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估模型四個方面，梳理了宏觀政策評估研究文獻，總結(jié)了宏觀政策評估所用到的計量方法。本文認為，隨著計量統(tǒng)計技術(shù)的進步和數(shù)據(jù)收集處理方法的革新，未來的宏觀政策效果評估方法將更加體系化，評估模型將更具適用性，評估的思路也將出現(xiàn)新的變革。

關(guān)鍵詞：政策評估;雙重差分模型;一般均衡模型;效率分析

中圖分類號：F812.42? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-0017-2019（5）-0036-05

一、引言

改革開放以來，我國經(jīng)濟社會發(fā)展取得了舉世矚目的成就。在經(jīng)濟社會發(fā)展過程中，各級政府深度參與其中，表現(xiàn)出巨大的配置經(jīng)濟資源和主導(dǎo)經(jīng)濟活動的能力。各級政府主導(dǎo)和影響社會經(jīng)濟活動的主要方式是制定并實施宏觀政策，包括制定規(guī)章制度、增長計劃、產(chǎn)業(yè)政策以及發(fā)展戰(zhàn)略等。因此，科學(xué)評估宏觀政策效果，對于提高政策研究和決策水平極為關(guān)鍵，也是推進國家治理體系和治理能力現(xiàn)代化的重要手段。

在國外，宏觀政策評估的研究已較為豐富，對提高宏觀政策的科學(xué)性發(fā)揮了重要作用。近年來，也有中國學(xué)者提倡定量評估社會經(jīng)濟政策，強調(diào)運用現(xiàn)代計量經(jīng)濟學(xué)方法與工具進行宏觀政策評估的重要性和必要性。本文梳理總結(jié)國內(nèi)外宏觀政策效果評估的經(jīng)濟模型發(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、政策評估與政策評估模型

1951年，美國學(xué)者拉斯韋爾提出了“政策科學(xué)”的概念，之后學(xué)界對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)行以及政策評估等多個方面。其中，政策評估是對政策影響進行評價并以此判斷政策目標實現(xiàn)程度的活動，屬于政策科學(xué)研究的重要內(nèi)容。政策評估概念有廣義和狹義之分。廣義的政策評估包含政策的事前評估（prospective ex-ante evaluation）、執(zhí)行評估（monitoring interim evaluation）和事后評估（retrospective ex-post evaluation）三種類型。狹義的政策評估是指事后評估（王瑞祥，2003）。

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

宏觀政策評估模型的作用就在于為基于數(shù)據(jù)分析的政策評估提供依據(jù)。宏觀政策評估模型根源于計量統(tǒng)計方法，通過嚴謹?shù)慕y(tǒng)計推斷過程發(fā)現(xiàn)經(jīng)濟數(shù)據(jù)之間的內(nèi)在規(guī)律，揭示宏觀政策與各經(jīng)濟變量之間的因果關(guān)系，從而評價宏觀政策的效果。宏觀政策評估模型的運用，一方面提供了科學(xué)的計量統(tǒng)計理論指引，避免分析經(jīng)濟數(shù)據(jù)時的主觀性偏差;另一方面提供了扎實的數(shù)據(jù)支撐，提高了評價政策效果的準確性。

三、政策評估模型發(fā)展與應(yīng)用

宏觀政策效果評估是數(shù)理經(jīng)濟學(xué)、計量經(jīng)濟學(xué)和統(tǒng)計學(xué)在政策評估中的應(yīng)用。長期以來，國外學(xué)者運用多種數(shù)理經(jīng)濟模型和計量經(jīng)濟模型對經(jīng)濟政策進行量化評估，形成了豐碩的研究成果。最近二十年來，一些研究主要運用計量經(jīng)濟學(xué)方法，對經(jīng)濟政策進行量化分析，計算政策出臺對特定群體、行業(yè)或地區(qū)的影響，這一領(lǐng)域的研究被稱為政策評估計量經(jīng)濟學(xué)，極大地促進了計量經(jīng)濟理論在政策評估中的應(yīng)用（洪永淼，2015）。本文根據(jù)政策評估方法的基本思想，將宏觀政策評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，簡稱DID）最初應(yīng)用于自然科學(xué)研究中，用來比較特定的實驗條件對樣本的影響。自上世紀70年代末之后，雙重差分法逐步被應(yīng)用于政策評估中（Ashenfelter，1978），該模型及其拓展方法是目前政策效果評估中應(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施看作一個準自然實驗，把受到政策影響的樣本作為實驗組，不受政策影響的樣本作為對照組1。通過兩次差分剔除實驗組與對照組在政策實施前的差異，進而對比兩組樣本的某些指標特征，評估宏觀政策實施的效果。

