《表4 多值处理效应模型的主要变量、定义及赋值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《示范家庭农场技术效率更高吗——基于全国家庭农场监测数据》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

多值处理效应模型为计算平均处理效应提供了多种估计策略，包括回归调整法（regression adjustment，RA）、逆概率加权法（inverse-probability weighting，IPW）、扩展版的逆概率加权法（augmented inverse probability weighting，AIPW）和逆概率加权回归调整法（inverse probability weighted regression adjustment，IPWRA）（参见Linden et al.，2016） 。其中，回归调整法仅规定结果变量的函数形式，对处理变量的函数形式不做任何假定；而逆概率加权估计法则相反，仅规定了处理变量的函数形式，对结果变量的函数形式不做任何假定；扩展版的逆概率加权估计法和逆概率加权回归调整法则对处理变量和结果变量都规定了函数形式，其估计结果具有双重稳健优势。也就是说，即便处理变量方程或结果变量方程发生了误设情形，但只要不是同时发生误设，就仍能得到平均处理效应的一致估计（参见Linden et al.，2016）。为此，本文使用逆概率加权回归调整法估计平均处理效应（ATET、ATE），并使用扩展版的逆概率加权估计法的估计结果作为稳健性检验。对于协变量，本文借鉴种粮大户、家庭农场技术效率的相关研究成果（参见张德元、宫天辰，2018；王丽霞、常伟，2017；Yang et al.，2016），并结合各地示范家庭农场创建的政策文件规定及调查数据的可得性，最终共选择了包括核心变量在内的20个变量。主要变量的定义及赋值如表4所示。