摘? ?要：本文分別從基于雙重差分方法的模型、基于一般均衡分析的模型、基于效率分析的模型和其他評(píng)估模型四個(gè)方面，梳理了宏觀政策評(píng)估研究文獻(xiàn)，總結(jié)了宏觀政策評(píng)估所用到的計(jì)量方法。本文認(rèn)為，隨著計(jì)量統(tǒng)計(jì)技術(shù)的進(jìn)步和數(shù)據(jù)收集處理方法的革新，未來(lái)的宏觀政策效果評(píng)估方法將更加體系化，評(píng)估模型將更具適用性，評(píng)估的思路也將出現(xiàn)新的變革。

關(guān)鍵詞：政策評(píng)估;雙重差分模型;一般均衡模型;效率分析

中圖分類號(hào)：F812.42? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1674-0017-2019（5）-0036-05

一、引言

改革開放以來(lái)，我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展取得了舉世矚目的成就。在經(jīng)濟(jì)社會(huì)發(fā)展過(guò)程中，各級(jí)政府深度參與其中，表現(xiàn)出巨大的配置經(jīng)濟(jì)資源和主導(dǎo)經(jīng)濟(jì)活動(dòng)的能力。各級(jí)政府主導(dǎo)和影響社會(huì)經(jīng)濟(jì)活動(dòng)的主要方式是制定并實(shí)施宏觀政策，包括制定規(guī)章制度、增長(zhǎng)計(jì)劃、產(chǎn)業(yè)政策以及發(fā)展戰(zhàn)略等。因此，科學(xué)評(píng)估宏觀政策效果，對(duì)于提高政策研究和決策水平極為關(guān)鍵，也是推進(jìn)國(guó)家治理體系和治理能力現(xiàn)代化的重要手段。

在國(guó)外，宏觀政策評(píng)估的研究已較為豐富，對(duì)提高宏觀政策的科學(xué)性發(fā)揮了重要作用。近年來(lái)，也有中國(guó)學(xué)者提倡定量評(píng)估社會(huì)經(jīng)濟(jì)政策，強(qiáng)調(diào)運(yùn)用現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)方法與工具進(jìn)行宏觀政策評(píng)估的重要性和必要性。本文梳理總結(jié)國(guó)內(nèi)外宏觀政策效果評(píng)估的經(jīng)濟(jì)模型發(fā)展與應(yīng)用情況，為此領(lǐng)域的相關(guān)研究提供參考借鑒。

二、政策評(píng)估與政策評(píng)估模型

1951年，美國(guó)學(xué)者拉斯韋爾提出了“政策科學(xué)”的概念，之后學(xué)界對(duì)于政策研究的重視程度與日俱增。政策科學(xué)包含決策前分析、政策制定、政策執(zhí)行以及政策評(píng)估等多個(gè)方面。其中，政策評(píng)估是對(duì)政策影響進(jìn)行評(píng)價(jià)并以此判斷政策目標(biāo)實(shí)現(xiàn)程度的活動(dòng)，屬于政策科學(xué)研究的重要內(nèi)容。政策評(píng)估概念有廣義和狹義之分。廣義的政策評(píng)估包含政策的事前評(píng)估（prospective ex-ante evaluation）、執(zhí)行評(píng)估（monitoring interim evaluation）和事后評(píng)估（retrospective ex-post evaluation）三種類型。狹義的政策評(píng)估是指事后評(píng)估（王瑞祥，2003）。

一般情況下，宏觀政策對(duì)各個(gè)群體、行業(yè)和地區(qū)的影響程度深、范圍廣，宏觀政策的出臺(tái)需要建立在科學(xué)判斷的基礎(chǔ)之上。準(zhǔn)確評(píng)估宏觀政策效果，對(duì)于作出科學(xué)合理的政策決策至關(guān)重要。然而，經(jīng)濟(jì)現(xiàn)象具有不可實(shí)驗(yàn)的特點(diǎn)，宏觀政策出臺(tái)之后，各變量之間的因果關(guān)系和作用機(jī)制錯(cuò)綜復(fù)雜，為政策評(píng)估帶來(lái)較大難度。現(xiàn)實(shí)中，許多政策研究屬于簡(jiǎn)單的定性分析，基于對(duì)經(jīng)濟(jì)現(xiàn)狀和歷史的感性認(rèn)識(shí)，提出相應(yīng)的觀點(diǎn)與政策建議。此類政策建議缺乏扎實(shí)的數(shù)據(jù)支撐，科學(xué)性和合理性不高，導(dǎo)致在政策實(shí)施過(guò)程中出現(xiàn)偏差。只有建立在數(shù)據(jù)基礎(chǔ)之上的實(shí)證研究，才能準(zhǔn)確判定各經(jīng)濟(jì)變量之間的內(nèi)在聯(lián)系，從而提高研究結(jié)論的科學(xué)性（洪永淼，2015）。

