许振国 杨中环/ 文

一、引言

2016 年1 月，国务院印发《推进普惠金融发展规划（2016—2020 年）》，首次出台我国发展普惠金融的国家级战略规划。普惠金融通过向弱势群体提供各种金融服务让每个人获得享受金融服务的权利，促进经济社会发展并实现共同富裕。因此，如何对微型金融社会效应科学评估成为微型金融研究的重要课题。但由于样本选择问题导致的选择性偏误对微型金融社会效应评估产生不利影响，故本文拟对当前微型金融社会效应评估中能有效缓解或消除选择性偏误评估方法进行系统回顾，为后续微型金融社会效应评估提供参考。

二、微型金融社会效应评估面临的问题与解决方法

微型金融社会效应是指向更多的弱势群体提供金融服务，帮助他们消除贫困、增加家庭收入、促进消费和投资，提高子女受教育程度，改善健康医疗条件和提高妇女在家庭与社会中的地位等。其评估面临的问题与解决方法如下：

1. 反事实框架与选择性偏误

在考察微型金融社会效应的因果性贡献时，可以在反事实框架下分析。接受微型金融服务的干预组或者未接受微型金融服务的控制组的个体i 将会有两种潜在的社会效应即：

但实际观测到的社会效应是：

Y1i-Y0i为个体接受小额贷款的社会效应。由于不同的个体接受小额贷款的干预效应不一样，不可能同时观测到某个体两种潜在的社会效应，但可以比较同一类人接受小额贷款和不接受小额贷款的社会效应。实际上可观测接受小额贷款与否的平均社会效应的差异表示如下：

其中，E[Y1i｜Di=1]-E[Y0i｜Di=1]为实际接受小额贷款服务的对象平均干预效应。

E[Y0i｜Di=1]-E[Y0i｜Di=0]为选择性偏误。该选择性偏误主要来源如下：一是微型金融的服务对象可能根据自身具有不可观测特征（如企业家精神等能力特征）而导致自我选择；二是微型金融机构在提供微型金融服务的时候可能根据客户的某些特征进行选择（如贷款给比较富裕地区的对象等）。选择性偏误会影响对微型金融社会效应的评价，严重时得出错误的判断，因此很多研究的目的就是为了缓解或者消除这种选择性偏误。

若从回归分析的角度来考察微型金融的社会效应，设简单回归方程：

则（1）式重写为：

其中，β 为我们所关心的微型金融的社会效应。

为选择性偏误。若Di和εi存在相关性，则

从而因选择性偏误导致的内生性问题，使估计量β 有偏。接下来介绍几种主要能够有效缓解或者消除选择性偏误的方法。

2． 样本选择模型和处理效应模型

（1）样本选择模型

Heckman（1979）针对选择效应进行建模提出了样本选择模型，设接受微型金融服务对象所产生的社会效应Yi满足回归方程：

其中，X'为微型金融和其他控制变量的向量集合。

Yi是否可观测取决于二值选择变量获得微型金融服务为1，否则为0）

决定Di的方程为：

其中，D*i为不可观测的潜变量。假设ui服从正态分布，则

P（Di=1Φ（W'iγ）

从而，

λ（·）为反米尔斯比率函数。样本选择会导致Yi与Di的相关系数ρ≠0，Heckman（1979）提出两步估计法将λ（-W'iγ）引入回归方程中对选择性偏误进行矫正。

（2）处理效应模型

Maddala（1983）将样本选择模型直接应用于观察研究中估计干预效应发展出处理效应模型。其和样本选择模型不同之处在于：一是选择虚拟变量Di直接进入回归方程；二是效应变量Yi对于Di都可以被观测到。具体如下：

结果方程：Yi=θDi+β'Xi+εi

其中，εi和ui分布及特征如上述样本选择模型。从而平均处理效应为：

3. 双重差分模型（Difference-in-Difference，DID）

Heckman&Hotz（1989）首次提出DID 模型。若干预组和控制组都具有干预时间前后两期的数据则可采用DID 模型。该方法通过控制不随时间改变的不可观测的个体因素而导致的选择性偏误的影响而得到较为真实的结果。模型如下：

其中，

在方程（3）中，在D 不能完全随机化的情况下，则D 可能与不可观测的个体特征μi存在相关性，从而导致OLS 估计不一致。但由于是面板数据，可以对方程（3）一阶差分消掉μi，整理得

然后对上式进行估计的干预效应估计值β3。双重差分模型剔除了干预组与控制组在干预前个体差异的影响。

4. 匹配法与倾向值匹配

（1）匹配法

和上述的样本选择、干预模型和DID 等方法中微型金融服务对象的参与决策基于一些不可观察的因素不同，匹配法通过可观察的变量对干预组和控制组相匹配。

考察一般的微型金融社会效应结果方程：

其中：T 表示属于干预组，C 表示属于控制组；X 表示可观测向量，U 表示不可观测变量。

则干预组的社会效应为

若满足基础假设：

则

但当可观测向量X 的维数比较多时，干预组与控制组中成员的匹配非常困难。Rosenbaum&Rubin’s（1983，1985）提出基于特定干预条件概率进行匹配的倾向值匹配方法（PSM）。

（2）倾向值匹配

Rosenbaum&Rubin’s（1983，1985）提出，首先利用可观测变量通过logit 或probit 模型计算出微型金融服务参与者接受干预的条件概率即倾向值P（X），

然后根据倾向值对干预组成员和控制组成员进行匹配。

从而微型金融的平均效应为：

在实际应用中常采用贪婪匹配、最佳匹配和核匹配等（Dehejia&Wahba，2002；Dehejia，2005）方法对αT进行估计。

5. 随机（准）试验

随机试验是目前解决选择性偏误最理想的方法。通过对Di进行随机分配，因此Di独立于潜在的结果消除了选择性偏误，对于干预组和控制组来说，除了干预事件之外，确保从平均上来说二者完全一样。但其主要缺点是现实中实施随机实验的成本较高。相对于随机实验而言，准实验为自然发生，几乎不需要什么成本。其主要原理是由于某些并非为了实验目的而发生的外部突发事件，使研究对象被随机的分在了干预组或控制组，其效力等同于随机实验。

三、结语

综上，在我国当前“大力发展普惠金融”战略规划背景之下，微型金融作为重要的扶贫手段在社会经济发展中起着越来越重要的作用。本文在反事实框架下分析样本选择性偏误对微型金融社会效应评估带来的不良影响，对有效缓解或消除样本选择性偏误的样本选择模型、处理效应模型、双重差分模型、倾向值匹配模型和随机（准）试验等计量方法进行系统梳理和总结。但对于具体微型金融社会效应评估问题，实际分析研究中经常会受到很多局限，真正可用的方法可能不多，不同的评价方法因其对样本偏差的控制差异会带来不同的结论，故在对微型金融社会效应进行评价的时候，需要根据评估对象产生的样本数据特点等因素选择科学而合理的评估方法来控制缓解甚至消除样本选择偏误，从而得到客观、真实的评价结果。