KNOWECON WIKI

ARTICLE

强度模型

强度模型 (Intensity Models) 强度模型（Intensity Models）是经济学和计量经济学中一类以连续强度变量（intensity variable）为核心解释变量的分析框架的总称。与传统的二元处理效应模型（处理组 vs. 控制组）不同，强度模型关注处理的剂量或程度如何影响结果变量：例如，企业受到的补贴不是"有或无"，而是"补贴占销售额

浏览 0 更新 2025-11-08

强度模型 (Intensity Models)

强度模型（Intensity Models）是经济学和计量经济学中一类以连续强度变量（intensity variable）为核心解释变量的分析框架的总称。与传统的二元处理效应模型（处理组 vs. 控制组）不同，强度模型关注处理的剂量或程度如何影响结果变量：例如，企业受到的补贴不是"有或无"，而是"补贴占销售额的百分比"；地区接收的 FDI 不是"是或否"，而是"人均 FDI 金额"。强度模型将政策的"剂量-反应"关系形式化，广泛用于政策评估、产业组织、劳动经济学和发展经济学等领域。

强度模型的核心逻辑

标准双重差分法（Difference-in-Differences, DID）假设处理是二元的：某个个体在某个时点之后"接受处理"，之前"未接受处理"。但在许多实际场景中，处理在不同个体之间具有不同的强度——某些地区获得了更大力度的税收优惠，某些企业削减了更多关税税率，某些学校获得了更多额外拨款。忽略这种强度差异、将其粗暴地二值化会损失大量信息，并可能导致估计偏误。

强度模型通过将处理变量构造为连续或有序的强度指标来解决这一问题。其基本回归框架可以表示为：

Yit=α+β⋅Intensityit+γ⋅Xit+λi+μt+εitY_{it} = \alpha + \beta \cdot \text{Intensity}_{it} + \gamma \cdot X_{it} + \lambda_i + \mu_t + \varepsilon_{it}

其中 Intensityit\text{Intensity}_{it} 为个体 ii 在时期 tt 的处理强度，可连续（如税率变化幅度）也可离散有序（如低/中/高强度组），λi\lambda_i 和 μt\mu_t 分别为个体固定效应和时间固定效应。参数 β\beta 度量强度每增加一单位对结果 YitY_{it} 的平均边际影响，是政策分析的核心关注对象。

主要类型与应用场景

处理强度 DID (Intensity-DID)

在双重差分法的扩展中，处理强度 DID 将经典的二值处理变量 Dit∈{0,1}D_{it} \in \{0, 1\} 替换为连续强度 Sit∈[0,∞)S_{it} \in [0, \infty) 或分组强度等级。例如，研究最低工资上调对就业的影响时，不同地区最低工资的上涨幅度各异，天然构成了连续的处理强度。此时 DID 估计量变为：

β^=Cov(ΔY,ΔS)Var(ΔS)\hat{\beta} = \frac{\text{Cov}(\Delta Y, \Delta S)}{\text{Var}(\Delta S)}

即在差分空间中，结果变化对强度变化的回归系数。该方法比二元 DID 更充分利用了数据变异，但也要求更强的平行趋势假设——不仅要求处理组和控制组在处理前有相同的变化趋势，还隐含要求不同强度组之间在处理前也具有相同趋势。

因子强度模型 (Factor Intensity Models)

在国际贸易理论中，要素强度（Factor Intensity）描述某种产品的生产对资本、劳动、技术等要素的相对依赖程度。Heckscher-Ohlin模型 的核心洞察在于：一国倾向于出口密集使用其丰裕要素的产品。例如，资本密集型产品（资本-劳动比高）更可能由资本充裕国出口，而劳动密集型产品由劳动充裕国出口。要素强度的度量通常采用要素投入的比率形式：

Capital Intensity=KL,Skill Intensity=HL\text{Capital Intensity} = \frac{K}{L}, \quad \text{Skill Intensity} = \frac{H}{L}

其中 KK 为资本存量，HH 为高技能劳动力，LL 为总劳动力。要素强度模型同时解释了贸易模式和要素价格均等化趋势，构成新古典贸易理论的核心。

R\&D 强度与创新模型

在产业组织和内生增长理论中，R\&D 强度（研发支出占销售收入或 GDP 的比重）是解释企业创新产出和生产率增长的关键变量。强度模型将 R\&D 强度作为知识生产函数的核心投入：

\text{Innovation}_{it} = f(\text{R&D Intensity}_{it}, \text{Human Capital}_{it}, \text{Spillovers}_{it})

这类模型表明，创新产出不仅取决于研发投入的绝对量，更取决于其相对于企业或经济体规模的强度——这一"熊彼特假说"的强度版本，为竞争政策与创新政策的权衡提供了量化基础。

识别挑战与计量策略

强度模型的主要识别威胁包括：

  1. 强度内生性：处理强度本身通常是内生的——更急需救助的企业可能获得更高强度的补贴，此时 OLS 估计有偏。常用策略是寻找工具变量，如利用政策规则中的断点（断点回归设计）或政策实施前的某些预设特征。
  2. 函数形式敏感性：强度与结果之间的函数形式（线性、对数线性、二次）选择对结论影响较大，需进行稳健性检验或使用非参数方法（如局部线性回归）。
  3. 剂量-反应的非线性与异质性：强度效应可能存在门槛效应——低于某个阈值的处理强度无显著效果，超过后方显现。门槛回归模型（Threshold Regression）和分位数处理效应是应对此问题的常用工具。
  4. 一般均衡溢出：高强度处理的个体可能通过市场渠道影响低强度个体（如一般均衡效应），违反稳定个体处理值假设（SUTVA）。

与传统二元模型的比较

  • 信息利用：强度模型利用处理的全部变异信息，比二元模型更具统计功效；样本量有限时，强度模型能检测出更细微的处理效应。
  • 政策外推：强度模型直接提供了"剂量-反应"关系的估计，便于进行反事实分析（如"若补贴强度提高 10\%，就业将增加多少"），而二元模型只能报告"有补贴 vs. 无补贴"的平均效果。
  • 假设条件：强度模型对识别假设的要求更为苛刻——需要假设强度变化在处理前与结果无关（类似于平行趋势的强度版本），其有效性依赖于制度细节和自然实验设计的质量。

强度模型的核心贡献在于将政策评估从"是否有效"推进到"多少才有效"，为精细化政策设计提供了微观实证基础。在大规模微观数据和机器学习方法日趋普及的背景下，强度模型正在成为现代应用计量经济学的标准工具之一。