大数据背景下面板数据政策评估的估计和推断

研究目标:介绍大数据背景下基于面板数据模型的政策评估方法的最新进展与相关应用。研究方法:回顾双重差分法、合成控制法、面板数据方法、因子估计方法和机器学习方法这几类方法在估计面板数据因果效应方面的最新进展后，介绍现有研究中基于上述估计量的推断方法，最后报告已有文献对于不同方法的对比，并提供实证应用建议。研究发现:当实证应用问题中随时间变化的因子个数超过一个时，特别要关注基于双向固定效应的双重差分法的适用性。运用双向固定效应设定模型不恰当时，可考虑使用基于交互固定效应模型的因子模型类估计和推断方法。研究创新:从大数据时代的政策评估需求出发，梳理基于面板数据的因果效应估计和推断方法并给出应用建议。研究价值:为实证研究者提供了选择政策评估方法的参考指南。