宏觀政策評(píng)估模型的作用就在于為基于數(shù)據(jù)分析的政策評(píng)估提供依據(jù)。宏觀政策評(píng)估模型根源于計(jì)量統(tǒng)計(jì)方法，通過(guò)嚴(yán)謹(jǐn)?shù)慕y(tǒng)計(jì)推斷過(guò)程發(fā)現(xiàn)經(jīng)濟(jì)數(shù)據(jù)之間的內(nèi)在規(guī)律，揭示宏觀政策與各經(jīng)濟(jì)變量之間的因果關(guān)系，從而評(píng)價(jià)宏觀政策的效果。宏觀政策評(píng)估模型的運(yùn)用，一方面提供了科學(xué)的計(jì)量統(tǒng)計(jì)理論指引，避免分析經(jīng)濟(jì)數(shù)據(jù)時(shí)的主觀性偏差;另一方面提供了扎實(shí)的數(shù)據(jù)支撐，提高了評(píng)價(jià)政策效果的準(zhǔn)確性。

三、政策評(píng)估模型發(fā)展與應(yīng)用

宏觀政策效果評(píng)估是數(shù)理經(jīng)濟(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)學(xué)在政策評(píng)估中的應(yīng)用。長(zhǎng)期以來(lái)，國(guó)外學(xué)者運(yùn)用多種數(shù)理經(jīng)濟(jì)模型和計(jì)量經(jīng)濟(jì)模型對(duì)經(jīng)濟(jì)政策進(jìn)行量化評(píng)估，形成了豐碩的研究成果。最近二十年來(lái)，一些研究主要運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)方法，對(duì)經(jīng)濟(jì)政策進(jìn)行量化分析，計(jì)算政策出臺(tái)對(duì)特定群體、行業(yè)或地區(qū)的影響，這一領(lǐng)域的研究被稱為政策評(píng)估計(jì)量經(jīng)濟(jì)學(xué)，極大地促進(jìn)了計(jì)量經(jīng)濟(jì)理論在政策評(píng)估中的應(yīng)用（洪永淼，2015）。本文根據(jù)政策評(píng)估方法的基本思想，將宏觀政策評(píng)估模型歸為以下幾類。

（一）基于雙重差分方法的模型

雙重差分法（Difference-in-Differences Method，簡(jiǎn)稱DID）最初應(yīng)用于自然科學(xué)研究中，用來(lái)比較特定的實(shí)驗(yàn)條件對(duì)樣本的影響。自上世紀(jì)70年代末之后，雙重差分法逐步被應(yīng)用于政策評(píng)估中（Ashenfelter，1978），該模型及其拓展方法是目前政策效果評(píng)估中應(yīng)用最廣泛的研究工具（石華軍和楚爾鳴，2018）。雙重差分法將政策的實(shí)施看作一個(gè)準(zhǔn)自然實(shí)驗(yàn)，把受到政策影響的樣本作為實(shí)驗(yàn)組，不受政策影響的樣本作為對(duì)照組1。通過(guò)兩次差分剔除實(shí)驗(yàn)組與對(duì)照組在政策實(shí)施前的差異，進(jìn)而對(duì)比兩組樣本的某些指標(biāo)特征，評(píng)估宏觀政策實(shí)施的效果。

