下面对 “Quantile Selection in the Gender Pay Gap” 这份研究报告做一次深入、逐章且带图表解读的全面分析。结构按要求分节,重点剖析每一重要论点、假设、公式、估计策略、主要表格与图形,并给出客观的批判性视角和最终综合结论。凡直接或间接来自原文的结论或推断,在句末标注溯源页码 [page::X](单页或不超过两页)。
一、元数据与总体概览
报告标题与作者:Quantile Selection in the Gender Pay Gap;作者为 Egshiglen Batbayar、Christoph Breunig、Peter Haan、Boryana Ilieva;发布日期 2026-01-13。
目的与问题定位:论文指出要理解性别工资差异必须控制可观测特征之外的“选择入场”问题(selection into employment),并强调选择效应对性别工资差距的方向不确定,因而需要对分位数层面进行校正与量化。作者将目标设为构建“选择校正的工资分位数分布”并测量分位数上的性别差距。该动机及定位陈述见文首与引言。
与文献关系:作者明确将方法置于非可忽略选择/非随机缺失与量化回归识别的文献脉络下,并指出现有量化方法通常依赖参数化选择方程或 MAR 假设,其方法在不做选择模型参数化的情形下提供更灵活的识别。该议题与 Arellano & Bonhomme (2017)、Zhang & Wang (2020) 等工作进行比较并说明差异。
模型设定与识别(Section 2)
基本模型(公式与变量):作者设定潜在结果 Y(潜在工资)满足 Y = Z' θ_τ + U_τ,且 D = 1{V ≤ p(Y*,X)} 表示参与(观测到工资)的指示,观测到 Y = Y* 当且仅当 D=1。Z = (1, X', W')',其中 W 为在结果方程中出现但被排除于选择方程(selection equation)之外的工具变量。该数学设定是识别的基础。
关键识别假设(Assumption 1): (i) V ⟂ W | (Y*, X),且 V| (Y*,X) ~ U(0,1);(ii) 选择概率 p(Y*,X) 在其支持上被下界约束(非零);(iii) p 通过条件矩(E[D / p(Y,X) | W,X] = 1)被识别。第(i)条实际上要求工具 W 对选择误差 V 条件独立,仅通过 Y* 和 X 影响选择;这也是本文“工具变量影响潜在工资但在给定潜在工资与 X 后不直接影响选择”的形式化表达。对该假设的详尽陈述见 Section 2.1。
逆选择概率加权识别:定义 g(y,x) = 1 / P(D=1 | Y*=y, X=x),在满足 Assumption1 的情况下可得到可观测的矩条件 E[ D g(Y,X) | W, X ] = 1,从而用该矩条件识别 g(或通过桥函数等方法间接识别量化函数)。基于 Koenker-Bassett 的 check 函数,作者证明(Proposition 2.1)在已知 g 的情形下,θ_τ 可通过加权分位回归(权重为 D g(Y,X))唯一确定。该构造将选择校正嵌入标准分位回归的极小化准则。
关于 g 的可识别性与替代条件(Theorem 2.2):作者进一步给出,当 g 未必通过条件矩(2.3)唯一识别时,只要存在可测函数 μ_τ(W,X) 使得 E[ μ_τ(W,X) | Y*, X ] = E[ ρ_τ(Y* - Z' θ_τ) | Y*, X ](即存在一个桥函数/adjoint operator 条件),则 θ_τ 仍可被识别。该结果依靠 Severini & Tripathi (2012) 的构造思想,属于“proximal identification / bridge function”范式。该条件的经济含义是工具 W 在给定 X 下携带足够信息以表征残差损失函数的条件期望。该点在理论上重要但在实践上对应的可验证性(桥函数存在性)较难检验。
Roy 模型内嵌解释(Section 2.2):在 Roy 劳动供给框架中,参与由 Y* ≥ R(R 为储备工资)决定,因此 P(D=1 | Y*, X) = F_{R|Y*,X}(Y*)。若给定 (Y*, X) 时储备工资 R 的条件分布秩(rank) F_{R|Y*,X}(R) 与 W 条件独立(rank invariance 条件),则满足 Assumption1 的 (i) 部分,Roy 模型被纳入本文选择框架中。作者清楚地把工具的排除限制(不影响选择的秩)解释为“在固定潜在工资与可观测特征后,初始工资对个体在储备工资分布中的位置没有额外信息”,这比要求初始工资对储备工资没有任何影响要宽松(允许改变水平但不改变秩)。该讨论在 Section 2.2 展开并用于说明实证中使用初始工资作为工具的合理性。
估计方法(Section 3)
三阶段估计 Algorithm(3.1):作者提出三步估计:第一步,用样条基(B-spline)与工具 b^K(W,X) 做二维/多维 TSLS 估计以得到未受限的逆选择概率估计 \hat{g}_u;第二步,对 \hat{g}_u 在函数空间上作锥(cone)投影,施加下界 g ≥ 1 的形状约束以稳定权重,得到 \hat{g};第三步,使用权重 D \hat{g}(Y,X) 做加权分位回归以估计 θ_τ。算法细节见 Algorithm 1。该程序强调了“先估计权重,再加权分位回归”的实现路径,且通过锥投影避免估计权重为负或接近零而产生不稳定性。
关键输入与敏感点:第一阶段需选择基函数维数 J、K 与投影约束;识别依赖于工具 W 满足 V ⟂ W | (Y*,X)(rank invariance 在 Roy 模型下的解释),以及对 g 的识别或桥函数存在的条件(completeness/bridge 函数要求)——这些在实践上较难直接验证,且对估计有效性有实质影响。作者在文中讨论这些假设并在附录作一定稳健性检验(如工具滞后结构的严格化)。
Robustness Figures(Instrument up to 2011 / only full-time instruments 等,见附录 E):
結語:总体而言,该论文在样本选择问题与分位数框架下提出了原创且可行的半参数 IV 识别与估计方法,并用德国大样本行政数据展示其揭示的异质选择模式如何改变对性别工资差距分布的理解。读者在采用该方法时应重点评估工具的排除限制合理性、桥函数/完备性假设的适用性以及数据的顶端截尾处理对结果的影响。论文在理论与实证上均做了较为充分的论证与稳健性检查,但如所有 IV 研究一样,对工具有效性(尤其排除限制)的判定仍不可完全由数据本身证明,需依赖机构性论证与替代工具的对照检验。