理解小额信贷扩张的分配效应

为消除极端贫困，各类减贫策略正被实施。其中之一便是增加全球贫困地区对小额信贷的获取。小额信贷通常定义为向服务不足的创业者提供小额贷款，其初衷在于取代昂贵的本地放债人，作为发展工具既受赞誉也遭批评（Banerjee et al., 2015b）。本文利用三项随机试验的数据，对增加小额信贷获取所产生的异质性影响进行分析。本着认识到政策干预的影响一般随一组未知因素条件变化的精神，我们具体考察异质性是否表现为赢家与输家群体，以及此类子群体是否跨 RCT 共享特征。我们发现，增加小额信贷获取对消费水平既无平均影响也无分配影响之证据。相反，对利润平均效应的缺失似乎掩盖了异质性影响。然而，这些发现对所用特定机器学习算法并不稳健。从表现更优的 Elastic Net 切换到表现更差的 Random Forest 会导致估计方差急剧增加。在此背景下，Chernozhukov et al. (2019) 开发的评估相对表现机器学习算法的方法，为分析者应对部署何种算法的不确定性提供了严谨途径。