基于雙重差分法的研究成果十分豐碩。Card & Krueger（1994）利用美國(guó)新澤西州和賓夕法尼亞州快餐業(yè)數(shù)據(jù)，運(yùn)用雙重差分法評(píng)估了美國(guó)最低工資法對(duì)就業(yè)的影響。Alatas and Cameron（2003）發(fā)現(xiàn)對(duì)于最低工資政策效果的討論主要集中于發(fā)達(dá)國(guó)家，因而利用同樣的方法分析了低收入國(guó)家最低工資制度的政策效果，發(fā)現(xiàn)最低工資制度降低了國(guó)內(nèi)小型企業(yè)的就業(yè)水平，而對(duì)國(guó)內(nèi)和國(guó)外的大型企業(yè)的就業(yè)水平?jīng)]有影響。Meyer et al.（1995）利用雙重差分法考察了工人工傷賠償政策對(duì)工人缺勤率的影響。Acemoglu and Angrist（2001）運(yùn)用該模型研究了美國(guó)殘疾人法案的施行效果，發(fā)現(xiàn)該法案顯著降低了殘疾人就業(yè)率，并且在中型企業(yè)這一政策對(duì)就業(yè)的影響大于小型企業(yè)。周黎安和陳燁（2005）是國(guó)內(nèi)運(yùn)用雙重差分模型研究宏觀政策效果的早期文獻(xiàn)。文章評(píng)估了農(nóng)村稅費(fèi)改革的政策效果，認(rèn)為稅費(fèi)改革對(duì)農(nóng)民純收入增長(zhǎng)的貢獻(xiàn)高達(dá)40%以上。韓仁月和馬海濤（2019）構(gòu)建雙重差分模型評(píng)估了不同的稅收優(yōu)惠政策對(duì)于企業(yè)創(chuàng)新的激勵(lì)效果，發(fā)現(xiàn)研發(fā)費(fèi)用加計(jì)扣除的政策效果最強(qiáng)，稅率優(yōu)惠次之，而固定資產(chǎn)加速折舊對(duì)企業(yè)研發(fā)投入的激勵(lì)效果不明顯。王傳榮和付婷婷（2019）采用雙重差分法考察了中國(guó)文化貿(mào)易政策提升文化產(chǎn)業(yè)競(jìng)爭(zhēng)力的政策效果，認(rèn)為文化貿(mào)易政策能夠提高文化產(chǎn)業(yè)的內(nèi)容創(chuàng)新能力，但對(duì)文化產(chǎn)業(yè)技術(shù)進(jìn)步的促進(jìn)作用卻很小，且政策時(shí)滯較長(zhǎng)。

雙重差分法樣本選擇條件十分苛刻，給模型應(yīng)用帶來(lái)了較大的難度，導(dǎo)致對(duì)政策效果的判斷容易出現(xiàn)偏誤（陳林和伍海軍，2015）。如果分組不當(dāng)，使分組和抽樣不滿足隨機(jī)性條件，則會(huì)產(chǎn)生“選擇性偏誤”問(wèn)題。并且，假如實(shí)驗(yàn)組與對(duì)照組樣本在政策實(shí)施前所關(guān)注的因變量特征不一致，則不滿足平行趨勢(shì)假定，也給研究分析造成困難。另外，由于其他政策也可能造成類似的政策效應(yīng)，在運(yùn)用雙重差分法評(píng)估政策效果之后，還須進(jìn)行實(shí)驗(yàn)后測(cè)和謬誤檢驗(yàn)，以確保實(shí)驗(yàn)效果的排他性（石華軍和楚爾鳴，2017）。雖然應(yīng)用條件極為嚴(yán)格，但是雙重差分法依然是應(yīng)用最為廣泛的宏觀政策效果評(píng)估模型。

（二）基于一般均衡分析的模型

可計(jì)算一般均衡模型（Computable General Equilibrium，CGE）與動(dòng)態(tài)隨機(jī)一般均衡模型（Dynamic Stochastic General Equilibrium，DSGE）均是基于均衡思想構(gòu)建的分析框架。兩種模型的計(jì)量方法和過(guò)程并無(wú)直接聯(lián)系，但均體現(xiàn)了新古典經(jīng)濟(jì)學(xué)理性人行為最優(yōu)化的思想，通過(guò)求解均衡方程觀察政策變量對(duì)其他經(jīng)濟(jì)變量的影響。

可計(jì)算一般均衡模型（CGE）模型中，各經(jīng)濟(jì)行為主體（企業(yè)、消費(fèi)者和政府等）在各自的預(yù)算約束條件下，追求利潤(rùn)最大化或效用最大化。具體而言，企業(yè)確定各種商品的最優(yōu)供給量和使用生產(chǎn)要素的最優(yōu)數(shù)量，以達(dá)到利潤(rùn)最大化;消費(fèi)者確定商品的需求量，以達(dá)到預(yù)算約束下的效用最大化。最終，在市場(chǎng)機(jī)制的作用下，經(jīng)濟(jì)達(dá)到穩(wěn)定狀態(tài)，此時(shí)供給量與需求量相等，實(shí)現(xiàn)商品市場(chǎng)、要素市場(chǎng)、資本市場(chǎng)、政府預(yù)算和居民收支的均衡。諸多研究基于以上均衡思想，探索利用CGE模型進(jìn)行宏觀政策評(píng)估。Euijune and Kabsung（2002）利用CGE模型評(píng)估了韓國(guó)區(qū)域發(fā)展政策對(duì)經(jīng)濟(jì)增長(zhǎng)、通貨膨脹、收入分配和跨區(qū)域經(jīng)濟(jì)差距的影響。郭捷和劉子辰（2015）基于CGE模型評(píng)估了我國(guó)西北地區(qū)民族經(jīng)濟(jì)政策，模擬了一般轉(zhuǎn)移性支付政策對(duì)西北地區(qū)經(jīng)濟(jì)要素和企業(yè)產(chǎn)出的影響。通過(guò)設(shè)定轉(zhuǎn)移支付增加的情景，縱向?qū)Ρ攘宿D(zhuǎn)移支付政策在2007年和2012年對(duì)西北民族地區(qū)各經(jīng)濟(jì)要素的影響。