基于雙重差分法的研究成果十分豐碩。Card & Krueger（1994）利用美國新澤西州和賓夕法尼亞州快餐業(yè)數(shù)據(jù)，運用雙重差分法評估了美國最低工資法對就業(yè)的影響。Alatas and Cameron（2003）發(fā)現(xiàn)對于最低工資政策效果的討論主要集中于發(fā)達國家，因而利用同樣的方法分析了低收入國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內(nèi)小型企業(yè)的就業(yè)水平，而對國內(nèi)和國外的大型企業(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工人缺勤率的影響。Acemoglu and Angrist（2001）運用該模型研究了美國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)這一政策對就業(yè)的影響大于小型企業(yè)。周黎安和陳燁（2005）是國內(nèi)運用雙重差分模型研究宏觀政策效果的早期文獻。文章評估了農(nóng)村稅費改革的政策效果，認為稅費改革對農(nóng)民純收入增長的貢獻高達40%以上。韓仁月和馬海濤（2019）構(gòu)建雙重差分模型評估了不同的稅收優(yōu)惠政策對于企業(yè)創(chuàng)新的激勵效果，發(fā)現(xiàn)研發(fā)費用加計扣除的政策效果最強，稅率優(yōu)惠次之，而固定資產(chǎn)加速折舊對企業(yè)研發(fā)投入的激勵效果不明顯。王傳榮和付婷婷（2019）采用雙重差分法考察了中國文化貿(mào)易政策提升文化產(chǎn)業(yè)競爭力的政策效果，認為文化貿(mào)易政策能夠提高文化產(chǎn)業(yè)的內(nèi)容創(chuàng)新能力，但對文化產(chǎn)業(yè)技術(shù)進步的促進作用卻很小，且政策時滯較長。

雙重差分法樣本選擇條件十分苛刻，給模型應(yīng)用帶來了較大的難度，導(dǎo)致對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，使分組和抽樣不滿足隨機性條件，則會產(chǎn)生“選擇性偏誤”問題。并且，假如實驗組與對照組樣本在政策實施前所關(guān)注的因變量特征不一致，則不滿足平行趨勢假定，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)，在運用雙重差分法評估政策效果之后，還須進行實驗后測和謬誤檢驗，以確保實驗效果的排他性（石華軍和楚爾鳴，2017）。雖然應(yīng)用條件極為嚴格，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估模型。

（二）基于一般均衡分析的模型

可計算一般均衡模型（Computable General Equilibrium，CGE）與動態(tài)隨機一般均衡模型（Dynamic Stochastic General Equilibrium，DSGE）均是基于均衡思想構(gòu)建的分析框架。兩種模型的計量方法和過程并無直接聯(lián)系，但均體現(xiàn)了新古典經(jīng)濟學(xué)理性人行為最優(yōu)化的思想，通過求解均衡方程觀察政策變量對其他經(jīng)濟變量的影響。

可計算一般均衡模型（CGE）模型中，各經(jīng)濟行為主體（企業(yè)、消費者和政府等）在各自的預(yù)算約束條件下，追求利潤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，以達到利潤最大化;消費者確定商品的需求量，以達到預(yù)算約束下的效用最大化。最終，在市場機制的作用下，經(jīng)濟達到穩(wěn)定狀態(tài)，此時供給量與需求量相等，實現(xiàn)商品市場、要素市場、資本市場、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模型進行宏觀政策評估。Euijune and Kabsung（2002）利用CGE模型評估了韓國區(qū)域發(fā)展政策對經(jīng)濟增長、通貨膨脹、收入分配和跨區(qū)域經(jīng)濟差距的影響。郭捷和劉子辰（2015）基于CGE模型評估了我國西北地區(qū)民族經(jīng)濟政策，模擬了一般轉(zhuǎn)移性支付政策對西北地區(qū)經(jīng)濟要素和企業(yè)產(chǎn)出的影響。通過設(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年對西北民族地區(qū)各經(jīng)濟要素的影響。

