世界发展银行-Do-Workfare-Programs-Live-Up-to-Their-Promises--Experimental-Evidence-from-C_ocirc_te-d_rsquo_Ivoire_99页_2mb

总结：Workfare Programs in Côte d'Ivoire

核心内容

本研究评估了科特迪瓦一项公共就业计划的短期和长期影响，以检验工作福利（Workfare）计划是否能够兑现其承诺，即有效目标定位和对参与者就业、收入、技能及行为产生持续积极影响。

主要观点

1. 工作福利计划的短期影响：

   • 计划对就业率的影响有限，但促使参与者从低收入非正式工作转向更稳定的工资工作。
   • 参与者月收入平均提高约 CFA 27,083，储蓄和幸福感有所提升。
   • 短期内，工作习惯和行为发生了一些变化。

2. 工作福利计划的长期影响：

   • 十二至十五个月后，就业率、工作时间或就业结构没有显著变化。
   • 收入影响仍然存在，但主要来自自雇活动，且影响较小且不稳定。
   • 储蓄和幸福感保持较高水平，但工作习惯和行为未见持续改善。

3. 目标定位的有效性：

   • 自我定位（self-targeting）在该计划中未能有效识别最需要帮助的群体。
   • 通过机器学习技术，发现不同参与者在计划中的收益存在显著异质性，且这种异质性在计划结束后不再明显。

4. 调整工资和目标定位机制的影响：

   • 降低工资不会提高计划效果，反而可能降低整体收益。
   • 通过优化目标定位机制（如仅针对女性或低收入基础的青年），可提高计划的成本效益，但收益仍远低于成本。

5. 工作福利与传统福利计划的比较：

   • 工作福利计划的收益主要来自收入提升和储蓄，而非直接的技能或行为改善。
   • 长期收益可能与一般性的收入支持有关，而非“工作”本身。

关键信息

• 研究背景：该计划由科特迪瓦政府在2010/2011年选举后危机期间实施，由世界银行资助，旨在为低技能青年提供临时就业机会。
• 实施方式：参与者被随机分配到不同的组别，其中部分人接受基本创业培训或求职技能培训。
• 样本特征：所有16个城市的18-30岁青年均有资格申请，但因申请人数过多，采用公开抽签方式分配名额。
• 研究方法：
  • 通过实验设计，收集了基线、计划期间和计划结束后的丰富数据。
  • 使用机器学习技术评估计划效果的异质性，并比较不同目标定位策略的效果。
• 研究结论：
  • 工作福利计划在短期内能提高收入和储蓄，但对就业和行为的长期影响有限。
  • 自我定位机制效果不佳，而通过机器学习优化的目标定位策略可显著提升成本效益。
  • 即使在优化目标定位后，计划的收益仍远低于成本，尤其考虑到行政成本。

研究意义

• 本研究为工作福利计划的政策设计提供了实证依据，特别是在目标定位和成本效益方面。
• 研究还指出，尽管工作福利计划在短期内有积极作用，但其长期效果需进一步研究。
• 通过机器学习方法，为评估和优化社会保护计划的实施策略提供了新思路。

方法论贡献

• 本研究是应用机器学习技术分析政策异质性影响的代表性工作之一。
• 提出了一个理论框架，用于分析不同目标定位机制和工资调整对计划效果的影响。
• 结合了机器学习与统计推断方法，提高了对政策效果评估的精度。

相关文献

• 工作福利计划的长期影响在现有文献中研究较少。
• 一些研究（如Murgai et al., 2015; Ravallion et al., 2005）探讨了工作福利计划对就业和收入的潜在影响，但缺乏对目标定位和异质性影响的系统分析。
• 本研究填补了这一空白，提供了关于如何优化工作福利计划设计的实证依据。

结论

工作福利计划在科特迪瓦未能完全兑现其在就业和行为方面的承诺，但对收入和储蓄有显著短期影响。通过机器学习优化目标定位策略可提高计划的成本效益，但即使如此，收益仍低于成本。因此，未来的工作福利计划设计应更加注重成本效益分析和目标定位机制的优化。