一、引言：瞄准的意义与挑战

在公共财政与发展政策中，如何将有限的转移支付资源精准地分配给最需要的人群——即“瞄准”（Targeting）——是一个核心问题。错误的瞄准会导致两种错误：包含错误（Inclusion Error，指非贫困者获得了救济）和排除错误（Exclusion Error，指贫困者被遗漏）。本讲将探讨两种主要的瞄准方法——社区参与式瞄准和自我瞄准——的理论基础、实证证据及其在福利、满意度和分配正义上的含义。

二、社区瞄准与代理家计调查

2.1 实验设计与评估指标

一项在印度尼西亚进行的研究比较了三种瞄准方法：

  1. 代理家计调查：使用统计模型（基于可观测的家庭特征，如资产、住房条件）预测消费水平（PMT）。
  2. 社区瞄准：由社区成员集体讨论决定受益名单。具体做法包括公开会议、在“晾衣绳”上对家庭进行排名等。
  3. 混合方法：先由社区提名候选人，再用PMT进行最终筛选。

实验首先进行了基线调查，以测量“真实”的福利状况。随后，村庄被随机分配到三种方法之一。

为了评估效果，研究者定义了瞄准错误指标：

  • MISTARGET：如果（贫困家庭未获得救济）或（非贫困家庭获得了救济），则取值为1，否则为0。

此外，研究使用四种不同的福利指标来衡量瞄准的“质量”，以探究社区瞄准是否在匹配某种与消费不同的、本地化的福利概念：

  1. 实际消费水平（$u_g$）
  2. 社区成员在基线调查中的互评排名（$u_c$）：在私密环境中，社区成员如何评价彼此的经济状况。
  3. 村长的基线排名（$u_e$）
  4. 家庭自评（$u_s$）：使用阶梯量表（例如1-6分，1代表最穷，6代表最富）进行自我评估。

同时，也评估了不同方法对程序满意度和政策合法性的影响。

评估方法的挑战与创新：由于不同福利指标尺度不同（消费是连续变量，排名是序数变量），直接比较困难。研究团队采用了排名相关性方法：将每个福利指标和每种瞄准方法的结果都在村庄内转化为一个排名序列。然后，为每个村庄计算瞄准结果排名与每个福利指标排名之间的相关系数。最终，得到了一个包含约2400个观察值（600个村庄 × 4个指标）的数据集，并通过回归分析比较不同方法产生的排名相关性高低。

2.2 实证结果

2.2.1 基于消费的瞄准错误

下表显示了以消费为基准时，不同方法的瞄准错误率：

表3：基于消费的不同瞄准方法的错误率结果

样本 全样本 (1) 包含错误 (2) 排除错误 (3) … 受益者人均消费变化 (%)
社区处理 0.031* 0.046** 0.022 … 9.933
混合处理 0.029* 0.037** 0.009 … -1.155
PMT处理组的均值 0.30 0.18 0.52 … 366

解释：系数表示相较于PMT基准组，错误率的增加。例如，社区处理的包含错误率显著高出4.6个百分点。错误主要发生在收入分布中间层的家庭。这说明，如果以消费贫困为标准，社区瞄准的表现比PMT更差。

2.2.2 基于其他福利指标的瞄准质量

然而，当使用本地化的福利指标时，情况发生了逆转：

表9：使用替代福利指标评估瞄准方法

  消费排名相关性 (1) 社区调查排名相关性 (2) 村长排名相关性 (3) 自评排名相关性 (4)
社区处理 -0.065** 0.246*** 0.248*** 0.102***
混合处理 -0.067** 0.143*** 0.128*** 0.075**

结论：社区瞄准在匹配本地化的福利认知上远优于PMT。社区瞄准的结果与社区成员私下的互评、村长的评价高度相关，甚至与家庭自评的贫困感也有显著相关性。这意味着社区与中央政府可能持有不同的“福利函数”，社区瞄准实现了他们自己的福利目标。

