一种基于机器学习的时变面板数据政策评估方法

作者：高华川; 白仲林

来源：数量经济技术经济研究, 2019, 36(08): 111-128.

DOI：10.13653/j.cnki.jqte.20190801.005

• 面板数据
• 政策评估
• 机器学习
• 时变LASSO
• 脱欧公投

研究目标:基于个体间关系时变的面板数据,提出一种估计政策因果效应的反事实机器学习算法——时变LASSO方法。研究方法:基于真实数据生成过程未知的经典文献中的实际数据和时变的模拟数据,分别将时变LASSO方法与两种常系数方法 (HCW方法和常系数LASSO方法)进行对比研究;以英国"脱欧公投"对英镑汇率的因果效应分析为例,研究了政策信息提前披露时政策因果效应的动态行为。研究发现:相对于两种常系数方法,时变LASSO方法能更准确地估计反事实结果,更适用于样本时期数较长、政策干预时间点相对较晚的政策评估;实证研究表明,常系数方法对脱欧公投的影响存在一定的高估。研究创新:提出了一种基于机器学习的时变LASSO面板数据政策评估方法,以及基于此的两种反事实估计方法。研究价值:对于政策信息提前披露的政策,提供了评价政策因果效应动态行为的工具,完善了面板数据政策评估理论方法。

• 单位
  天津财经大学