ECTA-2026-03-03

创新点 1：将 SEV 匹配模型从离散小类别扩展至大规模连续收入变量的半参数估计框架

现有基于 Choo 和 Siow（2006b）SEV 框架的实证研究大多将个体归入少量几个类别（如高/低教育），但收入是内在连续的变量。虽然近期有研究将 SEV 模型推广至连续变量，但均假设剩余函数为二次型——这隐含了"匹配偏好在整个收入分布上均匀一致"的强假设，排除了"某段分布呈正分类匹配、另一段呈负分类匹配"的可能。

本文提出了一个全新的半参数方法：用高次多项式（degree 6，即 28 个系数）灵活逼近剩余函数 S(I, J)，直接通过第二交叉导数 ∂²S/∂I∂J 的正负号识别局部 PAM/NAM 区域。如论文所述（Section 4.1）：

"the supermodularity of the surplus directly translates into the sign of the second cross derivative"

这使得研究者可以在不需要先验假设匹配模式均匀性的前提下，捕捉整个收入分布上的异质性匹配偏好。

创新点 2：利用独一无二的行政税务全人口面板数据解决收入匹配研究中的三大内生性难题

论文使用了荷兰中央统计局（CBS）的全境行政税务数据，这是该领域前所未有的数据质量优势。该数据集具备四个关键特征，直接解决了三类内生性问题：

（a）婚前双方收入观测：大多数研究只能观测已婚夫妇的当前收入，但当前收入是婚内劳动供给决策的结果而非婚姻匹配的决定因素。本文数据覆盖 2013–2019 年面板，可直接使用"婚前收入"（如用 2013 年收入分析 2019 年结婚者）作为匹配特征，从而排除劳动供给内生性。论文明确展示了这一对比（Section 5.1.4）：

"one would expect that the estimation process using income data from six years before marriage as a matching trait would generate significantly different patterns. The graph is given in Figure 5. One can note that the qualitative patterns are exactly similar to those obtained using 2019 incomes."

（b）第三方报告收入：行政税务数据由雇主向税务机关报告，排除了自报收入中的社会期望偏差（如妻子低报收入以维护"男性养家"规范）。这使论文得以干净地测试 Bertrand, Kamenica, and Pan（2015）的"50% 阈值"假说，并得出与其相反的结论。

（c）超大样本量：每年约 17 million 居民，其中 150,000+ 新婚个体——使得 30×30 = 900 个单元格的平均频数达到 74 对，足以支撑高维灵活估计。

创新点 3：发现婚姻匹配中局部并存的正分类匹配（PAM）与负分类匹配（NAM）异质性模式

以往文献要么笼统报告整体正分类匹配指数，要么假设全局一致的正分类匹配。本文首次通过局部超模性分析，揭示了两种截然不同的匹配模式在收入分布上共存：

• PAM 区域（绝大多数人口）：中低收入且双方收入相近的夫妇表现出强烈的正向分类匹配。论文指出：

"for a large majority of the population, there is a strong tendency to homogamy: the second cross derivative is significantly positive and actually quite large."

• NAM 区域（约 2.5%，13,000+ 对）：丈夫高收入（> €60,000）、妻子低收入（< €30,000）的"传统型"夫妇表现出显著的负分类匹配。论文指出这一发现具有重要的理论与政策含义，因为它表明 Becker（1973）的专业化逻辑和近期公共品/子女投资逻辑可以同时在同一婚姻市场中发挥作用，只是在不同收入段的主导效应不同。

此外，论文证明这一模式在七年数据上"remarkably stable"，进一步支持了其结构性（而非偶然性）的解释。

创新点 4：通过"婚前 vs. 婚后"收入和"新婚 vs. 全人口"的双重对比，系统揭露了传统方法的估计偏误

论文设计了精巧的对比策略：

• 婚前 vs. 婚后收入对比：用 2019 年新婚夫妇的 2013 年收入（婚前 6 年）估计的匹配模式，与用 2019 年当前收入估计的模式高度相似；但用 2013 年结婚者在 2019 年的收入（婚后 6 年）估计时，模式发生显著变化——"传统型"NAM 区域大幅缩小，低收入的同类夫妇反而表现出 NAM。

• 新婚 vs. 全人口对比：用全人口（包含已结婚多年的各类队列）当前收入估计的匹配模式，与用新婚夫妇婚前收入估计的差异显著。论文明确指出：

"these results confirm that an estimation based on a sample of existing couples of heterogeneous ages can give, at best, a biased vision of actual matching patterns."

