On Causal Inference with Model-Based Outcomes
创建于 更新于
摘要
本文提出一个分析基于微观模型确定的群体水平参数因政策影响而变化的因果推断框架。研究发现，常用的一步GMM估计因政策对隐含权重的内生性影响而存在系统性偏误，而两步最小距离(MD)估计法在组内样本量充足时一致。小样本情况下，MD估计存在因政策影响样本可估计性导致的选择偏差，但可通过辅助人口信息修正。实证以荷兰2005年托育改革影响“生育惩罚”为例，发现GMM方法高估政策效果，MD方法更为稳健，凸显该理论的实际意义和应用价值 [page::0][page::3][page::28][page::34][page::40]
