NBER美国国民经济研究局-NBER-Revealed-Preference-Analysis-of-School-Choice-Models_43页_767kb

报告摘要

详细总结：学校选择模型的显示偏好分析

核心内容

本文探讨了学校选择模型中的显示偏好分析方法，旨在通过学校选择机制的详细数据来估计学生的偏好分布。文章强调，传统的消费者偏好估计方法在教育市场中并不适用，因为学生并不总是能够获得他们首选的学校。因此，需要专门针对教育市场的机制设计和数据结构开发新的估计方法。

主要观点

显示偏好分析的动机
学校选择机制在现实世界中对教育政策设计具有重要影响，因此需要一种基于学生实际选择行为的方法来推断其偏好。显示偏好分析利用学生提交的排名列表和最终分配结果，以非参数或参数化方式估计偏好分布。
模型结构
本文采用随机效用模型（Random Utility Model）来描述学生偏好。该模型包括可观测的学校和学生特征、不可观测的学校特征（$\xi_j$）和学生偏好（$\gamma_i, \varepsilon_{ij}$），以及距离因素（$d_{ij}$）作为影响因素。

模型的基本形式为：
$$
v_{ij} = \boldsymbol{x}_j \beta + \xi_j + \boldsymbol{x}j (\bar{\gamma} \boldsymbol{z}i + \gamma_i) - d{ij} + \varepsilon{ij}
$$
其中，$\boldsymbol{x}_j$ 和 $\boldsymbol{z}i$ 分别代表学校和学生的可观测特征，$\varepsilon{ij}$ 代表随机误差项，$\delta_j = \boldsymbol{x}_j \beta + \xi_j$ 是学校特征对效用的贡献。
关键假设
- 学生的偏好在给定可观测特征和学校不可观测特征时，与距离独立（$\left(\gamma_{i}, \varepsilon_{i}\right) \perp d_{ij} | \pmb{z}_i, {\pmb{x}_j, \xi_j}$）。
- 学生的偏好分布可以由参数化的模型进行估计，且模型需要满足一定的识别条件。
- 机制设计中隐含的“公平”和“效率”权衡是研究的重要内容。
学校选择机制类型
- 延迟接受机制（Deferred Acceptance, DA）：学生提交排名列表，机制通过逐步接受和拒绝学生来实现稳定匹配。该机制具有策略不可行性和稳定性等优点。
- 即时接受机制（Immediate Acceptance, IA）：学生根据排名依次申请学校，学校在容量允许的情况下立即接受申请。该机制不具有策略不可行性，且可能产生不稳定的分配。

关键信息

学校选择模型可以用于分析教育政策的公平性、分配效率和学校改进激励。
显示偏好方法依赖于机制的具体规则和学生行为假设，如是否真实报告偏好。
数据驱动的估计方法包括非参数似然函数、贝叶斯方法和矩不等式方法。
估计方法的选择取决于数据的可获得性和机制的特性。
机制设计中隐含的“公平”与“效率”权衡是实证研究的重要方向。
实证研究发现，学生的偏好可能与地理位置、学校质量等因素相关，且学校改进可能受到学生选择行为的影响。

方法论结构

随机效用模型
学生的效用由学校特征、学生特征、距离和随机误差组成，模型允许估计学生对不同学校的偏好分布。
显示偏好分析方法
- 基于稳定假设，可以推断学生在满足条件的学校中选择的偏好。
- 基于真实报告的排名列表，可以估计学生对学校的选择概率。
- 在策略性环境中，需要结合不同的行为假设来解释学生提交的排名。
模型识别与估计
- 识别需要依赖机制规则和数据结构。
- 估计方法包括最大似然、矩方法和贝叶斯方法。
- 某些模型需要对偏好分布做出参数化假设以提高估计效率。
实证研究结果
- 显示偏好方法可用于评估学校选择机制对教育公平和质量的影响。
- 研究发现学生偏好可能受到地理位置和学校质量的影响。
- 实证研究还揭示了学校选择机制对学校改进的潜在激励作用。