这一发现对实证文献有重要意义：大量已有研究使用的截面已婚夫妇样本可能系统性地偏误了对婚配模式的理解。

创新点 5：创新性地结合内部验证、COVID-19 准自然实验和离婚概率进行多维度模型验证

论文构建了三层递进的验证体系：

（a）内部验证（Table IV）：选择未用于估计的三个关键矩（对数家庭收入均值、方差、配偶收入相关性），逐年比较模型预测值与实际值，发现二者"correspond almost exactly"。

（b）COVID-19 准自然实验验证（Table V）：利用 2021 年新冠疫情导致结婚数量下降 13% 的外生冲击，将 2019 年估计的模型与 2021 年边际分布结合，预测 2021 年配偶收入相关系数为 29.50%，与实际值 29.54% 几乎完全一致。这提供了经典的结构模型样本外预测验证。

（c）离婚概率验证（Table VI）：将估计的婚配剩余纳入离婚 Logit 模型，发现剩余显著负向预测离婚概率。这既为匹配模型提供了行为层面的外部验证，也为理解婚姻稳定性提供了新的结构性视角。

创新点 6：用安慰剂检验和多项式灵活度对比排除了方法伪发现的可能性

论文的稳健性设计非常系统：

• 随机匹配安慰剂（Figure 8）：将同一群体随机配对后重新估计，结果在全收入范围内第二交叉导数无法显著拒绝零假设——证明方法仅在存在系统性匹配模式时才会给出显著结果。
• 多项式阶数对比（Figure 11, Figure 13）：将 degree 6 提升至 degree 7（36 个系数），主要模式保持一致，仅在高收入女性-低收入男性的极小群体（< 0.3%）中多捕捉到一个 NAM 区域——这反而说明方法在足够灵活时能探测到更细微的模式。
• 多重分箱/函数形式检验：改用 centiles 分箱、对数收入多项式等，核心结论稳健。

选题 1：Extending the Semi-Parametric Matching Framework to Multidimensional Traits

Motivation: Chiappori et al. (2026) developed a semi-parametric method for analyzing assortative matching on a single continuous trait (income). However, marriage markets operate on multiple dimensions simultaneously — education, wealth, health, personality, and family background. The paper acknowledges this limitation explicitly in its conclusion: "observing actual behavior can provide additional information about the surplus itself, thus leading to more robust estimations."

Research Question: How can the semi-parametric polynomial surplus framework be extended to two or more continuous matching traits (e.g., income and education jointly)? What does the supermodularity tensor reveal about complementarities across dimensions?

Approach: Extend the polynomial surplus to a multivariate tensor-product basis S(I,E; J,F) where I,J are incomes and E,F are education levels for wife and husband, respectively. Derive cross-partial derivatives for each pair of traits and across traits. Apply to data that contains both income and education for both spouses (e.g., Danish or Swedish administrative registers). Identify whether income-homogamy and education-homogamy are complements or substitutes in the surplus function.

选题 2：Machine Learning Approaches to Surplus Function Estimation in High-Dimensional Matching Models

Motivation: The paper uses a fixed-degree polynomial (degree 6) to approximate the surplus function. While flexible, this parametric choice is inherently arbitrary. The appendix results suggest that degree 7 captures additional NAM regions missed by degree 6, raising the question of optimal flexibility.

Research Question: Can nonparametric machine learning methods — such as neural networks with smoothness penalties, Gaussian processes, or gradient-boosted trees — provide more robust estimation of the surplus function's second cross derivative without requiring pre-specified functional forms?

Approach: Replace the polynomial specification with a penalized neural network that directly parameterizes the surplus S(I,J). Impose a roughness penalty on ∂²S/∂I∂J to avoid overfitting noisy patterns. Compare out-of-sample prediction accuracy and the stability of identified PAM/NAM regions across methods. Use the Dutch data (or similar administrative data) as a benchmark.

