基于贝叶斯方法的影响评估与信息性先验：以哥伦比亚管理及出口改进计划为例

本研究以哥伦比亚企业出口促进项目为例，探讨贝叶斯方法在政策实验评估中的应用。通过融合学术界、政策制定者及企业的先验信息，发现传统频率学派方法在2019年未识别出显著效果，2020年反而呈现负面影响。贝叶斯分析显示，对于二元结果（如是否出口）与频率学派结果一致，但对多出口类型等明确数据，后验区间显著收紧，而噪声数据（如出口价值）后验受先验影响较小，表明数据质量关键。

　　

摘要

政策制定者通常在相对较小的样本上测试昂贵的新项目。将具有信息量的贝叶斯先验正式纳入影响评估中，有望从这些实验中获取更多见解。我们评估了一个针对200家企业的哥伦比亚项目，该项目旨在增加企业的出口额。先验信息来自学者、政策制定者和企业本身。与这些先验相反，频率主义估计方法在2019年无法拒绝“无效应”的假设，并且在2020年发现了一些负面效应。对于诸如企业是否出口这样的二元结果，频率主义估计的精度相对较高，而贝叶斯后验区间与标准置信区间几乎完全重叠。对于像增加出口产品多样性这样的结果，由于先验与数据相符，贝叶斯后验区间的范围明显比置信区间更窄，显示出这些先验的价值。最后，对于像出口价值这样受到噪声影响的结果，后验区间几乎不会根据先验信息进行更新，这凸显了数据对这些结果的参考价值有限。未来的政策实验可以利用这些后验分布作为贝叶斯分析或经验贝叶斯分析中的先验信息。

引用文献