2.2.3 满意度与合法性

社区瞄准带来了更高的满意度和程序合法性：

表6：满意度结果

问题（1=最差，4=最好） 社区处理系数
确定目标家庭的方法是否恰当？ 0.161***
你对本村的瞄准活动是否满意？ 0.245***
是否有应被添加的贫困户？(是=1) -0.189***
认为应被剔除的家庭数量 -0.554***

解释：社区处理的受访者认为方法更恰当、更满意，认为名单遗漏更少，也认为名单上不应被包含的家庭更少。所有满意度指标的联合检验p值<0.001。这表明社区对由其自己主导的瞄准过程拥有更高的认同感和“主人翁”意识。

2.3 总结：社区瞄准的启示

  1. 不同的福利概念：这是最关键的发现。社区使用的福利标准（如脆弱性、社会贡献、家庭负担、羞耻感）与基于消费的PMT标准不同。社区瞄准实现了他们自己的福利目标。
  2. 精英俘获：在该实验中，通过测量与村长关系等指标，并未发现明显的精英俘获。实际上，在社区处理中甚至出现了反向歧视（精英家庭反而不易入选）。
  3. 信息优势：社区确实拥有PMT模型无法捕捉的“软信息”。
  4. 政策的根本权衡：选择瞄准方法最终取决于政策制定者想要最大化的目标函数。
    • 若目标是最小化消费贫困人口数量（Headcount），应使用PMT。
    • 若目标是最大化基于本地价值观的社区总福利（$ W = W(u_1, u_2, …, u_n) $），或提升政策合法性与社会凝聚力，则社区方法可能更优。
  5. 研究反思：该研究最初的设计框架是“精英俘获 vs. 信息优势”的权衡，但实验结果揭示了第三个更重要的维度——福利函数本身的差异。

三、自我瞄准：“磨难”机制

3.1 基本理论

Nichols and Zeckhauser (1982) 提出了“磨难”（Ordeals）的概念，即通过设置申请障碍（如长时间排队、在工作日办公、复杂手续）来筛选目标人群。其核心逻辑是：目标人群（如失业者、穷人）忍受该“磨难”的机会成本更低，因此更愿意为了获取福利而付出代价。

经典例子：要求失业者每周在工作日亲自到办公室签到以续领救济金。失业者的时间机会成本低，而就业者需请假，成本高昂，从而实现了自我筛选。

一个简单的理论模型如图1所示：

  • 横轴为消费水平（代表富裕程度），纵轴为申请福利的净效用增益。
  • 对于申请点“近”和“远”的家庭，其净增益线不同（远的地点成本更高，线向下平移）。
  • 只有当净增益为正时（增益线在0以上），家庭才会申请。
  • 结论：通过增加“磨难”强度（如将申请点从“近”改为“远”），可以使申请者的消费门槛从 $y^*$ 提高到 $y^{**}$，从而将福利更集中地分配给更贫困的人群。

3.2 理论的复杂性：为什么“磨难”可能失灵？

然而，现实比理论更复杂，“磨难”未必总能完美靶向贫困：

  1. 差异化的效用成本：穷人货币成本低，但排队带来的疲劳、羞辱感、饥饿（如果耽误工作）等负效用可能非常高，尤其当效用函数为凹函数时（图4）。对于靠日结工资维生的穷人，请假一天意味着全家挨饿，其效用损失巨大。
  2. 不同的应对技术：富人可以驾车、雇人排队，穷人只能步行，导致旅行成本函数非线性（如图3）。随着距离增加，富人可能切换更高效的交通方式，边际成本增加较慢。
  3. 靶向偏差：“磨难”筛选的是“低机会成本者”，而不一定是“低收入者”。一个失业的富家子弟（低机会成本但高财富）可能比一个打零工的穷人（有一定机会成本但更贫困）更容易通过筛选。
  4. 异质性冲击：家庭可能面临临时的正向或负向冲击，影响其申请决策。