一般動(dòng)態(tài)隨機(jī)均衡模型（DSGE）能夠刻畫不同變量之間的復(fù)雜關(guān)系，而不依賴于“其他條件不變”的假設(shè)，因而更為貼近現(xiàn)實(shí)。DSGE模型以微觀主體的利益最大化為出發(fā)點(diǎn)，描述了消費(fèi)者、廠商等具有代表性的經(jīng)濟(jì)參與者的行為，因而使宏觀政策研究具有扎實(shí)的微觀基礎(chǔ)。DSGE模型雖然多用于貨幣政策等金融領(lǐng)域的政策分析，但在其他政策評(píng)價(jià)中的應(yīng)用也十分廣泛。Ramsy（1927）構(gòu)建了DSGE理論框架，以定量的方式研究了貨幣政策和財(cái)政政策的效果，是這一領(lǐng)域的早期文獻(xiàn)。Boscá（2010）建立了西班牙經(jīng)濟(jì)理性預(yù)期模型（Rational Expectations Model for the Spanish economy，REMS），這個(gè)模型是一個(gè)小型開放經(jīng)濟(jì)的一般動(dòng)態(tài)均衡模型，也是一個(gè)新興古典—?jiǎng)P恩斯主義綜合模型。文章評(píng)估了西班牙經(jīng)濟(jì)事務(wù)和財(cái)政部的政策效果，對(duì)政策選項(xiàng)與經(jīng)濟(jì)結(jié)果之間的傳導(dǎo)渠道做了嚴(yán)密的分析。Erceg et al.（2005）構(gòu)造了基于多國(guó)開放經(jīng)濟(jì)的動(dòng)態(tài)隨機(jī)一般均衡模型，對(duì)經(jīng)濟(jì)政策進(jìn)行量化分析。文章對(duì)寬松的貨幣政策、政府支出增加等政策效果進(jìn)行了分析，同時(shí)還模擬了勞動(dòng)生產(chǎn)率持續(xù)增加、勞動(dòng)稅率減少、資本稅率減少這三個(gè)長(zhǎng)期變量的變動(dòng)對(duì)經(jīng)濟(jì)的影響。李春頂?shù)龋?019）構(gòu)建了一個(gè)包含29個(gè)經(jīng)濟(jì)體的大型一般均衡模型系統(tǒng)，模擬了中美貿(mào)易摩擦的經(jīng)濟(jì)影響和中國(guó)6種應(yīng)對(duì)措施的政策效果。呂進(jìn)中等（2019）建立了評(píng)估宏觀審慎政策工具的有效性的DSGE模型，分別考察了貸款價(jià)值比政策、加強(qiáng)型貨幣政策、逆周期的存款準(zhǔn)備金率政策以及貸款增速指導(dǎo)政策的效果。DSGE模型的優(yōu)點(diǎn)在于能夠刻畫經(jīng)濟(jì)的結(jié)構(gòu)特征，并分析經(jīng)濟(jì)變量對(duì)經(jīng)濟(jì)沖擊的反應(yīng)。而且，DSGE模型還提供了一致的理論分析框架，描述經(jīng)濟(jì)在短期和長(zhǎng)期內(nèi)對(duì)沖擊的反應(yīng)，可以觀察經(jīng)濟(jì)在沖擊發(fā)生后向其均衡路徑回歸的過(guò)程。