选题 3：Intergenerational Consequences of Heterogeneous Marital Sorting: Evidence from Administrative Data

Motivation: The paper emphasizes that assortative matching has long-term impacts because "educated, high-income couples tend to invest more into their children's human capital." The heterogeneity in matching patterns — PAM for most but NAM for "traditional" couples — implies heterogeneous environments for children's human capital formation.

Research Question: Do children of PAM-matched parents experience different human capital outcomes (educational attainment, earnings) compared to children of NAM-matched parents, controlling for parental income levels? How much of observed intergenerational mobility variation is attributable to heterogeneous matching types?

Approach: Link the Dutch marriage data with children's long-term outcomes (education records, adult earnings from tax data). Classify parental couples by their position in the surplus function's PAM/NAM regions. Estimate intergenerational elasticity of income and education by matching type. Decompose the contribution of assortative matching heterogeneity to overall intergenerational persistence.

选题 4：The COVID-19 Pandemic as a Natural Experiment for Marriage Market Composition Effects

Motivation: The paper's out-of-sample validation leverages the 13% decline in marriages during COVID-19 as a quasi-natural experiment. However, this is used only as a model validation exercise. The pandemic-induced compositional change in the marriage market itself warrants a deeper investigation.

Research Question: How did the pandemic differentially affect marriage entry across income groups, and how did the resulting compositional shift alter equilibrium matching patterns? Was the decline in marriages concentrated among couples who would have been PAM or NAM matched?

Approach: Exploit the pandemic as an exogenous shock to marriage market participation. Estimate a structural model of marriage entry (selection into the market) jointly with matching patterns, using pre-COVID years for identification. Decompose the observed 2021 matching pattern change into (a) compositional effects (who entered/exited) and (b) behavioral effects (changed preferences). Test whether the marginal couples deterred from marriage were systematically different in their PAM/NAM propensity from those who proceeded.

选题 5：Comparing Administrative-Data vs. Survey-Data Estimates of Assortative Matching: Quantifying Reporting Bias

Motivation: The paper highlights that "in survey data, income is typically self-reported" and that "any social norm affecting marital roles may well influence (and possibly bias) self-reporting." The authors' rejection of the Bertrand et al. (2015) "50% threshold" finding — which they attribute to self-reporting bias — is a striking claim that warrants systematic investigation.

Research Question: How large is the bias in assortative matching estimates when using survey-based self-reported income versus administrative third-party-reported income? Does the "50% threshold" phenomenon survive in administrative data once the semi-parametric surplus framework is applied?

Approach: Compare surplus function estimates using (a) Dutch administrative tax data (third-party-reported) and (b) Dutch survey data (e.g., LISS panel) covering the same period. Estimate the same semi-parametric model on both data sources. Quantify the divergence in PAM/NAM region boundaries and in the estimated proportion of NAM couples. Test whether a dummy for "wife's income > 50% of household income" has a different coefficient across the two data sources — which would directly quantify the share of the "50% threshold" attributable to reporting bias versus genuine marital sorting.

选题 1：中国婚姻匹配中的分类匹配异质性——基于 CFPS 收入数据的半参数估计

选题背景与政策价值: 中国的婚姻匹配模式正在经历剧烈变迁。一方面，"门当户对"的传统观念在市场经济条件下被重新激活为"收入匹配"；另一方面，性别比失衡、彩礼现象、城市高房价等中国特有问题深刻塑造着婚姻市场的均衡。2023 年中国总和生育率降至约 1.0，婚姻缔结率持续走低，理解婚姻匹配模式对评估"共同富裕"背景下家庭间不平等和代际流动性具有直接政策价值。国务院 2021 年发布的《关于优化生育政策促进人口长期均衡发展的决定》明确提出要"加强适婚青年婚恋观、家庭观教育引导"，本文的方法论可为此类政策设计提供实证基础。

具体研究设计: 使用中国家庭追踪调查（CFPS）或中国家庭收入调查（CHIP）的面板数据，借鉴本文的半参数多项式剩余函数方法，估计中国婚姻市场的剩余函数及其第二交叉导数。核心处理包括：（1）利用面板结构提取婚前收入（而非当前收入）作为匹配特征；（2）将收入分为 20–30 个组别（根据中国收入分布特征调整，如考虑城乡差异）；（3）分别估计城市和农村子样本的匹配模式，比较二元结构下的异质性；（4）利用 CFPS 纵向信息追踪婚姻前后的劳动供给变化，分离匹配效应与婚内调整效应。

