早期研究者们认为个人的社会经济产出主要受到个体特征和家庭因素的影响，20世纪80年代以来人们开始逐渐认识到所居住的社区环境也与个人的发展密切相关，于是引发了对邻里环境（Neighborhood Effect）的众多研究，涉及城市规划、社会学、心理学和经济学等多个学科。根据《人文地理学词典》的定义，邻里环境是指“环境对居民的思想和行为方式产生的影响”。在邻里环境的识别上，Manski（1991）认为邻里环境可以归纳为三种类型，分别是内生效应（Endogenous Effect）、外生效应[2]（Exogenous Effect）和关联效应（Correlated Effect）。内生效应指个人的行为会受到所属群体其他成员同样的行为的影响，强调的是成员之间的互动；外生效应指个人的行为与所属群体的外生特征有关系；关联效应指同群体的个人行为受到该群体共同特征或所共处的环境影响。以教育为例，学生的成绩受到同班其他学生成绩影响的时候，表现出的是内生效应；当受到班内学生的性别、族裔、户籍等个人特征影响时，表现出的是外生效应；当受到教师水平、学校学习环境影响时，表现出的是关联效应。对不同机制的研究具有重要的政策含义，可以有针对性的设计相关的公共政策。
在设计具体的识别策略时，研究者们面临着映射（Reflection）、自选择（Self Selection）和样本损耗偏误（Sample Attrition Bias）等问题。当解释变量和因变量互相影响的时候，就产生了映射问题。比如学生A的成绩受到包含学生B在内的班上其他学生成绩的影响，而学生B的成绩又受到包含学生A在内的班上其他学生成绩的影响，在两者的学习成绩决定函数中均包含了自身的因素，从而产生了映射问题。在解决方法上可以使用群体均值的滞后期、非线性形式或者群体其他特征（如中位数）来作为解释变量，再或者寻找到合适的外生工具变量进行识别。选择性偏误是指个体所处的环境是其自身选择的结果，受到其他因素的影响，本质上是遗漏变量问题。如学生所处的学校或者班级可能是重视子女教育的家长择校选班的结果，个人所居住的社区也可能是个体基于自身经济水平和偏好所作出的选择，当引起自选择的因素同关键解释变量相关时，就产生了估计偏误。为了应对自选择问题，学者们通常采用考虑引起自选择问题的因素、工具变量或者利用外生冲击事件作为实验/准实验进行实证分析上的识别。在邻里环境的研究中，学者们通常基于微观数据库开展分析，并希望通过跨期数据进行动态考察，消除不随时间变化的且不可观测的个人因素。在跨期的微观数据中，样本可能会出现非随机的损耗，从而导致估计所使用的样本脱离总体分布，造成估计上的偏误，产生样本损耗偏误问题。Ding和Lehrer（2004）在评价美国田纳西州小班教学时，发现每年有10%的学生变换了班级类型，超过一半的学生在三年级之前离开了项目，在对样本损耗纳入模型设定之后，实证结果显示小班教学对学生成绩的促进作用消失了。对于样本损耗偏误的应对通常依赖于对数据的平衡性检验以及Heckman两步法。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