一般動態(tài)隨機均衡模型（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。DSGE模型以微觀主體的利益最大化為出發(fā)點，描述了消費者、廠商等具有代表性的經(jīng)濟參與者的行為，因而使宏觀政策研究具有扎實的微觀基礎(chǔ)。DSGE模型雖然多用于貨幣政策等金融領(lǐng)域的政策分析，但在其他政策評價中的應(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政政策的效果，是這一領(lǐng)域的早期文獻。Boscá（2010）建立了西班牙經(jīng)濟理性預(yù)期模型（Rational Expectations Model for the Spanish economy，REMS），這個模型是一個小型開放經(jīng)濟的一般動態(tài)均衡模型，也是一個新興古典—凱恩斯主義綜合模型。文章評估了西班牙經(jīng)濟事務(wù)和財政部的政策效果，對政策選項與經(jīng)濟結(jié)果之間的傳導(dǎo)渠道做了嚴密的分析。Erceg et al.（2005）構(gòu)造了基于多國開放經(jīng)濟的動態(tài)隨機一般均衡模型，對經(jīng)濟政策進行量化分析。文章對寬松的貨幣政策、政府支出增加等政策效果進行了分析，同時還模擬了勞動生產(chǎn)率持續(xù)增加、勞動稅率減少、資本稅率減少這三個長期變量的變動對經(jīng)濟的影響。李春頂?shù)龋?019）構(gòu)建了一個包含29個經(jīng)濟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)濟影響和中國6種應(yīng)對措施的政策效果。呂進中等（2019）建立了評估宏觀審慎政策工具的有效性的DSGE模型，分別考察了貸款價值比政策、加強型貨幣政策、逆周期的存款準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)點在于能夠刻畫經(jīng)濟的結(jié)構(gòu)特征，并分析經(jīng)濟變量對經(jīng)濟沖擊的反應(yīng)。而且，DSGE模型還提供了一致的理論分析框架，描述經(jīng)濟在短期和長期內(nèi)對沖擊的反應(yīng)，可以觀察經(jīng)濟在沖擊發(fā)生后向其均衡路徑回歸的過程。

（三）基于效率分析的模型

諸多文獻注重從效率的角度評估政策實施的效果。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用于政策效果的評價之中。1978年，美國著名運籌學(xué)家Charnes以及Rhodes提出了數(shù)據(jù)包絡(luò)分析方法。這一方法是對運籌學(xué)、管理科學(xué)與數(shù)理經(jīng)濟學(xué)理論的綜合應(yīng)用。DEA模型首先估計有效生產(chǎn)前沿面，進而通過比較決策單元（Decision Making Units，DMU）與前沿面的距離來評價其相對有效性。DEA模型被應(yīng)用于包含經(jīng)濟金融政策在內(nèi)的各宏觀政策的評估中。Sohel et al.（2014）評估了日本金融服務(wù)局的金融政策對銀行、保險公司、銀行控股公司規(guī)模報酬的作用，認為金融政策總體上提升了金融體系的整體效率。Halkos and Tzeremes（2010）基于新古典增長理論，利用DEA模型評價了希臘經(jīng)濟發(fā)展政策的有效性，認為在13個行政區(qū)域中存在著顯著的政策效率損失。Qing-Cheng M and Yan G（2005）運用兩階段的DEA模型評價了金融政策的相對效率。Yao（2013）基于DEA模型評估了金融支持政策對于制造業(yè)過程創(chuàng)新的作用。Wu et al.（2014）利用中國2005年至2010年循環(huán)經(jīng)濟數(shù)據(jù)，評估了中國提出循環(huán)經(jīng)濟政策的效果，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現(xiàn)可持續(xù)發(fā)展的必要條件。Bosetti and Buchner（2005）測度了11種氣候應(yīng)對政策的相對效率，綜合運用DEA模型和成本收益分析（Cost-Benefit Analysis，CBA）方法，評估了各種政策的相對優(yōu)勢。同時，文章還基于DEA模型計算了政策的相對效率得分。Cao et al.（2017）利用DEA模型測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模型測度了鐵路行業(yè)的產(chǎn)出效率，并對資產(chǎn)經(jīng)營責(zé)任制的政策效果進行了評估，得出資產(chǎn)經(jīng)營責(zé)任制的政策并沒有顯著改善鐵路局總體產(chǎn)出效率的結(jié)論，認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模型評價了城市傾向的經(jīng)濟政策對于城鄉(xiāng)居民收入差距的有效性，認為從長期看這一政策導(dǎo)致了收入差距的擴大。

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

（四）其他模型方法

諸多計量統(tǒng)計方法被用于政策效果評價之中。這些方法沒有如上述模型那樣得到較為廣泛的應(yīng)用，不是政策評估的典型方法，因而無法依據(jù)評估思路進行歸類。然而，此類文獻也為政策評估提供了良好借鑒。例如，孫永波等（2011）基于組合預(yù)測模型評價了黑龍江省區(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。文章首先確定經(jīng)濟政策評估的指標體系，之后通過求解各單項預(yù)測模型預(yù)測值的加權(quán)算術(shù)平均而得到其組合預(yù)測值，測算在沒有實施該項區(qū)域經(jīng)濟政策時的經(jīng)濟指標值。通過測算值與實際觀測值的對比分析，得出評分結(jié)果，進而判斷政策效應(yīng)。文章所用的基于組合預(yù)測模型的區(qū)域政策實施——投影對比分析法，其優(yōu)點在于能夠解決區(qū)域政策評價中存在的目標不確定和影響因素難以量化的問題。一些常規(guī)的方法也被運用于政策效果的評估之中。Horacio and Gaston（2016）運用面板數(shù)據(jù)固定效應(yīng)模型評估了阿根廷宏觀審慎政策對貸款增長的影響，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)的回歸模型的缺點在于，政策實施前后的經(jīng)濟環(huán)境已經(jīng)發(fā)生變化，即使在同一時點上，不同區(qū)域的經(jīng)濟條件也有所差別，因而難以對政策效果作出精確的對比分析。吳翌琳和黃箏（2018）首先運用Ridit分析方法篩選政策種類，進而利用傾向評分匹配法探索了財稅政策對于創(chuàng)業(yè)企業(yè)年收入的影響，驗證了財稅政策對于提升企業(yè)盈利能力的重要作用。

