第84次风险管理与保险学系读书讨论会于2020年4月10日在线上举行。风险管理与保险学系2017级博士生丁宇刚跟大家分享了干预效应的估计方法,他重点阐述了匹配、倾向得分匹配、断点回归、双重差分模型和合成控制法这五种估计方法。风险管理与保险学系部分师生参加了此次读书讨论会。
首先,丁宇刚回顾了干预效应的相关定义,并重点说明消除选择偏误和干预效应异质性偏误是估计干预效应的关键。随机试验可以消除上述两类偏差。然而,随机试验操作起来非常困难,而且受到人力、物力和伦理道德等多方面的约束,因此,这时候有必要寻找其它估计干预效应的方法。据此,丁宇刚介绍了两类估计干预效应的方法,一类是仅使用横截面数据就可以使用的估计方法,包括普通匹配、倾向得分匹配和断点回归;另一类是需要面板数据才能使用的估计方法,包括双重差分模型和合成控制法。此外,他还对断点回归和双重差分模型进行了拓展,介绍了拐点回归设计、事件分析模型和模糊双重差分模型。他主要阐述了这些方法的基本思路,并通过经典例子加以说明。最后,丁宇刚对这几个估计处理效应的方法进行了总结,强调了它们之间的区别和联系。
在丁宇刚分享期间,风险管理与保险系师生就干预效应的两类偏差、倾向得分匹配法的操作细节、断点回归和拐点回归的区别等问题进行了讨论。通过此次读书讨论会,大家加深了对干预效应估计方法的理解。
(风险管理与保险学系丁宇刚 供稿/供图)