计数数据模型

定量政策评价可以从分析计数数据的一套丰富的计量经济学方法中受益

瑞士苏黎世大学和德国IZA

单页 全文

电梯游说

通常情况下,经济政策的目标是以计数来衡量的结果。使用基本计数表的经济变量的例子有:作为生育指标的子女数,作为保健需求指标的就医次数,以及作为雇员偷懒指标的旷工天数。有几种计量经济学方法可用于分析这些数据,包括泊松模型和负二项模型。它们可以提供从标准线性回归模型无法获得的有用见解。用两个经验例子说明了估计和解释。

计数模型可以用来预测劳动力流动

重要发现

优点

计数数据回归为非负整数(0、1、2等)提供了适当的、丰富的、灵活的建模环境。

泊松回归是估计恒定相对政策效应的主力模型。

障碍和相关模型允许区分广泛的边际效应(结果概率为零)和密集的边际效应(一个或多个计数的概率)。

有了统计数据,政策评价可以超越对平均效应的考虑,而确定对结果的整个分布的影响。

缺点

计数数据模型强加了参数假设,如果这些假设无效,就会导致错误的策略结论。

虽然许多软件包实现标准计数模型,如泊松模型和负二项模型,但更复杂的模型可能需要研究人员进行一些编程。

计数数据方法不能解决基本的评估问题:缺乏随机对照实验,从观察数据中识别政策效应可能会受到选择偏差的影响,这需要准自然实验形式的貌似外生的变异。

作者的主要信息

实证分析经常会遇到0、1、2等范围的变量,例如工作小时数或一个人每年看医生的次数。政策制定者可能对改革对这些结果的分配效应感兴趣,而不仅仅是平均效应。例如,策略对服务重度用户的影响是否大于对非重度用户的影响?泊松模型和负二项模型及其扩展可以回答这一问题,它们并不比线性回归模型复杂。障碍模型对于预测一项政策对零计数概率(相对于一个或多个计数的概率)的影响很有用。

完整的引用

完整的引用

数据源(年代)

数据类型(年代)

方法(年代)

国家