预期贡献: 首次将 SEV 半参数匹配框架应用于中国数据；揭示中国是否存在"传统型"负分类匹配及其规模；为"门当户对"的当代经济学含义提供结构性的量化证据。

目标期刊: 《经济研究》、《经济学（季刊）》、《管理世界》

选题 2：户籍制度、住房财富与婚姻匹配模式——基于中国行政大数据的多维匹配分析

选题背景与政策价值: Chiappori et al.（2026）在结论中明确指出未来研究方向是"多维分类匹配"（multidimensional assortativeness）。中国婚姻市场天然是多维的——收入、户籍（hukou）、住房产权、教育等同时影响婚配决策。特别是，中国特有的户籍制度造成了劳动力市场和婚姻市场的双重分割；大城市房价高涨使得"婚房"成为婚姻的门槛条件（Wei and Zhang, 2011, JPE 的"竞争性储蓄动机"理论）。2024 年国务院印发《深入实施以人为本的新型城镇化战略五年行动计划》，推进户籍制度改革和住房保障体系完善。在这一政策背景下，理解户籍和住房如何与收入交互影响婚姻匹配，具有直接的政策设计价值。

具体研究设计: 如能获取某城市或省份的婚姻登记数据（民政部门）与不动产登记数据、社保缴纳数据的匹配样本：（1）将本文的单维收入匹配框架扩展至三维（收入 × 户籍类型 × 有无住房产权），构建多维剩余函数 S(I, Hukou, House; J, Hukou, House) 的张量积多项式逼近；（2）估计各维度的交叉导数，识别哪些维度之间存在互补性（如城市户籍与高收入是否在匹配中呈超模性互补）；（3）利用户籍制度改革试点城市（如 2014 年后统一城乡居民户籍的城市）作为政策冲击，检验户籍障碍减弱后匹配模式的变化；（4）比较新房购置前后婚姻缔结的时机，识别住房财富效应。

预期贡献: 发展多维 SEV 匹配模型的实证框架；首次量化户籍和住房在中国婚姻匹配中的结构性角色；为户籍改革和住房保障政策提供婚姻市场维度的评估。

目标期刊: 《经济研究》、《中国社会科学》、《Journal of Comparative Economics》

选题 3：中国"男性养家"模式的代际演变——婚姻匹配、劳动供给与文化规范的三角互动

选题背景与政策价值: Chiappori et al.（2026）发现约 2.5% 的荷兰夫妇呈现"传统型"负分类匹配（男性高收入-女性低收入），且与劳动供给对婚姻的内生反应密切相关。在中国，这一问题更具特殊性：（1）中国性别收入差距在 2010–2020 年间有所扩大（根据中国性别平等与妇女发展报告）；（2）"男主外、女主内"的传统性别角色观念在中国仍有较强基础，但年轻一代中正在弱化；（3）全面三孩政策、"双减"政策等可能通过影响女性时间配置间接强化家庭内的性别分工。理解中国"传统型"婚配的形成机制、代际变化及其劳动供给后果，是制定性别平等和家庭友好政策的基础。

具体研究设计: （1）使用 CFPS 2010–2022 年多轮面板数据，识别不同结婚队列（1990 年代、2000 年代、2010 年代、2020 年代初）的婚配匹配模式，比较"传统型"NAM 夫妇比例的变化趋势；（2）参照本文的婚前 vs. 婚后收入对比策略，利用面板数据分别以婚前收入和婚后收入估计剩余函数，量化中国情境下劳动供给内生性对匹配估计的偏误大小；（3）加入性别角色态度变量（CFPS 中包含"男性应以事业为重，女性应以家庭为重"等态度题项），检验文化规范是否调节了匹配模式和婚后劳动供给调整；（4）利用各省性别比差异（来自人口普查）作为外生变异，识别婚姻市场供需条件对"传统型"匹配形成的影响。

