-
定量政策评价可受益于分析统计数据的一套丰富的计量经济学方法
通常情况下，经济政策的目的是为了衡量结果。使用基本计数尺度的经济变量的例子有:作为生育指标的子女数量、作为保健需求指标的看医生次数、作为员工偷懒指标的旷工天数。有几种计量经济学方法可用于分析这些数据，包括泊松模型和负二项式模型。它们可以提供从标准线性回归模型中无法获得的有用见解。通过两个实证例子说明了估计和解释。
更多的少
-
是否应该重新审视衡量就业和失业的统计标准?
衡量就业和失业对经济政策至关重要。国际公认的衡量标准(如基于标准定义的员工人数、就业人数和失业率)增强了跨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对这些传统公约提出了挑战。不同劳动力市场状态之间的界限模糊，使识别复杂化。每个州的个人经历可能有很大差异，这突出了每个就业或失业人员如何在统计指数中加权的重要性。
更多的少
-
雇主可以利用实验室实验来构建薪酬政策和激励方案
一家公司能通过改变薪酬方案来吸引不同类型的员工吗?增加薪酬以提高员工的积极性是否足够?公司应该根据员工的绝对表现还是相对表现来提供评估反馈?实验室实验可以通过确定人事政策变化对员工生产力和流动性的因果影响来帮助解决这些问题。尽管它们是在人工环境中收集的，但实验室发现的定性外部有效性现在得到了广泛认可。
更多的少
-
参照群体的选择在很大程度上决定了主观剥夺，进而影响劳动力市场行为
为什么不同的人口群体(如农村与城市、青年与老年人、男性与女性)对同一客观劳动状态的体验不同?一种假设是，相对于客观剥夺，人们更关心相对剥夺，他们更看重自己相对于同龄人(参照群体)的地位。在劳动力市场中检验这一假设的一种方法是，在控制界定人口群体的特征的同时，测量劳动力地位的个体差异。这一措施被称为“相对劳动剥夺”，可以帮助政策制定者更好地理解劳动索赔是如何产生的。
更多的少
-
线性回归是估计一个变量和一组其他变量之间关系的强大工具
线性回归是通过将一个变量与一组变量联系起来来研究多个变量之间关系的强大工具。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，在控制了教育和经验等背景特征的差异后，它可以分析工资与性别的关系。线性回归模型通常用普通最小二乘来估计，它使观测样本值与模型拟合值之间的差异最小化。有多种工具可用于评估模型。
更多的少
-
关于快速、意外的难民流动的数据可以可靠地确定移民对本国工人劳动力市场结果的影响
估计移民对本土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向何处移民，移民人口通常由具有不同于随机选择样本的特征的个体组成。一种解决方案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国家，而这些难民与他们的个人特征、地理位置和就业偏好无关。这些“自然实验”得出的估计结果发现，对本土工人的就业有轻微的负面影响，但对工资没有影响。
更多的少
-
对独立承包商的研究表明，工人的努力对工资激励的反应可能比以前认为的要大
经济政策中的一个基本问题是劳动力供给如何对报酬的变化作出反应。劳动供给的响应性决定了累进所得税对就业的影响和效率损失的大小。它还会影响对政策影响的预测，从对商业周期的财政反应到政府转移计划。独立承包商所从事的工作的特点为克服早期研究所面临的问题提供了一个机会，并有助于回答这个基本问题。
更多的少
-
实验是黄金标准还是被过度炒作了?
项目的非实验性评估将选择参加项目的个体与不参加项目的个体进行比较。这样的比较存在将非随机选择与其因果效应混为一谈的风险。通过随机分配个体参与或不参与项目，实验评估消除了非随机选择的可能性，从而对参与者和非参与者进行偏差比较。在这样做的过程中，他们提供了令人信服的项目效果的因果证据。与此同时，实验并不是万能的，需要仔细的设计和解释。
更多的少
-
当人们不遵守时，我们如何评估随机对照试验的政策有效性?
随机对照试验(rct)作为一种基于证据的方法，在评估政府计划和政策举措等干预措施方面变得越来越重要。然而，随机对照试验通常具有“不完全依从性”的特点，即并非所有随机分配接受治疗的受试者都选择这样做。这可能导致无法确定治疗效果或治疗对人群的影响。然而，关于治疗效果的有用信息仍然可以通过估计“界限”或治疗效果可能存在的值范围来获得。
更多的少
-
有了关于移徙流动的双边数据，人们对利用重力模型确定移徙决定因素重新产生了兴趣
重力模型长期以来一直流行于分析与商品和服务、资本甚至人口流动相关的经济现象;但是，关于移徙流动的数据限制了它们在这方面的使用。随着双边(国与国)数据的改善，研究人员现在可以使用重力模型更好地评估移民政策的影响，例如签证限制政策对移民流动的影响。在不同的背景下说明了重力模型的规范、估计和解释，并描述了当前实践的局限性，以使政策制定者能够做出更好的明智决策。
更多的少