（三）基于效率分析的模型

諸多文獻(xiàn)注重從效率的角度評(píng)估政策實(shí)施的效果。目前，基于效率分析的主要模型是數(shù)據(jù)包絡(luò)分析方法（Data Envelopment Analysis， DEA），這一模型被廣泛地運(yùn)用于政策效果的評(píng)價(jià)之中。1978年，美國(guó)著名運(yùn)籌學(xué)家Charnes以及Rhodes提出了數(shù)據(jù)包絡(luò)分析方法。這一方法是對(duì)運(yùn)籌學(xué)、管理科學(xué)與數(shù)理經(jīng)濟(jì)學(xué)理論的綜合應(yīng)用。DEA模型首先估計(jì)有效生產(chǎn)前沿面，進(jìn)而通過(guò)比較決策單元（Decision Making Units，DMU）與前沿面的距離來(lái)評(píng)價(jià)其相對(duì)有效性。DEA模型被應(yīng)用于包含經(jīng)濟(jì)金融政策在內(nèi)的各宏觀政策的評(píng)估中。Sohel et al.（2014）評(píng)估了日本金融服務(wù)局的金融政策對(duì)銀行、保險(xiǎn)公司、銀行控股公司規(guī)模報(bào)酬的作用，認(rèn)為金融政策總體上提升了金融體系的整體效率。Halkos and Tzeremes（2010）基于新古典增長(zhǎng)理論，利用DEA模型評(píng)價(jià)了希臘經(jīng)濟(jì)發(fā)展政策的有效性，認(rèn)為在13個(gè)行政區(qū)域中存在著顯著的政策效率損失。Qing-Cheng M and Yan G（2005）運(yùn)用兩階段的DEA模型評(píng)價(jià)了金融政策的相對(duì)效率。Yao（2013）基于DEA模型評(píng)估了金融支持政策對(duì)于制造業(yè)過(guò)程創(chuàng)新的作用。Wu et al.（2014）利用中國(guó)2005年至2010年循環(huán)經(jīng)濟(jì)數(shù)據(jù)，評(píng)估了中國(guó)提出循環(huán)經(jīng)濟(jì)政策的效果，指出提高中央政府不同政策的協(xié)調(diào)性和地方政府區(qū)域政策的適用性是實(shí)現(xiàn)可持續(xù)發(fā)展的必要條件。Bosetti and Buchner（2005）測(cè)度了11種氣候應(yīng)對(duì)政策的相對(duì)效率，綜合運(yùn)用DEA模型和成本收益分析（Cost-Benefit Analysis，CBA）方法，評(píng)估了各種政策的相對(duì)優(yōu)勢(shì)。同時(shí)，文章還基于DEA模型計(jì)算了政策的相對(duì)效率得分。Cao et al.（2017）利用DEA模型測(cè)算了新能源汽車支持政策的有效性和規(guī)模效益。高宏偉和劉延平（2006）利用DEA模型測(cè)度了鐵路行業(yè)的產(chǎn)出效率，并對(duì)資產(chǎn)經(jīng)營(yíng)責(zé)任制的政策效果進(jìn)行了評(píng)估，得出資產(chǎn)經(jīng)營(yíng)責(zé)任制的政策并沒(méi)有顯著改善鐵路局總體產(chǎn)出效率的結(jié)論，認(rèn)為其政策影響力主要體現(xiàn)在非最繁忙線路上。史曉紅等（2012）利用DEA模型評(píng)價(jià)了城市傾向的經(jīng)濟(jì)政策對(duì)于城鄉(xiāng)居民收入差距的有效性，認(rèn)為從長(zhǎng)期看這一政策導(dǎo)致了收入差距的擴(kuò)大。

隨機(jī)前沿分析方法（Stochastic Frontier Analysis，SFA）也是測(cè)算效率的模型，但在政策評(píng)估方面的應(yīng)用比DEA方法少很多。SFA可以用明確的函數(shù)關(guān)系表示投入變量對(duì)產(chǎn)生變量的影響程度，發(fā)現(xiàn)政策變量與目標(biāo)變量之間的關(guān)聯(lián)，從而評(píng)估宏觀政策的效果。例如，遲國(guó)泰和孟斌（2017）建立了國(guó)家重大區(qū)域規(guī)劃政策的隨機(jī)前沿分析模型（SFA），利用以往數(shù)據(jù)估算某一年份經(jīng)濟(jì)指標(biāo)，并與相應(yīng)年份實(shí)際經(jīng)濟(jì)指標(biāo)值對(duì)照比較，以此評(píng)價(jià)政策實(shí)施效果。同時(shí)，文章還基于SFA模型觀測(cè)了政策變量與目標(biāo)變量之間的規(guī)律性聯(lián)系。

