2013年-世界发展银行全球_Estimating_the_Effects_of_Credit_Constraints_on_Productivity_of_Peruvian_Agriculture_19页_326kb

总结：估计信用约束对秘鲁农业生产力的影响

核心内容

本文提出了一种用于固定效应的内生切换回归模型的新估计方法，该方法允许在结果方程中存在条件异方差性，并且能够处理内生选择问题。该方法对秘鲁农业生产力数据集的分析产生了显著不同的结论，相较于之前的研究结果，信用约束对生产力的影响被大大削弱。

主要观点

• 模型改进：传统的固定效应模型和半参数模型未能充分考虑内生选择问题，因此可能高估了信用约束对生产力的影响。本文通过引入选择方程，改进了模型以更准确地捕捉信用约束的内生性。
• 估计方法：该估计方法分为两个步骤：第一步是使用Probit模型估计选择方程，并计算逆米尔斯比率；第二步是在差分后的数据上进行回归，同时引入逆米尔斯比率作为控制变量，以纠正选择偏差。
• 假设条件：模型假设误差项在差分后与解释变量不相关，并且协方差矩阵为正定。此外，假设数据在个体间独立同分布。
• 应用结果：在秘鲁农业数据集的应用中，去除信用约束后，生产力的提升幅度从之前的26%降低至10.6%，并且这一提升在统计上并不显著。这表明信用约束的影响可能被高估，且需要更谨慎地解释。

关键信息

1. 模型设定

• 农民可能处于两种状态：信用约束（$W_{it} = 1$）或信用不受约束（$W_{it} = 0$）。
• 若农民处于信用约束状态，其生产力由方程（1）表示：
  $$
  Y_{i}^{(0)} = \beta' X_{it} + f_{i}^{(0)} + \kappa_t + u_{it}^{(0)}
  $$
• 若农民处于信用不受约束状态，其生产力由方程（2）表示：
  $$
  Y_{i}^{(1)} = \alpha' X_{it} + f_{i}^{(1)} + \tau_t + u_{it}^{(1)}
  $$

2. 估计步骤

• 步骤1A（预确定变量的选择方程）：估计Probit模型，使用预确定变量，计算逆米尔斯比率$\hat{R}_{it}$。
• 步骤1B（相关随机效应的选择方程）：估计Probit模型，考虑严格外生变量和相关随机效应，同样计算逆米尔斯比率$\hat{R}_{it}$。
• 步骤2：在差分后的数据上进行回归，将$\Delta Y_{it}$、$\Delta X_{it}$和$\Delta \hat{R}_{it}$作为变量，以消除固定效应。

3. 假设条件

• 假设1：选择方程中的误差项与解释变量可能相关，且方差随时间变化。
• 假设2：选择方程允许相关随机效应，且参数空间为紧集。
• 假设3：差分后的误差项与解释变量不相关，且期望为零。
• 假设4：数据在个体间独立同分布，且四阶矩有限。

4. 理论结果

• 本文估计方法在假设条件下具有一致性和渐近正态性。
• 估计量的渐近协方差矩阵$\Omega$由Hessian矩阵和$\Lambda$矩阵计算得出，其中$\Lambda$是误差项的方差-协方差矩阵。
• 通过**自助法（Bootstrap）**估计标准误差，以确保估计结果的稳健性。

5. 实证结果

• 在秘鲁农业数据集的应用中，去除信用约束后，生产力的提升幅度为10.6%，显著低于Guirkinger和Boucher（2008）的26%。
• 信用约束对模型系数的影响被显著削弱，表明选择方程的引入对结果有重要影响。
• 使用Wald检验比较信用约束与信用不受约束农民的系数差异，结果表明差异显著缩小，但未完全消失。

6. 政策意义

• 本文结果对政策制定具有重要意义，表明信用约束对农业生产力的影响可能被高估。
• 引入选择方程可以更准确地评估信用约束的影响，从而避免对政策干预的过度乐观估计。

7. 未来研究方向

• 本文未考虑多个状态之间的切换，未来可扩展模型以允许更多状态。
• 可进一步研究选择方程中单指数假设的放松，以提高模型的灵活性。

结论

本文提出了一种新的估计方法，用于处理具有内生选择和条件异方差性的固定效应模型。该方法在秘鲁农业数据集的应用中，显著改变了之前对信用约束影响的估计，表明信用约束对农业生产力的影响可能被高估。引入选择方程对于更准确地估计信用约束的影响至关重要。