2014年-世界发展银行全球_Re-Re-Reply_to_The_Impact_of_Microcredit_on_the_Poor_in_Bangladesh___Revisiting_the_Evidence_25页_914kb

报告摘要

总结：对“孟加拉国微型信贷对贫困人口的影响”的再再回应

核心内容

本文是对David Roodman和Jonathan Morduch（2014）论文《The Impact of Microcredit on the Poor in Bangladesh: Revisiting the Evidence》的再再回应。该论文试图反驳Mark M. Pitt和Shahidur R. Khandker（1998）在《The Impact of Group-Based Credit on Poor Households in Bangladesh: Does the Gender of Participants Matter?》中关于微型信贷对女性和男性参与者的积极影响的结论。Pitt和Khandker认为，微型信贷项目对贫困家庭的消费和其他经济指标有显著的正面效应。

主要观点

1. 模型的计量经济学分析

PK模型：PK模型使用了普通最小二乘法（OLS）和两阶段最小二乘法（2SLS）结合的对数似然函数，其核心在于利用没有选择权的个体作为识别变量。
RM模型：RM模型则引入了额外的工具变量（z），并将其应用于所有样本，包括那些没有选择权的个体。这种做法被认为可能引入偏差，因为没有选择权的个体的信贷行为是确定性的。
关键区别：
- PK模型仅使用有选择权的个体进行第一阶段回归，而RM模型将无选择权的个体也纳入第一阶段，这可能导致更多的独立变量和弱工具变量。
- PK模型在无选择权个体上使用OLS，而RM模型使用2SLS，从而增加了模型复杂性。

2. 估计方法的问题

参数估计差异：RM模型中，由于工具变量的引入，其第一阶段回归的边际效应与PK模型不同，导致信用影响的预测值也不同。
结果的不稳定性：RM使用线性LIML估计方法，其结果在不同样本修剪下表现出极大的不稳定性，例如，第二阶段的t值几乎为0.01，表明估计结果可能不可靠。
R-squared问题：RM模型的R-squared为负值，表明模型拟合效果极差，无法提供可信的估计结果。

3. 异常值处理

数据修剪问题：RM通过删除消费最高的16个观测值来减少残差偏斜，但这种做法并未遵循PK的正式检验协议，且可能引入偏差。
对称修剪的分析：使用对称修剪（删除两端各16个观测值）后，PK的模型结果仍然不被拒绝，且信用影响的估计值和t值均有所提高。
修剪的影响：对称修剪更多观测值（如100或1000个）不仅增强了PK模型的估计结果，还使得信用影响的估计值显著增加，t值也显著提高。

4. 回归不连续性设计（RD）的误用

RM的图形分析：RM使用了低斯（Lowess）平滑方法来分析信贷与土地持有量之间的关系，但该图形并非Imbens和Lemieux建议的初步诊断图，而是基于错误的变量选择。
模糊RD设计：PK的模型是模糊RD设计，其中土地持有量是影响参与的变量，而RM的分析未能正确识别这一设计，并忽略了土地对参与和借贷金额的双重影响。
多项式回归测试：通过引入六次多项式回归，可以更灵活地测试土地持有量对信贷的影响，结果显示女性和男性信贷的二元处理变量具有显著的正向影响，表明存在明显的不连续性。