3.3 结合PMT的自我瞄准：一个更丰富的模型

在印度尼西亚的实验中，自我瞄准与PMT结合：家庭需前往中心点申请（支付时间成本），但申请后仍需通过PMT筛选才能最终受益。这引入了新的行为维度——家庭需要预测自己通过PMT筛选的概率。

  • 精明家庭：他们理解PMT规则，能基于政府可观测的特征（$y^o$）估算出一个相对准确的通过概率 $\mu(y^o)$。富裕的精明家庭知道自己通过概率极低，便不会申请。这为政府节省了筛选他们的行政成本，并自动排除了那些PMT模型可能误判的富裕家庭。
  • 天真家庭：他们不理解PMT的复杂规则，仅基于自己对真实总收入（$y$）的认知，估计一个模糊的通过概率 $\lambda(y)$。他们的决策基于真实的 $y$，其中包含政府不可观测的部分（$y^u$）。

模型设定： 家庭决定是否申请，需权衡申请成本与预期收益。

  • 申请成本：$c(l, y)$，取决于距离 $l$ 和收入 $y$（机会成本），可建模为：$c(l, y) = wage \times (travel\ time + wait\ time) + travel\ money$。
  • 精明家庭的预期收益：$g(y^o, y, l) = -c(l, y) + \mu(y^o)\delta b + \epsilon$
  • 天真家庭的预期收益：$h(y, l) = -c(l, y) + \lambda(y)\delta b + \epsilon$ 其中，$\epsilon$ 是影响申请的效用冲击（偏好异质性），$\delta$ 是折现因子，$b$ 是福利收益的现值。设精明家庭比例为 $\alpha$。

关键洞见：大量富裕的精明家庭因预期通过概率低而自我筛选退出，极大地改善了PMT的瞄准精度。天真家庭则通过其基于真实收入（含不可观测部分）的申请决策，向政府间接“透露”了私有信息。

3.4 印度尼西亚的实验证据

在一个针对400个新符合条件村庄的随机对照试验中，研究者比较了“自动登记”（PMT，辅以有限的社区预筛选）和“自我瞄准”（需前往中心地点申请）两种方式。实验还随机改变了申请点的距离（“近”vs“远”）以检验“磨难”强度的影响。

谁出现了？

  • 图5：出席率与人均消费的关系：使用Fan回归（局部加权非参数回归）展示。人均消费越低，出席申请会议的比例越高，呈现明显的负相关。
  • 图6 & 图21 及 表4：进一步分解发现，出席率同时受到可观测消费（PMT分数，$y^o$）和不可观测消费（残差，$y^u$）的负向影响。这说明贫困家庭，无论其贫困是“显性”（被PMT捕捉）还是“隐性”（未被PMT捕捉），都更愿意申请。

瞄准效果比较：

  • 图7：与“自动登记”相比，“自我瞄准”产生的受益者消费累积分布函数（CDF）整体左移，即受益者更穷。
  • 图8：与“自动登记”相比，“自我瞄准”下获得福利的概率在消费维度上下降得更陡峭，且在富裕端几乎为0，表明富裕家庭被有效筛除。有趣的是，在最贫困端（消费极低），自我瞄准下的获福利概率高于自动登记。这揭示了自我瞄准的第二个好处：它允许那些可能被PMT或上门登记遗漏的边缘贫困家庭主动站出来，从而降低排除错误。

3.5 结构模型估计：理解驱动力量

为了厘清是哪种理论机制（差异化成本、信念差异、异质性冲击）主导了自我选择行为，研究者进行了结构模型估计。

什么是结构模型估计与GMM？

  • 结构模型：设定一个描述决策的数学模型（如前文的申请决策模型），其中包含待估参数（如精明家庭比例 $\alpha$、效用冲击 $\epsilon$ 的分布参数、天真家庭信念函数 $\lambda(y)$ 的参数等）。
  • 广义矩估计：寻找一组参数值，使得模型预测的数据“矩”（即某些统计量，如不同消费分组的平均出席率、出席率与距离的交互项系数等）与真实数据中的对应矩尽可能匹配。GMM在矩数量多于参数时，能提供最优的加权匹配方式。

