2010年-世界发展银行全球_Can_Disaggregated_Indicators_Identify_Governance_Reform_Priorities__53页_976kb

详细总结：Can Disaggregated Indicators Identify Governance Reform Priorities?

核心内容

本文探讨了高度细化的治理指标是否能够有效识别治理改革的优先事项。作者指出，尽管许多组织（如全球诚信指数（GII）和世界银行的“经商环境”（Doing Business, DB）指标）开发了大量详细的治理指标，但这些指标在识别具体改革方向时存在显著的不稳定性。

主要观点

1. 高度细化指标的局限性

   • 高度细化的指标虽然提供了丰富的信息，但在识别关键影响变量时面临“自由度”问题，即指标数量过多导致难以准确估计每个变量对结果的影响。
   • 例如，DB 指标包含 41 个变量，而 GII 包含超过 300 个变量，这种高维度使得估计每个变量的偏效应变得困难。

2. Bayesian Model Averaging (BMA) 方法的使用

   • 作者采用 BMA 方法系统地分析了 GII 和 DB 指标与相关结果变量之间的偏效应。
   • 通过 BMA，他们能够识别出少量具有强偏相关性的指标，但发现这些指标在不同结果变量和不同细化层级之间变化很大。

3. 结果的不稳定性

   • 即使是高度相关的结果变量（如 GII 的七个腐败相关指标，平均两两相关性为 0.62），BMA 识别出的重要变量之间几乎没有重叠。
   • 同样，对于同一结果变量，不同细化层级的指标被识别为重要变量的概率也不一致。

4. 数据特征

   • GII 和 DB 的整体指标与结果变量之间存在显著的相关性。
   • 然而，细化指标之间的相关性较低，尤其是在 GII 的 303 个变量层面，90% 的两两相关性低于 0.35。

5. 对政策制定的启示

   • 由于偏效应估计的不稳定性，使用高度细化的治理指标来制定政策建议可能并不理想。
   • 政策制定者需要识别哪些具体指标对结果变量有显著影响，而不是依赖整体排名。

关键信息

数据集概述

• 全球诚信指数 (GII)

  • 包含 303 个细化变量，分为 6 个主要类别，进一步细化为 23 个子类别。
  • 数据覆盖 92 个国家（2004 年以来），2007 和 2008 年数据用于分析。
  • 每个变量由本地专家评分，并经过匿名同行评审。

• 经商环境指标 (DB)

  • 包含 10 个主要维度和 41 个细化变量。
  • 数据基于假设情景，由熟悉相关法律的本地律师提供。
  • DB 指标主要反映“法律上”而非“实际中”的情况。

结果变量选择

• GII 对应的结果变量

  • 七个主观腐败相关指标，来自世界经济论坛、EIU、PRS、DRI、WMO、GAD 和 CPIA。

• DB 对应的结果变量

  • 七个与监管环境相关的主观指标，同样来自 WGI 项目。

分析方法

• 使用 BMA 方法估计细化变量对结果变量的偏效应。
• 通过不同细化层级（GII-12、GII-45、GII-303；DB-10、DB-41）进行比较。

分析结果

• 偏效应的不稳定性

  • 不同结果变量之间，BMA 识别出的重要变量几乎没有重叠。
  • 同一结果变量在不同细化层级中，重要变量也存在显著差异。

• 细化变量之间的低相关性

  • GII-303 层面的细化变量两两相关性平均仅为 0.09，DB-41 层面的平均相关性为 0.18。

• 整体指标与结果变量的强相关性

  • GII 整体指标对结果变量的影响平均为 0.8，DB 整体指标的影响更大且更显著。

结论

本文指出，虽然高度细化的治理指标在提供详细信息方面具有优势，但它们在识别关键改革变量时存在显著的不稳定性。BMA 方法虽然能识别部分重要变量，但其结果依赖于数据结构和结果变量的设定。因此，政策制定者在使用这些指标时需谨慎，并考虑结合其他方法和数据来源以提高政策建议的可靠性。