微观计量经济学

微观计量经济学 (Microeconometrics)

微观计量经济学 (Microeconometrics) 是计量经济学的重要分支，主要关注基于个体层面微观数据（如个人、家庭、企业数据）的统计建模与因果推断方法。与宏观计量经济学侧重时间序列数据不同，微观计量经济学通常处理截面数据、面板数据以及复杂抽样调查数据，其核心挑战在于个体异质性、选择性偏差、内生性以及离散或受限因变量等非标准问题。微观计量方法在实证研究中占据核心地位，是连接经济理论与现实数据的关键桥梁。

核心模型与方法

线性回归与面板数据模型。微观数据常包含不可观测的个体异质性。固定效应模型通过组内变换或虚拟变量法消除不随时间变化的个体效应，适用于个体效应与解释变量相关的场景。随机效应模型则假设个体效应与解释变量不相关，通过广义最小二乘法 (GLS) 进行估计。Hausman检验常用于判别两种模型的适用性。动态面板模型 (如Arellano-Bond估计) 则处理包含滞后因变量的情形，在增长回归和企业投资文献中广泛应用。

离散选择模型。当因变量为二元选择时，Logit模型和Probit模型是最常用的方法，两者均通过极大似然估计 (MLE) 拟合，边际效应的计算与解释是实证分析的关键步骤。对于多类别无序选择，多项Logit模型满足独立无关备选项 (IIA) 假定；当IIA不成立时，嵌套Logit模型或混合Logit模型提供更灵活的替代方案。有序因变量（如评级数据）则使用有序Logit或有序Probit模型。

受限因变量模型。当因变量存在截断或归并特征时使用Tobit模型（又称归并回归模型），例如家庭消费支出非负且可能在零点堆积。其扩展包括样本选择模型 (Heckman两步法)，用于处理非随机样本缺失导致的选择性偏差问题，在劳动经济学中的工资方程估计中应用广泛。计数数据模型（如泊松回归、负二项回归）适用于非负整数型因变量（如专利数量、就诊次数）。

因果推断方法

因果推断是微观计量经济学的核心目标，以下方法构成了现代实证研究的工具库。

工具变量法 (IV)。通过寻找与内生解释变量相关、但与扰动项无关的外生工具变量，解决遗漏变量、测量误差或反向因果导致的内生性问题。两阶段最小二乘法 (2SLS) 是标准估计程序。弱工具变量问题 (F统计量小于10) 会导致估计偏误，需通过Cragg-Donald Wald F统计量进行检验。

双重差分法 (DID)。通过比较政策实施前后处理组与控制组之间的结果差异来识别因果效应，其核心假设是平行趋势假设——处理组若未受政策影响，其变化趋势应与控制组相同。近年来，多期交错DID的异质性处理效应问题受到广泛关注，Callaway-SantAnna估计量和Sun-Abraham估计量等新方法被提出以解决传统双向固定效应估计量的偏误问题。

断点回归设计 (RDD)。利用某一临界值附近的个体在是否接受处理上的不连续性来识别因果效应。精确断点回归适用于临界值完全决定处理状态的情形；模糊断点回归则允许处理概率在临界处发生跳跃。带宽选择和核函数的选择是应用中的关键环节。

倾向得分匹配 (PSM)。通过估计个体接受处理的概率（倾向得分），将处理组与控制组中倾向得分相近的个体进行匹配，以减少可观测特征上的分布差异。常用匹配方法包括最近邻匹配、卡尺匹配、核匹配等。匹配后需进行平衡性检验，确保各协变量在处理组与控制组间分布均衡。

合成控制法 (SCM)。通过加权组合多个对照组单元来构造一个合成控制组，以近似处理组在无干预情况下的反事实结果。该方法特别适用于只有一个或少数几个处理单元的案例研究（如某个省份或国家的政策评估）。安慰剂检验是评估SCM估计量统计显著性的常用方法。

前沿方法。近年来，机器学习方法被引入因果推断。因果森林基于随机森林框架估计异质性处理效应；双重机器学习利用机器学习估计nuisance函数并构造对正则化偏误不敏感的因果参数估计量。

应用领域

微观计量经济学在经济学的各个分支都有广泛应用。劳动经济学中，教育回报率的估计 (Mincer方程)、最低工资对就业的影响、性别工资差异的分解 (Blinder-Oaxaca分解) 均依赖微观计量方法。发展经济学中，随机对照试验 (RCT) 和微观信贷项目的因果评估是重要主题。公共经济学中，税收政策对劳动供给的影响、福利项目的瞄准效率研究均需借助微观数据。产业组织中，市场需求估计 (随机系数Logit模型) 和生产效率分析 (随机前沿分析) 是核心内容。健康经济学中，医疗需求、医疗保险的道德风险等研究也大量使用微观计量工具。

软件实现

常用软件包括 Stata (reghdfe、did\_multiplegt等社区贡献包)、R (plm、fixest、Synth等包)、Python (statsmodels、linearmodels、causalml、econml) 以及 Julia (FixedEffectModels.jl)。学术界日益重视代码可复现性，数据与代码的公开存档已成为主流经济学期刊的硬性要求。

总结

微观计量经济学为经验研究提供了严谨的定量工具，帮助研究者在非实验数据中识别因果关系。其方法体系从经典回归发展到现代的机器学习辅助因果推断，不断拓展实证分析的可能性边界。从面板数据模型到断点回归，从工具变量到合成控制法，微观计量方法已成为应用经济学研究的必备工具。掌握这些方法对于从事高质量实证研究至关重要。