（四）其他模型方法

諸多計(jì)量統(tǒng)計(jì)方法被用于政策效果評(píng)價(jià)之中。這些方法沒(méi)有如上述模型那樣得到較為廣泛的應(yīng)用，不是政策評(píng)估的典型方法，因而無(wú)法依據(jù)評(píng)估思路進(jìn)行歸類。然而，此類文獻(xiàn)也為政策評(píng)估提供了良好借鑒。例如，孫永波等（2011）基于組合預(yù)測(cè)模型評(píng)價(jià)了黑龍江省區(qū)域政策效應(yīng)，結(jié)果發(fā)現(xiàn)區(qū)域經(jīng)濟(jì)政策在總體上是有效的，但在地區(qū)間協(xié)調(diào)發(fā)展方面的效果還有待改進(jìn)。文章首先確定經(jīng)濟(jì)政策評(píng)估的指標(biāo)體系，之后通過(guò)求解各單項(xiàng)預(yù)測(cè)模型預(yù)測(cè)值的加權(quán)算術(shù)平均而得到其組合預(yù)測(cè)值，測(cè)算在沒(méi)有實(shí)施該項(xiàng)區(qū)域經(jīng)濟(jì)政策時(shí)的經(jīng)濟(jì)指標(biāo)值。通過(guò)測(cè)算值與實(shí)際觀測(cè)值的對(duì)比分析，得出評(píng)分結(jié)果，進(jìn)而判斷政策效應(yīng)。文章所用的基于組合預(yù)測(cè)模型的區(qū)域政策實(shí)施——投影對(duì)比分析法，其優(yōu)點(diǎn)在于能夠解決區(qū)域政策評(píng)價(jià)中存在的目標(biāo)不確定和影響因素難以量化的問(wèn)題。一些常規(guī)的方法也被運(yùn)用于政策效果的評(píng)估之中。Horacio and Gaston（2016）運(yùn)用面板數(shù)據(jù)固定效應(yīng)模型評(píng)估了阿根廷宏觀審慎政策對(duì)貸款增長(zhǎng)的影響，發(fā)現(xiàn)資本緩沖政策和限制外匯頭寸政策均顯著降低了貸款增速。常規(guī)的回歸模型的缺點(diǎn)在于，政策實(shí)施前后的經(jīng)濟(jì)環(huán)境已經(jīng)發(fā)生變化，即使在同一時(shí)點(diǎn)上，不同區(qū)域的經(jīng)濟(jì)條件也有所差別，因而難以對(duì)政策效果作出精確的對(duì)比分析。吳翌琳和黃箏（2018）首先運(yùn)用Ridit分析方法篩選政策種類，進(jìn)而利用傾向評(píng)分匹配法探索了財(cái)稅政策對(duì)于創(chuàng)業(yè)企業(yè)年收入的影響，驗(yàn)證了財(cái)稅政策對(duì)于提升企業(yè)盈利能力的重要作用。

四、政策評(píng)估模型發(fā)展與應(yīng)用展望

新的政策評(píng)估的模型工具是在研究各類社會(huì)經(jīng)濟(jì)問(wèn)題的過(guò)程中不斷發(fā)展完善的。宏觀政策效果評(píng)估模型并非是與其他計(jì)量工具相割裂的獨(dú)立研究體系，而是計(jì)量工具在宏觀政策評(píng)估領(lǐng)域的應(yīng)用。宏觀政策效果評(píng)估的模型發(fā)展，最終取決于統(tǒng)計(jì)計(jì)量技術(shù)的進(jìn)步。計(jì)量技術(shù)的發(fā)展是循序漸進(jìn)的過(guò)程，因而，宏觀政策評(píng)估模型的發(fā)展也須逐步完善。

宏觀政策評(píng)估模型將隨著計(jì)量統(tǒng)計(jì)科學(xué)和數(shù)據(jù)處理技術(shù)的進(jìn)步而逐步發(fā)展，并在實(shí)踐中不斷完善。未來(lái)的政策評(píng)估模型可能有以下幾個(gè)方面的發(fā)展趨勢(shì)。第一是評(píng)估方法更加體系化。目前政策評(píng)估具體方法的研究仍然是我國(guó)政策評(píng)估的薄弱環(huán)節(jié)。量化方法的運(yùn)用還處于較為散亂的狀態(tài)，尚未形成一定的科學(xué)系統(tǒng)，呈現(xiàn)出不規(guī)范的情形（譚維，2014）。隨著公共政策科學(xué)的發(fā)展，宏觀政策評(píng)估模型的應(yīng)用也將越來(lái)越體系化，并在評(píng)估實(shí)踐中不斷完善。第二是模型適用范圍更廣泛。經(jīng)濟(jì)現(xiàn)象不同于自然科學(xué)中的可重復(fù)實(shí)驗(yàn)，具有不可操控的特點(diǎn)，因而很多政策評(píng)估方法是建立在嚴(yán)苛的假設(shè)條件基礎(chǔ)之上的。隨著計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展進(jìn)步，許多模型的假設(shè)條件有望被進(jìn)一步放寬，從而使得模型的適用范圍有所擴(kuò)大（洪永淼，2015）。第三是評(píng)估思路的改進(jìn)。隨著大數(shù)據(jù)的研究和應(yīng)用不斷走向深入，數(shù)據(jù)收集和處理的成本將越來(lái)越低，數(shù)據(jù)質(zhì)量將逐步提升，這為未來(lái)的宏觀政策評(píng)估帶來(lái)便利。數(shù)據(jù)處理方式的變革，有可能顛覆目前政策評(píng)估模型的傳統(tǒng)思路，由重視變量之間的因果性向主要關(guān)注其相關(guān)性轉(zhuǎn)變。

