本报告提出一种两步因果分析框架:第一步估计单元特定事件研究(ULES)以度量单位对事件的响应,第二步使用这些估计进行因果推断。该方法克服了传统回归的局限,能够揭示异质性和动态效应。实证上应用于荷兰托儿服务扩张对育儿惩罚的影响,发现托儿服务扩张对母亲劳动供给有复杂的正向影响,而传统方法则得出负向结论,证明两步法的有效性和灵活性 。
标题: Using Event Studies as an Outcome in Causal Analysis
作者: Dmitry Arkhangelsky, Kazuharu Yanagimoto, Tom Zohar
发布日期: 2025年1月30日
主题: 经济学方法论,特别聚焦于事件研究(event studies)在因果推断中的应用,及其在劳动经济学中对“Child Penalty”(生育惩罚)和托儿服务政策影响评估的实证分析。
核心论点:
本文提出一个系统的两步程序,用以测量每个单位对事件的响应(单位层面事件研究,ULES),并将测量结果作为因果分析的输入。此方法不仅克服了传统回归方法在异质性和动态效应分析中的限制,更能提供更为透明且稳健的政策效果估计。实证上,本文以荷兰2005年托儿托儿服务扩张政策为例,展示该方法的优越性,揭示托儿服务扩张对家长劳动力供给的积极作用,且异于传统单步回归的负面结论。,1,3,4]
关键论点: 大量经济学问题关注经济结果在特定事件(如成为父母)前后发生的变化。传统事件研究一般关注整体平均效应,但无法直接用于理解政策如何影响个体反应的异质性。本文提出的两步法,一是基于面板数据文献中关于单位层面影响的识别,估计每个单位(个人)的事件效应;二是利用这些单位级别估计来探究政策的因果效应。
推理基础: 程序基于“平行趋势假设”确保单位层面比较结果不偏,进而单位效应估计为无偏观测。与通常所用的一步回归法相比,分两步可以克服离散化政策变量、忽视动态效应、限制利用数据丰富性的弊端。
并指出要注意的统计挑战: 测量误差、样本选择偏差、重叠条件失败等问题。尤其两步法能明晰样本选择问题,而非被简单地掩盖(one-step方法反而可能掩盖这一问题),2]
数据来源: 荷兰中央统计局(CBS)涵盖1999-2016的详尽行政及就业数据,包括税收记录、就业状况、工资、个人出生年、性别、教育等。托儿服务供应通过企业岗位分类和地址数据计算。
样本限定: 追踪第一次生育时年龄<44岁,且劳动市场与教育时间合理匹配的个体,确保前置观察期完整且减少截尾偏差。
估计个体层面的Child Penalty(CP),即生育后劳动力收入与参与的变化,使用单位层面事件研究估计法律定义变量τ^i,hBJS,h是事件相对时间,涵盖生育前3年到生育后5年。
使用Boruyak等人(2024b)提出的imputation estimator,扩大控制组定义,调整事件时间的预期趋势差异。
验证方法基于观察负h值的效应,发现高等教育组中31岁以上出生者符合模型假设,因而后续分析聚焦于该子群。
结果初步揭示CP具有显著异质性——多数男性无明显CP,部分显示负趋势,女性则更多呈现退出或从全职转为兼职,存在显著个体及教育差异。,20,22,23,24,46,47]
政策事件:荷兰2005年托儿服务改革,统一中心托儿补贴,极大推动托儿供应。
托儿指数CCI: 以托儿工作岗位数除以5岁以下儿童数构建。
描述性分析:CP与托儿供应呈负相关,母亲返工趋势明显,但存在需求驱动的潜在内生性,于是采用两步法明晰因果关系。
因果估计:利用CCIg,Ei−1(生育前年份)和CCIg,Ei+h(事件后同期)作为预期和当期政策变量,涵盖动态效应,控制地点、事件年及年龄固定效应。分析发现,高教育水平家长收益显著更大,且当期托儿供应对母亲劳动供给影响积极明显,父亲则主要受基线托儿供应影响。异质性背后经济含义可能是工作灵活性与工资结构差异导致托儿政策影响差异。,4,25,26,27,41,48,49]