估计过程：

  1. 参数化成本函数、测量误差分布等。
  2. 将 $\lambda(y)$ 设定为Probit形式。
  3. 使用GMM估计未知参数向量。

主要发现（表9与相关分析）：

  1. 不同的旅行技术：在模型中强制假设贫富家庭旅行技术相同，结果变化不大，说明该机制的影响很小。
  2. 异质性冲击：如果将冲击的方差减半，“距离”的处理效应仅增加约25%，影响有限。
  3. 对通过测试的信念差异：这是最重要的机制。如果在模型中消除贫富家庭对通过PMT概率的信念差异（即令所有人都使用同一个平均概率），那么贫富家庭出席率差异的约80% 会消失。
  4. 核心直觉：富裕家庭数量众多。即使申请成本很小，但他们每个人预期的通过概率极低，因此理性地选择不申请。这种自我筛选虽然对每个富人个体影响微小，但因基数大，从总体上看显著提高了对贫困人口的瞄准精度。这是一种“低成本筛选”。
  5. 研究过程中的认知转变：教授提到，在最初分析数据时，他们以为论文主要是关于传统“磨难”理论（机会成本差异）。直到进行结构估计后，才发现机会成本和异质性冲击的定量影响很小，而信念差异才是主导机制，从而彻底改变了论文的核心论点。

四、瞄准与普惠性转移支付的权衡

4.1 福利计算框架

既然瞄准有成本且会犯错，一个根本问题是：我们应该瞄准吗？还是应该提供全民基本收入（UBI）？ Hanna and Olken (2018) 在一个固定预算约束下，使用CRRA效用函数进行了福利模拟： \(U = \frac{\sum(y_i + b_i)^{1-\rho}}{1 - \rho}\) 其中，$b_i$ 是家庭i获得的转移支付。预算固定（B）意味着受益面（N）越广，人均补贴额 $b_i = B/N$ 越小。

4.2 PMT的技术可能性曲线

图4：PMT的ROC曲线

  • 该曲线通过改变PMT分数截断点，展示了包含错误率与排除错误率之间的所有可能组合。
  • 曲线离45度对角线（完全随机瞄准）越远，说明PMT的识别能力越强。
  • 印尼和秘鲁的曲线表明，PMT存在技术极限，无法同时消除两种错误。更严格的瞄准（降低包含错误）必然以更高的排除错误为代价。

4.3 模拟结果：福利、横向公平与隐含税率

  • 福利最大化：图33显示，对于印尼和秘鲁，存在一个最优的包含错误率（即并非最严格的瞄准），使得社会总福利最大化。曲线呈倒U型：
    • 过于严格的瞄准（低包含错误）因排除错误太高，导致许多真正贫困者被遗漏，损害总福利。
    • 过于宽松的瞄准则因补贴额度被摊薄，对贫困者的边际效用提升有限，总福利也较低。
  • 横向公平：图34显示，横向不公平（指两个消费水平完全相同的家庭，一个获得补贴而另一个没有）随着瞄准严格度提高而急剧加剧。UBI（最右端，包含错误率=1）实现了完全的横向公平。
  • 隐含边际税率：图35显示，在严格的PMT瞄准下，对于PMT分数在资格线附近的家庭，其获得的净转移额对收入非常敏感，这产生了极高的隐含边际税率（在模拟中有时超过100%）。这种“福利悬崖”效应可能严重扭曲工作激励。

4.4 结论

瞄准与否涉及多重深刻权衡：

  1. 福利 vs. 覆盖：更精准的瞄准未必能最大化总福利，因为高排除错误的成本可能很大。
  2. 纵向公平 vs. 横向公平：瞄准旨在提升纵向公平（给穷人更多），但会以损害横向公平（同等穷人之间待遇不同）为代价，可能引发公平性质疑。
  3. 效率 vs. 激励：精准瞄准可能带来高隐含税率，抑制工作，造成效率损失。
  4. 社区瞄准的意义：社区方法虽然消费瞄准精度稍差，但可能通过提升程序合法性、反映本地价值观和减少横向不公平感，来实现一种不同的社会福利优化。