四、政策評估模型發(fā)展與應(yīng)用展望

新的政策評估的模型工具是在研究各類社會經(jīng)濟問題的過程中不斷發(fā)展完善的。宏觀政策效果評估模型并非是與其他計量工具相割裂的獨立研究體系，而是計量工具在宏觀政策評估領(lǐng)域的應(yīng)用。宏觀政策效果評估的模型發(fā)展，最終取決于統(tǒng)計計量技術(shù)的進步。計量技術(shù)的發(fā)展是循序漸進的過程，因而，宏觀政策評估模型的發(fā)展也須逐步完善。

宏觀政策評估模型將隨著計量統(tǒng)計科學(xué)和數(shù)據(jù)處理技術(shù)的進步而逐步發(fā)展，并在實踐中不斷完善。未來的政策評估模型可能有以下幾個方面的發(fā)展趨勢。第一是評估方法更加體系化。目前政策評估具體方法的研究仍然是我國政策評估的薄弱環(huán)節(jié)。量化方法的運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，宏觀政策評估模型的應(yīng)用也將越來越體系化，并在評估實踐中不斷完善。第二是模型適用范圍更廣泛。經(jīng)濟現(xiàn)象不同于自然科學(xué)中的可重復(fù)實驗，具有不可操控的特點，因而很多政策評估方法是建立在嚴苛的假設(shè)條件基礎(chǔ)之上的。隨著計量經(jīng)濟學(xué)的發(fā)展進步，許多模型的假設(shè)條件有望被進一步放寬，從而使得模型的適用范圍有所擴大（洪永淼，2015）。第三是評估思路的改進。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越低，數(shù)據(jù)質(zhì)量將逐步提升，這為未來的宏觀政策評估帶來便利。數(shù)據(jù)處理方式的變革，有可能顛覆目前政策評估模型的傳統(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

[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. 國內(nèi)雙重差分法的研究現(xiàn)狀與潛在問題[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2015（7）：133-148.

[20]遲國泰， 孟斌. 國家重大區(qū)域規(guī)劃政策效果評價模型及應(yīng)用[J]. 系統(tǒng)工程學(xué)報， 2017， 32（6）：774-782.

[21]高宏偉， 劉延平. 鐵路行業(yè)產(chǎn)出效率的測量與經(jīng)濟政策評估[J]. 統(tǒng)計研究， 2006， 23（7）：46-49.

[22]郭捷， 劉子辰. 基于CGE模型的我國西北地區(qū)民族經(jīng)濟政策模擬和實證研究[J]. 運籌與管理， 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證檢驗[J].中央財經(jīng)大學(xué)學(xué)報，2019（03）：3-10.

[24]洪永淼. 提倡定量評估社會經(jīng)濟政策，建設(shè)中國特色新型經(jīng)濟學(xué)智庫[J]. 經(jīng)濟研究， 2015.

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

[26]呂進中， 張燕， 張鵬輝， et al. 宏觀審慎政策工具的有效性研究——基于動態(tài)隨機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. 中國農(nóng)村稅費改革的政策效果：基于雙重差分模型的估計[J]. 經(jīng)濟研究， 2005（8）：44-53.

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

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

[30]孫永波， 王平安， 王素娟. 基于組合預(yù)測模型的區(qū)域政策經(jīng)濟效應(yīng)評價[J]. 黑龍江科技大學(xué)學(xué)報， 2011， 21（6）：481-485.

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

[32]王傳榮，付婷婷. 中國文化貿(mào)易政策對文化產(chǎn)業(yè)競爭力的影響——基于雙重差分法的經(jīng)驗分析[J]. 山東財經(jīng)大學(xué)學(xué)報，2019（2）：60-71.

[33]吳翌琳， 黃箏. 基于傾向得分匹配法的創(chuàng)業(yè)政策實證研究——以財稅政策評估為例[J]. 宏觀經(jīng)濟研究， 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：謝紅苗

收稿日期：2019-3

作者簡介：郝威亞（1987.6- ），男，內(nèi)蒙古豐鎮(zhèn)人，應(yīng)用經(jīng)濟學(xué)博士，經(jīng)濟師，現(xiàn)供職于中國人民銀行西安分行。