一步法通常二值化托儿服务改革处理组(婷婷如托儿指数提升超过10%),用传统差分中的差分模型估计。
该方法忽略了政策连续变量和动态特征,同时可能存在混杂偏差。
实证对比显示,一步法得出托儿扩张对母亲劳动力参与负面影响,与两步法对母亲和父亲收益和参与的积极效应结论截然相反。
关键差异源于定义比较组、利用数据变异性的程度以及对异质性和动态效应的处理能力。
两步法更灵活更透明,利于应用新兴政策评估工具,避免汇总偏差和不恰当的假设简化。,29,30,42]
离散面板模型,单位i观察3个时期t∈{0,1,2},事件时刻Ei∈{1,2,∞}。
结构化结果由单位固定效应αi,群组时间效应λg(i),t,单位事件响应τi,he(含动态h和事件时间e异质性),以及噪声εi,t组成。
通过特定差分(如等权平均调整前期结果)构造无偏的单位层面事件效应估计τ^i,h,组成单位层面事件研究(ULES)。
政策变量Wg在群组层面变化,影响潜在结果Yi,t(w)和事件时间Ei(w)。
假设结构测量模型不变,计量误差νi,h与Wg独立。
关键问题是因果效应如何解读,特别是事件时间的可能依赖性,提出两种无选择偏的假设:(a)事件时间不受政策影响,(b)事件时间与单位响应独立。
基于(3)式两种假设确保ULES的无偏性和政策分析的一致性。
在随机分配Wg下,利用反概率加权(IPW)等标准工具识别因果效应。
当Wg分布未知时,提出线性偏移模型,即政策效应由“基线”(we−1)和“同期”(we+h)两部分组成。
利用组内差分ΔWg,t变异识别参数,假设组内政策均值具有限制性的可分解结构(ag+bt)。
使用Borusyak et al. (2024b)的imputation estimator估计ULES,τ^i,hBJS。
强调两阶段误差:测量误差νi,h与估计误差ξi,h均不引入偏差,前提是群内单位数充足。
估计因果效应时依据两种选择性假设分别采用普通最小二乘(OLS)和加权OLS,带入群组和事件时间固定效应确保多维异质性能被控制。
利用过度识别检验(例如群组层次的平行趋势检验ν^g1)对模型假设进行验证。
自然且广泛采用的一步方法(直接在面板上拟合交互效应等)因无法消除选择和污染偏差,可能无法解释估计系数。
两步法通过明确分离测量与估计阶段,提高透明度,减少潜在的偏差及误解释风险。
单位内政策变异与群组内政策变异处理有本质差别,前者估计时需要更复杂的误差处理和设计。
描述:(a)展示了男性和女性儿科惩罚率(CP)的分布随事件相对时间h改变情况,图中包络线为概率密度分布,点为分布均值。
解读:
(a)显示CP呈左偏态分布,女性CP负值更显著,随事件时间推移负值加剧。儿科惩罚并非均匀存在,而是具有强烈异质性。
(b)通过K-means聚类方法,分别找出男性和女性的三种典型CP路径。大约60%以上男性几乎无CP,女性中55%存在中度负CP,28%显示劳动市场退出趋势。
联系文本: 支持传统均值估计掩盖异质性,凸显测量单位层面CP的必要性。测量误差存在,需谨慎解释。 ,23,24]
描述: (a)展示1999-2016年荷兰各地级市托儿岗位与5岁以下儿童数目之比,折线为年度平均,阴影区域为各市数量分布。2005年托儿补贴改革导致整体水平显著跃升。
(b)简单的2×2 DiD设计示意图,区分托儿服务高低(处理组和控制组)和时间(前后政策实施)。
解读: 政策改革导致托儿供给剧烈变化,个别市之间初期差异明显。这为利用差分识别政策效应提供了基础,但2×2设计过于简化。
联系: 说明本文两步法中托儿指数连续变化的复杂动态与拙劣二分类DiD设计的区别。,25,29]
描述:横轴为生育前年份托儿指数,纵轴是个体CP;每个子图按事件时间h=0∼5分面展示,分性别。