參考文獻(xiàn)

[1]Acemoglu， D.， and J. D. Angrist. Consequences of Employment Protection？ The Case of the Americans with Disabilities Act?[J].Journal of Political Economy， 2001， 109（5）：915-957.

[2]Alatas V ， Cameron L . The impact of minimum wages on employment in a low income country ： an evaluation using the

[3]difference-differences approach[J]. Social Science Electronic Publishing， 2003， 61（2）：201-223.

[4]Ashenfelter O.. Estimating the Effect of Training Programs on Earning[J]. The Review of Econoics and Statistics，1978，60（1）：47-57.

[5]Bosetti V ， Buchner B . Using Data Envelopment Analysis to Assess the Relative Efficiency of Different Climate Policy?Portfolios[R]. Working Papers， 2005.

[6]Card， D， and A， Krueger. Minimum Wages and Employment： A Case Study of the Fast Food Industry in New Jersey and?Pennsylvania[J]. American Economic Review， 1994， 84， 772-793.

[7]Erceg C J ， Guerrieri L ， Gust C J . SIGMA： A New Open Economy Model for Policy Analysis[J]. International Finance?Discussion Papers， 2005， 83（1）：1--50.

[8]Halkos G E ， Tzeremes N G . Measuring regional economic efficiency： the case of Greek prefectures[J]. Annals of Regional?Science， 2010， 45（3）：603-632.

[9]Horacio Aguirrey，Gastón Repettoz. Macroprudential Policy Evaluation using Credit Registry Data： Argentina， 2009-2014[J].?BIS Working Paper，2016.

[10]J. E. Boscá， A. Díaz， R. Doménech， et al. A rational expectations model for simulation and policy evaluation of the Spanish?economy[J]. Series， 2010， 1（1-2）：135-169.

[11]Kim E，Kim K. Impacts of regional development strategies on growth and equity of korea： a multiregional CGE mode[J].?Annals of Regional Science，2002，36（ 1） ： 165-180.

[12]Mengtian C ， Luyang L . [IEEE 2017 3rd International Conference on Information Management （ICIM） - Chengdu， China?（2017.4.21-2017.4.23）] 2017 3rd International Conference on Information Management （ICIM） - The policy performance?evaluation of new energy automobile industry based on DEA method[J]. 2017：1-5.

[13]Meyer B D， Viscusi W K， Durbin D L. Workers' Compensation and Injury Duration： Evidence from a Natural Experiment[J]. American Economic Review， 1995， 85（3）：322-340.

[14]Qing-Cheng M ， Yan G . DEA twostages method for evaluating the relative efficiency of finance policy[J]. Journal of?University of Shanghai for Science & Technology， 2005.

[15]Qian Y . Empirical research on performance evaluation of financial support policy on process innovation of manufacturing?industry[C]// International Conference on Management Science & Engineering. IEEE， 2013.

[16]Ramsey，F(xiàn). A contribution to the theory of taxation[J]. Economic Journal，1927，（ 37） .

[17]Sohel Azad， Suzuki Yasushi， Victor Fang and Amirul Ahsan. Impact of policy changes on the efficiency and returns-to-scale?of Japanese financial institutions： An evaluation[J]. Research in International Business and Finance， 2014， 32：159-171.

[18]Wu H， Shi Y， Xia Q， et al. Effectiveness of the policy of circular economy in China： A DEA-based analysis for the period of11th five-year-plan[J]. Resources Conservation & Recycling， 2014， 83（1）：163-175.

[19]陳林和伍海軍. 國(guó)內(nèi)雙重差分法的研究現(xiàn)狀與潛在問(wèn)題[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2015（7）：133-148.

