基于因子分析的因果推断研究

针对反事实框架下的因果推断问题,在因子分析视角下,从优化角度提出利用 L2 因子分析方法估计反事实值,并引入 L1 损失函数优化 L1 风险;结合因果推断与正交因子模型,将面板数据中需要估计的反事实值视作缺失值,从而把因果推断反事实值估计转变为带有缺失值的潜在因子模型估计;舍弃面板数据中的缺失值,通过优化一步得到潜在结果与平均处理效应,避免了信息丢失问题;采用 L1 因子分析代替 L2因子分析来估计模型,做出稳健性上的改进,并获得中位数处理效应;介绍了一种交替凸优化算法解决 L1 、L2 因子分析中的目标函数最小化问题,并给出其具体实现步骤;对于加利福尼亚州限制烟草政策案例做了实证研究,将 L1 、L2 因子分析与已有因果推断方法进行比较分析,结果表明:因子模型的 L1 、L2 估计量同样适用于宏观经济变量预测;最后通过设置伪实验组与伪介入的假设,验证了 L1 因子分析较其他方法具有更稳健的预测效果。     

福建自贸区对吸引外商直接投资的影响——基于合成控制法的分析

为推动福建省自贸区更有效地吸引外商直接投资，运用合成控制法，通过对比处理组与控制组之间的差异，分析福建自贸区的政策实施效果，由此评估福建自贸区对吸引外商直接投资（FDI）的影响。福建自贸区对FDI流入的正向影响于2015年自贸区建立后的第一个季度开始显现，并在2017年第三季度达到峰值，随后逐渐减弱直至2019年第三季度起才开始得到恢复，这与同期全国自贸区政策全面铺开、中美关税战与美国制造业回流政策导向及福建自贸区本身制度创新不足等因素有关。为获取吸引FDI的持续性促进效应，福建自贸区应采取抓好系统集成创新及体制机制建设，持续深化投资便利化改革，借力《区域全面经济伙伴关系协定》率先开放试点等多项举措。     

研发费用加计扣除试点政策的评估研究

以2008—2015年处于试运行期的研发费用加计扣除政策为研究对象，对中关村企业在2008—2015年享受该政策的情况进行评估，判断政策试点的有效性。根据相关性分析方法，利用logit模型做回归分析，分析企业科技活动内部支出和研发人员投入与企业享受研发加计扣除额的相关关系；通过反事实的倾向性得分匹配法研究相关企业在科技活动内部支出水平和企业研发人员投入水平的变化。通过研究得到，企业研发加计扣除额与科技活动内部支出、人员投入呈正相关关系；享受该政策的企业比未享受该政策的企业，在科技活动内部支出水平和企业研发人员投入水平上分别高出0.89%和0.74%,研发费用加计扣除政策从以上2个方面促进了企业的研发投入，试点政策取得一定的效果。     

不完整数据非均衡案例双重鲁棒因果推理EI北大核心CSCDCSSCI

大规模数据中实体异质性和数据不完整性等因素严重制约了因果推理的品质.本文提出了不完整数据双重鲁棒因果推理模型,实现了基于随机分配机制与无偏响应参数估计的因果效应辨识.首先拓清了基于观察数据的因果效应可辨识和可估计的条件.引入处理分配概率分布的概念,构建基于最小化绝对标准偏差的整数优化模型,消除了处理组与对照组之间的协变量不均衡性.通过数据匹配选择模型推导基于最优解或近似优化解的数据子集,实现两组案例之间处理分配的再随机化.通过增强逆概率加权方法,实现案例不完整响应参数的无偏估计.该方法对响应参数估计与处理分配概率的不确定性兼具有鲁棒性,提高了因果效应辨识的品质.最后通过真实案例和拓展数值分析,验证了本方法的有效性.