解读: 对女性,托儿供应提高明显与CP降低(正相关关系表现为趋势线下降),表明托儿供应可能缓解生育后劳动力参与/收入损失。男性相关性较弱。趋势随时间加强,说明托儿供应的长期效应。
联系:尽管存在正向相关,必须谨慎解释存在内生性,故转向因果分析。,26,27]
描述:对职业技术和本科教育组分别估计生育前年份托儿供应(基线)和事件时的托儿供应(同时)对个体CP的影响。
解读:
联系文本: 与理论模型和经济直觉结合解读托儿扩张对家庭劳动力的影响。,27,72,73]
描述:一步法下因托儿扩张产生的CP估计显示双方(尤其母亲)劳动参与及收入负效应。
解读: 严重与两步法结果冲突,体现了一步法可能受到模型假设限制、样本选择及污染偏差的影响。
联系: 强调两步法突破了传统单步方法的局限,提供了更合理符合经济理论的政策评价。,28,29,30]
本报告不涉及纯金融公司估值,但计量经济模型中的参数估计可视为某种结构参数的估值。文中提出的模型采用两步估计方法,分别估计单位层面事件反应(τ^i,h)和基于单位估计的政策反应参数(δ)。关键参数通过高维固定效应回归获得,模型假设及约束确保了无偏估计和渐近正态分布,为政策效果提供稳健估计基础。
测量误差风险:单位层面估计含噪音,然而两步方法中测量误差与政策变量独立,且群组内大样本使该误差对政策推断无偏。
样本选择问题:非所有单位都经历事件(如未生育者无CP定义),若事件时间受政策影响会导致选择偏差。本文通过提出事件时间不受政策影响或事件时间与响应独立的假设,有效缓解选择性偏差风险。
假设不成立风险:若上述关键假设不满足,仍可采用非条件分析或构造界限估计,但需额外假设支持。,9,10,43-45]
潜在偏见点:若事件时间(Ei)确实依赖于政策,需用样本权重校正。否则一味忽视选择性偏差易致估计偏倚。
模型局限:政策均值限制(E[Wg,t]=ag+bt)较强,若政策路径或异质性更复杂,估计需要适当调整。
一步法缺陷:回归中事件时间虚拟变量若做“坏控制”,可能导致广义选择偏差和污染偏差,致使系数缺乏清晰因果解释。
数据与设计要求:足够的组内事件时间重叠是估计关键,有组规模过小会因无重叠问题而限制估计有效性。
异质性未充分表征:估计抵消异质性带来的权重差异需谨慎,或许需用加权最小二乘。
综上,本文方法虽先进但对特定假设依赖较重,要求较高数据质量和设计理解。
本论文开创性地将单位层面事件研究(ULES)作为因果分析的结果指标,采用两步估计方式:第一步严格估计单位特异的事件响应,克服传统差分设计的合并偏差和动态效应忽略问题;第二步将估计结果投入政策评估,准确剖析政策对个体效应的异质影响。理论与实证结合展示,荷兰托儿服务改革中更丰富的政策维度和异质性显著影响男女家长的劳动市场行为。
量化结果清晰表明,托儿服务扩张提升了母亲的劳动收入和参与率,且这种促进效应在高教育家庭中更显著,而常规的一步法往往错误估计为负向效应,凸显本文方法的优势和必要性。
图表分析印证数据丰富的动态和个体差异特征,辅以稳健的统计验证,增强了结果的可信度。本文方法为政策评估提供了灵活、透明、理论扎实的全新工具,极具推广价值。
最终,鉴于测量误差、样本选择和模型假设,对研究设计提出了明晰警示,推动未来应用与理论创新。,4,28,29,38-42,47,48,49]
图I:个体Child Penalty的分布及路径聚类
图II:托儿服务供应扩张及简化DiD设计示意
图III:托儿供应水平与Child Penalty的相关性
图IV:托儿扩张政策对Child Penalty(按教育及性别)
图V:传统一步法对托儿扩张的政策效应估计
此分析详尽探讨了论文每个关键章节、核心方法论、图表所反映的数据趋势以及实证政策分析的深层逻辑与结论,结合理论及实证背景严谨呈现,对科研与政策评估均具有重要参考价值。
2403.19563.pdf