广义空间双重差分模型的构建及其在环境政策评估中的应用

Based on conventional difference-in-differences model, we propose global spatial difference-in-differences model, which is able to incorporate the spatial spillover of treatment effects. We develop a class of spatially explicit difference-in-differences estimators that allow for spatial interaction among observational units such that the treatment status of an individual affects both the individual's outcome and the outcomes of his/her neighbors. We consider binary treatment, discuss the types of spatial processes that require explicit econometric consideration, and develop estimators for both local and global spatial interaction. In contrast to the traditional spatial autoregressive design, we assume spatial interaction arises only in terms of the effect of treatment on the outcome in order to provide clear discussion of the baseline model. We then compare and contrast our specification to the traditional spatial model, and further extend the basic models to allow for generalized random and fixed effect error components that incorporate both spatial and serial processes. Monte Carlo simulations demonstrate the performance of our estimators, and we develop an empirical application to Chinese highway travel and the direct and indirect effects on air pollution in Chinese cities. Currently, enhancing environmental quality is one important focus of central government policies in China. Due to the fact that air and water flow spatially, the outcomes of policies directed toward decreasing air pollution and water pollution will have spatial spillover effects. Hence, conventional difference-in-differences model is not appropriate to be used in the policy evaluation. According, we provide an appropriate tool, Global spatial difference-in-differences model, for the evaluation of these environmental policies.

本研究在传统的双重差分模型的基础上开发出广义空间双重差分模型，并提出一系列估计量和估计方法。本模型可以解决在项目效果评估中存在项目效果空间溢出的问题，即某个体的项目实验效果不仅取决于其自身是否接受项目实施，还受到其他个体是否接受项目实施的影响。本模型涵盖了空间溢出仅存在于直接相邻的个体之间，可以无限延伸至整个系统，以及处于两种极端状态之间的情况。数据模拟显示，在存在项目效果空间溢出的情况下，传统的双重差分模型估计所得的项目实施效果存在偏差，而广义空间双重差分模型可以实现无偏估计。空气污染和水污染的治理是我国当前环境政策的重点。由于空气和水的空间流动性，此类环境政策的效果会具有空间溢出效应，使得经典的项目效果评估模型，双重差分模型，无法应用于环境政策效果评估。本研究开发出广义空间双重差分模型，有效地弥补传统双重差分模型模型的缺陷，为环境政策效果评估提供恰当的评估工具。

本项目执行三年来，完成了以下四类与项目有关的研究工作。. 一是基础研究。本项目的基础研究包括理论模型构建推导和基础数据工作。前者包括空间双重差分模型的公式理论推导、证明以及生成数据的模拟计算验证；后者包括基础数据的收集和处理。现存的很多可得数据，或空间精度较低不能满足本项目研究需要，或格式不符合计量分析要求。因此，本项目首先进行一系列基础数据工作收集处理数据：（1）提高现有空气质量数据空间精度；（2）提高现有气象数据空间精度；（3）将水域数据网络矩阵化；（4）进行新能源汽车消费者支付意愿问卷调查。前三项工作对R语言编程和计算机计算有较高要求，耗时一年多，现所有工作都已完成。这些工作所产生的代码和数据可供现有项目使用，也为未来研究奠定了重要基础。. 二是具体课题研究。本项目除基础工作之外，还主要进行多个研究课题的工作，其中每个课题形成一篇研究论文，课题论文之间既有相互联系又互相独立。其中已发表研究论文两篇。其中一篇发表在 SSCI英文期刊《Energy Economics》；另外一篇文章发表于《消费经济》。本项目中还另有8篇研究论文尚未见刊，但都已经处于完成或接近完成状态，将会在未来一两年内发表。 . 三是人才培养。本项目基金除资助项目成员的研究之外，还支持了项目主持人孙善侠的三名硕士研究生的培养，分别为牟艳洪、沈玉琴、和韩海迪。其中牟艳洪已于2020年3月份毕业；沈玉琴将于今年3月份毕业。韩海迪同学将于明年3月份毕业。. 四是学术合作与交流。孙善侠于2019年8月参加了在美国亚特兰大举行的2019 AAEA年会并进行学术展示。孙善侠还作为访问学者于2019年夏天赴美国普度大学进行了学术访问和交流。 由于新冠疫情的影响，本项目其他计划参加的学术会议和学术交流访问都未能成行。本部分经费暂时节约下来，待未来两年疫情缓解，用于参加学术会议和交流访问之用。本项目很多研究也在多个高校进行过学术讲座。项目中大多数课题论文都有国际合作。

内容获取失败，请点击重试