《表7 稳健性检验:非观测变量影响的模拟检验》

  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

《中央地方利益协调下减税政策的增收效应》

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

注:Rosenbaum（2005）模拟检验中的Γ是指模拟的处置发生概率偏差程度，最大p值小于0.05意味拒绝原假设，即模拟结果与基准结果不存在显著差异。Ichino et al.（2008）模拟检验中较极端的干扰因子是指:（样本匹配前）对改革概率或结果变量具有较大影响的干扰因子。第（1）、 （2）

（4） 模拟检验。为进一步缓解关于非观测变量影响的担忧，进行如下三组模拟检验。（1）本文利用Rosenbaum（2005）的模拟方法考察基准结果对于非观测变量影响的稳健性。该方法的基本思想是:若没有较好地控制非观测变量的影响，则基于可观测匹配变量得到的处置发生概率（取消农业税改革概率）将会有偏进而导致估计结果有偏；故可通过检验基准结果对于模拟的处置发生概率偏差程度（Γ）的敏感性来检验非观测变量的影响。表7显示:基准结果对于Γ变化的敏感性较弱，只有当Γ>30（即模拟处置发生概率偏差达到30倍以上），估计结果才与基准结果显著不同（最大P值大于0.05），表明基准分析较好地控制了非观测变量的影响，结果是较稳健的。（2）本文利用Ichino et al.（2008）的方法，通过考察模拟生成的非观测干扰因子的影响，来检验基准结果关于非观测变量影响的稳健性。特别地，模拟生成4个较极端干扰因子（通过搜寻4个概率分布参数的各种可能取值 （在[0，1]区间内）来构造它们的分布） :两个是对改革概率和结果变量分别具有较极端正影响的（样本匹配前，使取消农业税改革概率和农民人均纯收入分别变为原来的26倍和22倍，见表7第 （2）和（5）列以及第（1）和（4）列） ；两个是对改革概率和结果变量具有较极端负影响的（使取消农业税改革概率和农民人均纯收入都变为原来的0.1%）。因此，这些干扰因子包含了可能导致基准结果高估或低估的非观测因素。表7给出分别以它们作为新的匹配变量，利用500次模拟估计得到的新结果。结果表明，基本结论具有较好的稳健性。（3）本文借助随机模拟思想构造安慰剂检验（Pinotti，2017）:在样本中随机抽取317个县（真实处置组数量）作为处置组，其余县为对照组；基于这些随机生成的处置组和对照组样本，利用PSM-DID估算取消农业税对农民收入的平均处置效应；重复上述过程500次，得到500个结果（分布见图2）。这一检验的逻辑在于:若本文的PSM-DID策略能够较好地控制非观测变量的影响，则基于上述随机生成样本得到的结果分布应当是一个均值近乎为零且标准差很小的正态分布。这得到图2的证实，表明基准分析较好地控制了非观测变量的影响。