-
定量政策评估可以从丰富的经济学方法中受益，用于分析计数数据
通常，经济政策指向以计数计量的结果。使用基本计数规模的经济变量的例子是儿童的数量，作为生育的指标，医生访问数量作为医疗保健需求的指标，以及工作中缺席的天数作为员工推车的指标。几种计量经济学方法可用于分析此类数据，包括泊松和负二项式模型。它们可以提供从标准线性回归模型中无法获得的有用的见解。在两个经验例子中说明了估计和解释。
更多的较少的
-
应该重新检查衡量就业和失业的统计标准吗？
衡量就业和失业对于经济政策至关重要。国际商定的措施（例如，基于标准定义的人数和失业率）提高时间和空间的可比性，但实际劳动力市场和政策议程的变化挑战了这些传统公约。不同劳动力市场状态之间的界限被模糊，识别复杂化。每个州的个人经验可能大大变化，突出了统计指标中每个人或失业人员加权的重要性。
更多的较少的
-
雇主可以使用实验室实验来构建支付政策和激励计划
通过改变其补偿计划，公司可以吸引不同类型的员工吗？是否足以支付更多以增加员工的动机？如果公司根据其绝对或相对表现，公司是否应该向员工提供评估反馈？实验室实验可以通过确定人员政策对员工的生产力和移动性的变化的因果影响来帮助解决这些问题。虽然它们被收集在人工环境中，但实验室的调查结果的定性外部有效性都得到了很好的认可。
更多的较少的
-
参考组的选择至关重要地确定主观剥夺，从而影响劳动力市场行为
为什么不同的人口群体（例如，农村与城市，青年与老年人和男性和妇女）不同的客观劳动力状态不同？一个假设是人们更关注相对剥夺的人，而不是客观剥夺，他们将自己的身份与同龄人的地位重视 - 参考组。在劳动力市场中测试这一假设的一种方法是测量劳动力状态的个体差异，同时控制定义人口群体的特征。这项措施被称为“相对劳动剥夺”，可以帮助政策制定者更好地了解产生劳动索赔。
更多的较少的
-
线性回归是一种强大的工具，用于估计一个变量和一组其他变量之间的关系
线性回归是一个强大的工具，通过将一个变量与一组变量联系起来，来调查多个变量之间的关系。它可以识别一个变量的影响，同时调整其他可观察到的差异。例如，在控制了教育和经历等背景特征的差异后，它可以分析工资与性别的关系。线性回归模型通常由普通最小二乘法估计，它使观测样本值与模型拟合值之间的差异最小化。可以使用多种工具来评估模型。
更多的较少的
-
快速，意外的难民流动的数据可以可靠地确定迁移对本地工人劳动力市场结果的影响
估计移民对本地工人劳动力市场结果的因果影响一直是文献中主要关注的问题。由于移民决定是否移民以及移民到哪里，移民人口通常由特征不同于那些随机选择的样本的个体组成。一种解决办法是关注内战和自然灾害等事件，这些事件会导致难民迅速而意外地涌入一个与他们的个人特征、地点和就业偏好无关的国家。这些“自然实验”得出的估计结果发现，对当地工人的就业有微小的负面影响，但对工资没有影响。
更多的较少的
-
独立承包商的研究表明，工人的努力可能对工资激励措施比以前思考更响应
经济政策中的一个基本问题是劳工供应如何应对薪酬变化。劳动力供应的响应能力决定了逐行所得税的就业影响和效率损失的规模。它还影响关于政策影响的预测范围从财政回答到商业周期到政府转移计划。独立承包商持有的就业人的特征为克服早期研究面临的问题提供了机会，并帮助回答这一基本问题。
更多的较少的
-
实验是黄金标准还是刚过高的？
计划的非实验评估比较选择参加该计划的个人给没有的个人。这种比较利用其因果效应来利用将非随机选择混淆到程序中的风险。通过随机分配个人参与该计划，实验评估消除了非随机选择的可能性，以偏见参与者和非参与者的比较。在这样做时，他们提供了令人信服的程序效应的因果证据。同时，实验不是灵丹妙药，需要仔细的设计和解释。
更多的较少的
-
我们如何在人们不遵守时评估随机控制试验的政策效果？
随机控制试验（RCT）作为基于证据的方法越来越重要，以评估政府计划和政策举措的干预措施。然而，通常，RCT的特点是“不完美的遵守”，因为并非所有被随机分配给治疗的主题选择这样做。这可能导致未能识别治疗效果，或治疗对人群的影响。然而，通过估计“界限”或治疗效果可以撒谎的一系列值仍然可以恢复有关治疗效果的有用信息。
更多的较少的
-
关于迁移流的双边数据的可用性已更新利益使用重力模型来识别迁移决定簇
重力模型长期以来一直很受欢迎，分析与商品和服务，资本甚至人的运动有关的经济现象;但是，关于迁移流的数据限制阻碍了它们在此上下文中的使用。通过进入改进的双边（国家到国家）数据，研究人员现在可以使用重力模型来更好地评估迁移政策的影响，例如，签证限制政策对迁移流动的影响。重心模型的说明书，估计和解释在不同的背景下说明，并描述了当前实践的限制，使政策制定者能够做出更好的知情决策。
更多的较少的