预期贡献: 绘制中国婚姻匹配模式的代际演变图景；分离文化规范与市场力量在"传统型"婚配中的相对作用；为性别平等政策的着力点提供实证依据。

目标期刊: 《社会学研究》、《经济学（季刊）》、《Population and Development Review》

选题 4：婚姻匹配的"共同育儿投资"效应与子女人力资本形成——基于中国教育追踪数据的代际分析

选题背景与政策价值: 论文指出正向分类匹配的一个关键机制是"高收入夫妇倾向于更多且更有效地投资于子女的人力资本"。在中国，教育竞争极度激烈，"学区房"、课外辅导（即使在"双减"政策后）等育儿投资高度依赖家庭资源。如果收入正向匹配增强了高收入家庭集中资源的能力，这将加剧代际不平等固化——直接关系到"共同富裕"目标的实现。2021 年"双减"政策试图削弱家庭经济条件对教育结果的影响，但其效果可能在婚姻匹配层面受到限制——因为"双减"无法改变高收入夫妇配对后形成的家庭资源优势。

具体研究设计: （1）使用中国教育追踪调查（CEPS）数据，将父母收入与婚姻匹配类型（按剩余函数第二交叉导数正负分类为 PAM 夫妇和 NAM 夫妇）进行关联；（2）比较 PAM 夫妇子女与 NAM 夫妇子女在学业成绩、升学路径、非认知能力等维度上的差异，控制父母绝对收入水平以分离"匹配效应"与"收入水平效应"；（3）利用 CEPS 的家长问卷信息，比较两类家庭在教育支出、陪伴时间、教育期望上的差异，识别 PAM 夫妇放大育儿投资的机制（贝克尔"数量-质量"权衡的家庭层面表现）；（4）构建反事实分析：如果 PAM 夫妇被随机匹配，其子女的人力资本分布会如何变化——量化婚姻分类匹配对代际不平等总量的贡献。

预期贡献: 首次将"婚配类型-子女结局"这一链式因果关系引入中国教育不平等研究；为评估"双减"政策的长期效果（是否被婚配层面的结构性力量所抵消）提供新视角；为"共同富裕"政策提供家庭形成层面的微观基础分析。

目标期刊: 《教育研究》、《经济研究》、《China Economic Review》

选题 5：数字平台相亲数据中的匹配偏好识别——一个结合 SEV 模型与机器学习的新方法

选题背景与政策价值: Chiappori et al.（2026）的方法依赖高质量的全人口行政数据，而这类数据在中国研究者中几乎不可获取。但中国拥有全球最大的在线婚恋交友市场——世纪佳缘、百合网、珍爱网等平台积累了数以亿计的用户画像和互动行为数据。2024 年国务院办公厅发布《关于发展银发经济增进老年人福祉的意见》也提及"支持社交平台适老化改造"，数字化婚恋市场的监管和规范日益受重视。相比税务数据，平台数据虽有选择性和自报偏误问题，但其优点是：（1）包含丰富的多维偏好信息（收入、教育、房产、身高、择偶期望等）；（2）可观测到未形成婚姻的"匹配失败"样本，这是 Chiappori et al. 方法的盲区，也是本文提到的 SEV 框架"无需观测单身人群"这一优势的对立面——因为平台数据天然包含所有市场参与者。

具体研究设计: 如能获取脱敏的相亲平台数据：（1）结合本文的 SEV 剩余函数估计与机器学习方法（如协同过滤、图神经网络），同时利用"成功匹配（线下见面/确认关系）"和"未成功匹配（拒绝/无回应）"的双向信息估计多维偏好函数；（2）比较仅用已婚样本（类似 Chiappori et al. 的方法）和同时利用未婚样本的估计差异，评估"忽略单身市场参与者"在多大程度上偏误匹配偏好估计——这将是对 SEV 框架中"只需已婚样本"这一方便性质的实证检验；（3）分析平台用户的"声明偏好"（profile 中的择偶要求）与"显示偏好"（实际浏览/互动行为）之间的差距，分离社会期望偏差；（4）利用平台在不同城市的渗透率差异或算法推荐策略变化，作为工具变量识别匹配结果的因果机制。

预期贡献: 为不可获取行政数据的中国研究者提供替代数据方案；在方法论上将结构匹配模型与大样本非结构化数据结合；对中国数字婚恋市场的政策监管（如防止算法歧视、保护用户隐私）提供实证基础。

目标期刊: 《管理世界》、《经济学（季刊）》、《Information Systems Research》