2018年-世界发展银行全球_The_Roots_of_Inequality___Estimating_Inequality_of_Opportunity_from_Regression_Trees_35页_1mb

文档总结：基于回归树的不平等机会估计方法

核心内容

本文提出了一种新的方法，利用条件推断回归树（Conditional Inference Trees）和条件推断森林（Conditional Inference Forests）来估计机会不平等。该方法旨在克服现有方法在模型选择上的随意性和偏差问题，同时提高估计结果的可解释性和可比性。

主要观点

1. 机会不平等的定义

   • 机会不平等指的是由于个体无法控制的背景因素（circumstances）造成的不同群体之间在结果上的差异。
   • 机会平等意味着在相同背景条件下，个体的努力（effort）差异不会影响结果的公平性。

2. 现有方法的局限性

   • 现有方法通常依赖于研究者主观选择的变量和模型形式，导致估计结果容易受到模型选择的影响。
   • 非参数方法（如Van de gaer和Checchi & Peragine的模型）需要对变量进行离散化处理，可能引入偏差或信息损失。
   • 参数方法（如Mincerian回归）假设变量间线性关系，忽略了非线性和交互效应，容易导致模型过度简化或过拟合。

3. 回归树方法的优势

   • 减少模型选择的随意性：通过算法自动选择变量和分割点，避免人为干预。
   • 平衡偏差：通过统计检验控制模型的过拟合，减少向上和向下的偏差。
   • 提高可解释性：树结构直观，便于展示机会不平等的分布和来源。
   • 适应性更强：可以处理非线性关系和变量交互，适用于更复杂的数据集。

4. 条件推断回归树与森林

   • 条件推断回归树通过置换检验（permutation tests）进行变量选择，确保分割的统计显著性。
   • 条件推断森林是多个回归树的集成方法，能够提高预测精度并减少估计误差。
   • 与传统方法相比，这些方法在样本量不同的情况下，更适用于跨时间、跨国家的比较分析。

关键信息

• 数据来源：本文使用了2011年欧洲联盟收入与生活状况调查（EU SILC）数据进行实证分析。
• 模型选择：通过调整显著性水平α来控制模型的复杂度和偏差，α越小，分割越严格，模型越简洁。
• 实证应用：在实证部分，作者展示了条件推断森林在预测准确性上的优势，优于传统非参数和参数方法。
• 方法推广：该方法不仅适用于收入数据，也可用于其他非连续结果，如健康和教育等。

方法结构

1. 机会不平等的理论基础

• 机会不平等的测量基于John Roemer（1998）提出的理论框架，将影响结果的因素分为两类：努力（effort） 和 背景条件（circumstances）。
• 机会平等意味着在相同背景条件下，所有个体应具有相同的起跑线。

2. 现有方法的比较

• 非参数方法：通过分割变量构造类型，但可能因样本量不足或分割粗略而引入偏差。
• 参数方法：假设变量间线性关系，忽略非线性和交互效应，容易导致模型不准确。
• 两种方法的共同问题：都依赖研究者主观选择变量和分割方式，容易产生偏差。

3. 回归树方法的应用

• 条件推断回归树：通过统计检验选择分割变量，自动构造类型，减少人为干预。
• 条件推断森林：由多个条件推断树组成，提高预测准确性和稳定性，适合处理更复杂的数据。

4. 算法流程**

• 步骤1：对每个输入变量进行独立性检验，计算p值。
• 步骤2：选择p值最小的变量作为分割变量。
• 步骤3：根据该变量的分割点，将样本划分为两个子样本。
• 步骤4：递归地对每个子样本重复上述过程，直到达到预设的显著性水平α或无法进一步分割。

结论

本文通过引入条件推断回归树和森林方法，为机会不平等的测量提供了一种更系统、更可靠、更易解释的工具。该方法减少了模型选择的主观性，提高了估计结果的稳健性和可比性，为发展政策讨论提供了更精确的实证依据。