因此，没有“放之四海而皆准”的最优方案，只有基于社会价值观和政策优先序（我们更厌恶哪种错误？更看重哪种公平？）的艰难权衡。

五、转移支付的形式：现金还是实物？

在决定了瞄准策略后，下一个关键设计问题是转移支付的形式。

5.1 现金与实物的经济学差异

  • 现金：是纯粹的需求冲击，给予家庭完全的消费选择权，在无市场扭曲和 behavioural bias 的情况下能最大化接收者效用。
  • 实物：
    • 对接收者：可能产生“消费约束”，如果实物不是其最需要的，则价值低于等额现金（折算率<1）。
    • 对市场：是特定商品的供给冲击。如果实物商品（如食品）在本地市场交易，可能增加该商品供给，压低其价格，产生一般均衡效应。

5.2 价格效应与再分配：Cunha等人的研究

Cunha, di Giorgi, and Jayachandran 研究了墨西哥的RCT，村庄被随机分配接受现金或等值食品包（面粉、大米、豆类等）。

  • 核心机制：实物转移可能增加本地食品供应，导致食品价格下降。
  • 异质性的再分配效应：
    • 对于受益家庭：实物转移的价值因价格下跌而“缩水”，其实际获得的购买力低于现金转移。
    • 对于非受益的贫困家庭：他们虽未获得转移，但能从更低的食品价格中受益，生活成本下降。
    • 对于食品卖家（可能是非贫困者或农民）：其销售收入和利润因价格下降而受损。
  • 总体分配效应：因此，实物转移通过价格渠道，产生了一种与现金转移截然不同的、非预期的再分配效果。其净效果取决于本地市场结构（供给弹性）、家庭在生产-消费中的角色（净买家 vs 净卖家）以及初始的财富分配。

5.3 其他考量

  • 父爱主义与政治支持：公众可能更支持限制用途的实物转移，以防受益人将现金用于“不良”消费（如烟酒）。
  • 靶向劣等品：提供劣等品（质量较低的主食）可以作为一种自我瞄准机制，因为富人不愿消费。
  • 保险功能：最近的研究指出，固定数量的实物转移可以提供一种针对价格波动的保险，而固定数额的现金转移则不能。
  • 供应链与腐败：实物转移可能涉及采购、仓储、物流，滋生腐败风险；现金转移则可能通过数字化支付降低腐败和损耗。

六、总结

本讲系统性地探讨了发展项目中转移支付的设计核心——瞄准问题：

  1. 社区瞄准 的优势不在于更高的消费瞄准精度，而在于它能更好地捕捉和满足本地化的、多维度的福利观念，从而显著提升程序的合法性、满意度和社区认同。它揭示了一个关键洞见：政策目标函数本身可能存在分歧。
  2. 自我瞄准 通过设置适度的“磨难”（如申请成本），能巧妙地利用申请者的私人信息（尤其是其自我评估的获得资格的概率）来进行筛选。结合PMT使用时，它不仅能有效排除富裕家庭，还能帮助发现被遗漏的贫困家庭，实现“双赢”。结构模型分析表明，对资格获取概率的信念差异是驱动该机制的主力。
  3. 瞄准本身存在深刻的技术极限和伦理经济权衡。在精准性、覆盖率、社会福利最大化、横向公平和工作激励之间，没有免费的午餐。政策选择取决于社会更看重什么。
  4. 转移支付的形式（现金/实物）远不止是消费选择权的问题。它通过一般均衡效应（特别是价格渠道），会产生复杂的、异质性的再分配结果，影响受益人、非受益的穷人以及本地生产者的福利。

这些研究表明，设计有效的社会保护项目远不止是确定一个贫困线或挑选一个统计模型。它需要深入理解当地的制度环境、家庭决策行为、市场联动机制以及深层的社会价值观。没有最好的方法，只有在具体情境下的更优权衡。