[20]遲國(guó)泰， 孟斌. 國(guó)家重大區(qū)域規(guī)劃政策效果評(píng)價(jià)模型及應(yīng)用[J]. 系統(tǒng)工程學(xué)報(bào)， 2017， 32（6）：774-782.

[21]高宏偉， 劉延平. 鐵路行業(yè)產(chǎn)出效率的測(cè)量與經(jīng)濟(jì)政策評(píng)估[J]. 統(tǒng)計(jì)研究， 2006， 23（7）：46-49.

[22]郭捷， 劉子辰. 基于CGE模型的我國(guó)西北地區(qū)民族經(jīng)濟(jì)政策模擬和實(shí)證研究[J]. 運(yùn)籌與管理， 2015（4）：148-154.

[23]韓仁月，馬海濤. 稅收優(yōu)惠方式與企業(yè)研發(fā)投入——基于雙重差分模型的實(shí)證檢驗(yàn)[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019（03）：3-10.

[24]洪永淼. 提倡定量評(píng)估社會(huì)經(jīng)濟(jì)政策，建設(shè)中國(guó)特色新型經(jīng)濟(jì)學(xué)智庫(kù)[J]. 經(jīng)濟(jì)研究， 2015.

[25]李春頂， 何傳添， 林創(chuàng)偉. 中美貿(mào)易摩擦應(yīng)對(duì)政策的效果評(píng)估[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2018， 367（10）：139-157.

[26]呂進(jìn)中， 張燕， 張鵬輝， et al. 宏觀審慎政策工具的有效性研究——基于動(dòng)態(tài)隨機(jī)一般均衡模型的分析[J]. 金融監(jiān)管研究， 2018， 82（10）：22-36.

[27]周黎安， 陳燁. 中國(guó)農(nóng)村稅費(fèi)改革的政策效果：基于雙重差分模型的估計(jì)[J]. 經(jīng)濟(jì)研究， 2005（8）：44-53.

[28]石華軍， 楚爾鳴. 政策效果評(píng)估的雙重差分方法[J]. 統(tǒng)計(jì)與決策， 2017（17）：82-85.

[29]史曉紅， 李金霞， 陳磊. 城市傾向的經(jīng)濟(jì)政策對(duì)于城鄉(xiāng)居民收入差距的有效性評(píng)價(jià)——基于DEA和CCR模型的面板數(shù)據(jù)分析[J]. 農(nóng)林經(jīng)濟(jì)管理學(xué)報(bào)， 2012（2）：91-95.

[30]孫永波， 王平安， 王素娟. 基于組合預(yù)測(cè)模型的區(qū)域政策經(jīng)濟(jì)效應(yīng)評(píng)價(jià)[J]. 黑龍江科技大學(xué)學(xué)報(bào)， 2011， 21（6）：481-485.

[31]王瑞祥. 政策評(píng)估的理論、模型與方法[J]. 預(yù)測(cè)， 2003， 22（3）：6-11.

[32]王傳榮，付婷婷. 中國(guó)文化貿(mào)易政策對(duì)文化產(chǎn)業(yè)競(jìng)爭(zhēng)力的影響——基于雙重差分法的經(jīng)驗(yàn)分析[J]. 山東財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019（2）：60-71.

[33]吳翌琳， 黃箏. 基于傾向得分匹配法的創(chuàng)業(yè)政策實(shí)證研究——以財(cái)稅政策評(píng)估為例[J]. 宏觀經(jīng)濟(jì)研究， 2018（9）.

Development and Application of Macro Policy

Evaluation Model：A Literature Review

HAO Weiya

（Xian Branch of PBC， Xian Shaanxi 710075）

Abstract： In the situation that governments are deeply involved in economic construction， research on evaluation of macro-policy become more and more important. This paper teased out literature on macro-policy evaluation and summarized econometric methods used in this field based on research from four aspects： Difference-in-Difference Model， General Equilibrium Analysis， efficiency analysis and other models. This article then . As the improvement of econometric and statistic technique， it is believed that the macro-policy evaluation methods would become more systematical， the evaluation model would be more applicable and the evaluation idea would change significantly in the future.

Keywords： policy evaluation; Difference-in-Difference Model; General Equilibrium Model; efficiency analysis

責(zé)任編輯、校對(duì)：謝紅苗

收稿日期：2019-3

作者簡(jiǎn)介：郝威亞（1987.6- ），男，內(nèi)蒙古豐鎮(zhèn)人，應(yīng)用經(jīng)濟(jì)學(xué)博士，經(jīng)濟(jì)師，現(xiàn)供職于中國(guó)人民銀行西安分行。