Wi)=Φ(W'i酌)從而，E(Yi渣Yi可觀測)=E(Yi渣D*if0)=E(X'i茁+著i渣W'i酌+uif0)=E(X'i茁+著i渣uif-W'i酌)=X'茁+E(著i渣uif-W'i酌)=X'i茁+籽啄著姿(-W'i酌)姿(·)為反米爾斯比率函數(shù)。樣本選擇會導(dǎo)致Yi與Di的相關(guān)系數(shù)籽≠0，Heckman(1979)提出兩步估計(jì)法將姿(-W'i酌)引入回歸方程中對選擇性偏誤進(jìn)行矯正。

　　(2)處理效應(yīng)模型Maddala(1983)將樣本選擇模型直接應(yīng)用于觀察研究中估計(jì)干預(yù)效應(yīng)發(fā)展出處理效應(yīng)模型。其和樣本選擇模型不同之處在于：一是選擇虛擬變量Di直接進(jìn)入回歸方程;二是效應(yīng)變量Yi對于Di都可以被觀測到。具體如下：選擇方程：D*i=酌Zi+ui，Di=1，D*i>00，其他嗓結(jié)果方程：Yi=茲Di+茁'Xi+著i其中，著i和ui分布及特征如上述樣本選擇模型。從而平均處理效應(yīng)為：E[Yi渣Di=1]-E(Yi渣Di=0]=茲+籽啄著姿漬(酌'Zi)椎(酌'Zi)[1-椎(酌'Zi)]3.雙重差分模型淵Difference-in-Difference，DID冤Heckman&Hotz(1989)首次提出DID模型。若干預(yù)組和控制組都具有干預(yù)時(shí)間前后兩期的數(shù)據(jù)則可采用DID模型。該方法通過控制不隨時(shí)間改變的不可觀測的個(gè)體因素而導(dǎo)致的選擇性偏誤的影響而得到較為真實(shí)的結(jié)果。模型如下：Yit=茁0+茁1Tt+茁2Di+茁3T·tDi+滋i+著it

　　(3)其中，Tt=0，干預(yù)前1，干預(yù)后嗓;Dt=0，i沂控制組1，i沂干預(yù)組嗓在方程(3)中，在D不能完全隨機(jī)化的情況下，則D可能與不可觀測的個(gè)體特征滋i存在相關(guān)性，從而導(dǎo)致OLS估計(jì)不一致。但由于是面板數(shù)據(jù)，可以對方程(3)一階差分消掉滋i，整理得駐Yi=酌0+茁3Di+駐著i然后對上式進(jìn)行估計(jì)的干預(yù)效應(yīng)估計(jì)值茁3。雙重差分模型剔除了干預(yù)組與控制組在干預(yù)前個(gè)體差異的影響。

　　4.匹配法與傾向值匹配

　　(1)匹配法和上述的樣本選擇、干預(yù)模型和DID等方法中微型金融服務(wù)對象的參與決策基于一些不可觀察的因素不同，匹配法通過可觀察的變量對干預(yù)組和控制組相匹配。考察一般的微型金融社會效應(yīng)結(jié)果方程：YT=g(TX)+UTYC=g(CX)+UC其中：T表示屬于干預(yù)組，C表示屬于控制組;X表示可觀測向量，U表示不可觀測變量。則干預(yù)組的社會效應(yīng)為琢T=E[YT-YC渣X，D=1]=E[YT渣X，D=1]-E[YC渣X，D=1]若滿足基礎(chǔ)假設(shè):YC彝D渣X則琢T=E[YT-YC渣X，D=1]=E[YT渣X，D=1]-E[YC渣X，D=0]但當(dāng)可觀測向量X的維數(shù)比較多時(shí)，干預(yù)組與控制組中成員的匹配非常困難。Rosenbaum&Rubin’(s1983，1985)提出基于特定干預(yù)條件概率進(jìn)行匹配的傾向值匹配方法(PSM)。

　　(2)傾向值匹配Rosenbaum&Rubin’(s1983，1985)提出，首先利用可觀測變量通過logit或probit模型計(jì)算出微型金融服務(wù)參與者接受干預(yù)的條件概率即傾向值P(X)，P(X)=Prob(Di=1渣X)然后根據(jù)傾向值對干預(yù)組成員和控制組成員進(jìn)行匹配。從而微型金融的平均效應(yīng)為：琢T=E[YT-YC渣P(X)，D=1]=E[YT渣P(X)，D=1]-E[YC渣P(X)，D=1]=E[YT渣P(X)，D=1]-E[YC渣P(X)，D=0]在實(shí)際應(yīng)用中常采用貪婪匹配、最佳匹配和核匹配等(Dehejia&Wahba，2002;Dehejia，2005)方法對琢T進(jìn)行估計(jì)。

　　5.隨機(jī)準(zhǔn)試驗(yàn)

　　隨機(jī)試驗(yàn)是目前解決選擇性偏誤最理想的方法。通過對Di進(jìn)行隨機(jī)分配，因此Di獨(dú)立于潛在的結(jié)果消除了選擇性偏誤，對于干預(yù)組和控制組來說，除了干預(yù)事件之外，確保從平均上來說二者完全一樣。但其主要缺點(diǎn)是現(xiàn)實(shí)中實(shí)施隨機(jī)實(shí)驗(yàn)的成本較高。相對于隨機(jī)實(shí)驗(yàn)而言，準(zhǔn)實(shí)驗(yàn)為自然發(fā)生，幾乎不需要什么成本。其主要原理是由于某些并非為了實(shí)驗(yàn)?zāi)康亩�發(fā)生的外部突發(fā)事件，使研究對象被隨機(jī)的分在了干預(yù)組或控制組，其效力等同于隨機(jī)實(shí)驗(yàn)。

　　三、結(jié)語

　　綜上，在我國當(dāng)前“大力發(fā)展普惠金融”戰(zhàn)略規(guī)劃背景之下，微型金融作為重要的扶貧手段在社會經(jīng)濟(jì)發(fā)展中起著越來越重要的作用。本文在反事實(shí)框架下分析樣本選擇性偏誤對微型金融社會效應(yīng)評估帶來的不良影響，對有效緩解或消除樣本選擇性偏誤的樣本選擇模型、處理效應(yīng)模型、雙重差分模型、傾向值匹配模型和隨機(jī)(準(zhǔn))試驗(yàn)等計(jì)量方法進(jìn)行系統(tǒng)梳理和總結(jié)。但對于具體微型金融社會效應(yīng)評估問題，實(shí)際分析研究中經(jīng)常會受到很多局限，真正可用的方法可能不多，不同的評價(jià)方法因其對樣本偏差的控制差異會帶來不同的結(jié)論，故在對微型金融社會效應(yīng)進(jìn)行評價(jià)的時(shí)候，需要根據(jù)評估對象產(chǎn)生的樣本數(shù)據(jù)特點(diǎn)等因素選擇科學(xué)而合理的評估方法來控制緩解甚至消除樣本選擇偏誤，從而得到客觀、真實(shí)的評價(jià)結(jié)果。

　　金融方向評職知識：在讀金融博士怎么發(fā)表論文

　　發(fā)表sci論文很重要的一點(diǎn)就是選擇刊物，每本刊物都是有自己的投稿須知，辦刊宗旨，出版形式以及審稿周期等。在讀金融博士只有在選擇了合適的研究領(lǐng)域sci期刊的前提下，才能選擇影響因子高，審稿效率高的刊物進(jìn)行投稿，這樣才能提高論文投稿的成功率。

轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/22222.html