自我选择

自我选择 (Self-Selection)

自我选择（Self-Selection）是微观经济学、劳动经济学和计量经济学中的核心概念，指个体基于自身特征、偏好或预期收益，主动选择进入某一群体、状态或处理组的行为。与随机实验中被动的随机分配不同，自我选择意味着个体的决策是内生的——这种内生性会系统性地扭曲统计推断，产生自我选择偏误（Self-Selection Bias）。该概念在政策评估、劳动力市场分析和教育回报估计中具有根本性意义，因为几乎所有观测性数据都涉及某种程度的自我选择。

自我选择偏误的经典表述

自我选择偏误的核心在于：当个体根据其潜在结果（Potential Outcomes）选择是否接受处理时，处理组和控制组在可观测及不可观测特征上均存在系统性差异。以教育回报估计为例：选择接受高等教育的人可能在能力、动机或家庭背景上与未接受高等教育的人不同，而这些特征本身也会影响收入。因此，简单比较两组人的平均工资差异，无法识别教育的因果效应——差异中混杂了能力偏误（Ability Bias）。

形式上，令 $Y_{1i}$ 和 $Y_{0i}$ 分别表示个体 $i$ 接受处理和未接受处理的潜在结果，$D_i \in \{0, 1\}$ 为处理状态。当 $D_i$ 取决于 $(Y_{1i} - Y_{0i})$ 的个体预期值时，朴素比较 $E[Y_i | D_i=1] - E[Y_i | D_i=0]$ 不再等于平均处理效应（ATE），而等于处理组平均处理效应（ATT）加上一个选择偏误项。

罗伊模型 (Roy Model)

罗伊模型（Roy, 1951）是分析自我选择行为的奠基性框架。该模型描述了个体如何在两个或多个部门（如不同职业）之间进行自我选择：每个个体都知道自己在各部门的潜在收入，并选择能使自身收入最大化的部门。模型揭示了一个关键洞见——个体并非随机分配到各部门，而是基于比较优势进行排序。由此产生的选择可以是正向的（高能力者进入高回报部门）或负向的，取决于各部门回报结构的协方差。

赫克曼修正 (Heckman Correction)

詹姆斯·赫克曼（James Heckman, 1979）因解决自我选择偏误问题而获得诺贝尔经济学奖。其赫克曼两步法（Heckman Two-Step）开创性地将选择过程建模为样本选择问题：第一步，用 Probit 模型估计个体进入处理组的概率，并计算逆米尔斯比率（Inverse Mills Ratio, $\lambda$）；第二步，将 $\lambda$ 作为额外回归元加入结果方程，从而纠正选择性偏误。该方法的识别依赖于排除性约束——至少需要一个影响选择但不直接影响结果的工具变量。

应用与政策含义

自我选择的概念深刻影响着实证研究的策略选择。在项目评估中，工具变量法、双重差分（DID）、断点回归设计（RDD）和倾向得分匹配（PSM）等方法均在不同假设下试图处理自我选择带来的内生性问题。在保险市场中，自我选择体现为逆向选择——高风险个体更倾向于购买保险，导致市场失灵。在劳动经济学中，女性的劳动参与决策存在显著的自我选择，忽视这一选择会严重低估性别工资差距。

此外，在医疗经济学中，患者对治疗方案的选择并非随机——更健康的患者可能更积极地寻求治疗，若忽视这一自我选择，会高估治疗效果。类似地，在企业培训项目评估中，自愿参加培训的员工往往本身更具上进心，简单的受训-未受训比较会高估培训回报。现代实证研究日益依赖随机对照试验（RCT）来消除自我选择偏误，但当 RCT 不可行或不 ethically 允许时，准实验方法仍是应对自我选择的主要工具。

理解自我选择是区分相关与因果的第一步。对于研究者和政策制定者而言，意识到数据中个体并非随机分布，而是主动选择了其所在的位置，是做出有效推断和正确决策的前提。