不只哈佛有中国五毛研究，现在连35神秘数字都可以发在顶级期刊了 XD http://mp.weixin.qq.com/s/ZXJL58Xi39n8BotonZ6eOw Fisman R, Wang Y. The Distortionary Effects of Incentives in Government: Evidence from China’s “Death Ceiling” Program[J]. American Economic Journal: Applied Economics, 2016. 唧唧堂AEJ论文解析：永恒的35人！中国事故死亡人数中的数字造假 原创 2017-03-24 聂卓 唧唧堂 picture from 四川在线 解析文章首发於唧唧堂，作者：唧唧堂研究人 聂卓 对任何一个组织而言，如何向成员提供合适的激励（incentive）一直面临着两难的选择 （tradeoff）。如果没有足够的激励，组织成员就会消极怠工，影响组织的运作；如果激 励过强，又可能扭曲（distorting）成员的行为，引发一系列不良後果。具体到现实当中 ，引发讨论最多的，当属对政府官员的绩效考评。其中争议最大的地方在於，为了完成上 级制定的考核任务，官员会在多大程度上捏造数据。Raymond Fisman和Yongxiang Wang即 将发表在AEJ: Applied Economics上的论文，以中国官员面对的“事故死亡人数天花板” 为例，在这方面进行了尝试。 大部分人一定记得这样一条坊间传闻：在中国，一次事故的死亡人数不能超过35人。一旦 超过这个数字，负责的官员就要撤职。“35人”的说法当然只是茶余饭後的谈资，但官员 面对的事故死亡人数考核却真实存在。从2004年起，国务院安全生产委员会为各省制定了 年度事故死亡人数上限，并要求各省提交事故死亡人数的季度报告。这些报告中的实际死 亡人数数字由国家安监局（2005年升格为国家安监总局）汇总，随後同安委会制定的死亡 人数上限一起，公布在人民日报上，并作为对官员考评的依据。为了完成安全生产任务， 一些省份甚至将安全生产任务，列为官员提拔的“一票否决（No safety，no promotion ）”指标。 在该研究中，利用人民日报和劳动生产年鉴等公开数据来源，作者构建了中国31个省份不 同类型事故死亡人数的面板数据。分析发现，在死亡人数超过规定上限时，样本分布出现 了显着的断点，表明很有可能存在数据低报；在实施“一票否决”的省份，死亡人数超过 天花板的年份明显减少，但该效应只在天花板附近存在；尽管多报死亡人数有利於减轻未 来的安全生产压力，但并没有省份为此而刻意多报死亡人数。 具体而言，为了研究“天花板效应”是否存在，作者使用了McCrary (2008)中的方法，将 “该年度实际死亡人数/该年度死亡人数上限”的实际分布标在图中，并以“该年度实际 死亡人数/该年度死亡人数上限 = 1”为样本的分界点，对两侧的样本分别进行局部线性 回归，结果如下图所示，可以看到存在明显的断点。z检验的结果显示，p值小於0.001。 该结果表明，事故死亡人数的确出现了明显的低报。对不同类型事故进行类似的分析，结 果表明所有事故的死亡人数，都在“天花板”处出现了明显的低报。 那麽，地方官员是如何对数据进行捏造的呢？作者将上面指标中的“全年死亡人数”替换 成了“前三季度死亡人数”。从下图可以看到，“死亡人数/死亡人数上限”的分布变得 相当光滑。这意味着，官员并不是一年到头都在对安全生产任务精打细算，而是到了第四 季度才开始临时抱佛脚。 接下来，研究者对最为广大吃瓜群众津津乐道的“一票否决（NSNP）”制度进行了研究。 回归结果显示，“一票否决”制度的确降低了死亡人数超过“天花板”的可能性。当作者 将实行了该制度和没有实行该制度的样本各自的分布同时展现出来时，容易发现，“一票 否决”仅仅只是降低了死亡人数超标的可能性。只要能完成考核目标，该制度就不再产生 作用。 在上述结果之外，该文还讨论了考核中的“齿轮效应（ratchet effect）”。作者将当年 死亡人数和下一年死亡人数上限取对数後做散点图，发现二者基本呈线性关系。这意味着 ，安委会在制定下一年的安全生产考核标准时，基本是以上一年安全生产情况作为依据的 。从理论上说，为了减轻来年安全生产工作的压力，官员当年会存在高报死亡人数的激励 。作者考察了2004年以前和2004年以後，死亡人数增长率的分布变化。结果显示，2004年 以後死亡人数增长率相对而言更低，没有迹象表明官员为了减轻压力而高报了死亡人数。 最後，作者也承认，因为数据的限制，该研究无法对安委会的这一政策是否有效做出评价 。在缺乏对比的情况下，也无法讨论这一政策是否已经是一个“次优（suboptimal）”的 选择。作者认为，未来的研究可以从两个方面推进：一是在数据体现的进步中，将数据伪 造和官员实际努力产生的改善区分开来；二是通过上级政府对下级政府的激励政策本身， 去理解政府的行为和目标。 虽然结构相对简单，但Fisman这篇AEJ还是有不少值得我们学习的地方。首先，Fisman再 次给我们展示了什麽叫“大道至简”。很多时候，之所以文章的内容变得复杂，是因为我 们没有特别好地进行研究设定。其次，在初学者当中，普遍存在着“回归迷信”。而 Fisman这篇文章中，大部分结果都是最简单的频率密度分布和累积分布，用到回归的地方 也都是特别简单的回归。这启示我们，尽管回归分析是因果推断的有力工具，但工具还是 要服从於研究的目的。有时候，简单的图形反而能够展示样本的全貌，比抽象的数字和星 号更有说服力。 同时，即便是Fisman这样五大发到手软的大神，一旦面对“数据造假”这样的难题，也只 能得出模糊的结论。所以我们在选定研究题目的时候，还是应当去捕捉现实当中的重要问 题，哪怕最後在边际上能做出的贡献不多，问题本身的重要性可能就足以为发表加分了。 最後感慨一句，我们口中的谈资，经人家手里一变，就变成了QJE和AEJ。作为本土的经济 学研究者，希望我们不要辜负了这个伟大的时代。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 60.246.41.27 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/CrossStrait/M.1490372048.A.A34.html ※ 编辑: RungTai (60.246.41.27), 03/25/2017 00:14:49