在实证研究中，面对大量取值为零的结果变量（如收入、工时、贸易额），研究者通常选择对其施加log(1+Y)或反双曲正弦变换（arcsinh），再照常进行回归，并将估计系数解释为近似的百分比效应。这一做法在应用经济学中几乎成为一种默认的操作准则。然而，Chen and Roth（2024）发表在《The Quarterly Journal of Economics》上的研究，对这一惯例提出了根本性质疑。该文证明，当结果变量存在零值时，类对数变换的平均处理效应根本不具备百分比含义，因为它会随结果变量的计量单位任意变化。进一步地，该文建立了一个识别层面的不可能三角：在面对零值结果时，研究者无法同时获得个体平均效应、单位不变性和点识别这三个理想性质。这一结论意味着，研究者必须在三者之中做出明确的取舍，而非依赖计量单位暗中替其决定。。

一、类对数变换的百分比解释何以失效？

百分比效应天然满足单位不变性：一项政策使收入增加10%，无论以美元还是美分度量，这一比例均不应改变。然而，log(1+Y)与arcsinh(Y)等类对数函数虽在数值较大时逼近对数，却在零点处通过人为映射将零纳入定义域。这种处理方式的代价在于，处理效应的幅度将随结果变量Y的缩放比例而剧烈变化。

Chen and Roth（2024）的核心命题指出：若处理变量影响广延边际，即P(Y(1)=0)≠P(Y(0)=0)，则对于任意类对数函数m(·)，其ATEθ(a) =E[m(aY(1))-m(aY(0))]随缩放因子a的变化呈极端敏感性——当a→0时θ(a)→0，当a→∞时|θ(a)|→∞。换言之，通过选择适当的单位缩放比例a，研究者可以获得任意量级的估计效应。这意味着一项处理效应究竟是“显著为正”还是“接近于零”，可能仅仅取决于结果变量是以“元”还是“分”为单位。

其直觉并不复杂：对于从Y(0)=0变为Y(1)>0的个体，其个体层面的百分比变化本身无定义。任何在零点处有定义的ATE都必须隐式地为这种广延边际变化赋予权重，而类对数变换恰好通过计量单位的大小来决定该权重——单位越大，零到正值的跳跃被赋予的权重就越大。

二、一个识别层面的不可能三角

既然类对数变换存在上述缺陷，是否存在其他变换或参数能够同时满足实证研究者对百分比效应的多重诉求？Chen and Roth（2024）通过一个定理排除了这种可能性。他们证明，当结果变量Y可取零值时，不存在任何处理效应参数能同时满足以下三个条件：

个体效应的平均：参数可写成E[g(Y(1), Y(0))]的形式；

单位不变性：g(y1, y0) = g(ay1, ay0)对所有a>0 成立；

点识别：仅从Y(1)和Y(0)的边缘分布即可识别。

这就是所谓的“三难困境”。类对数变换选择了个体平均和点识别，代价是放弃单位不变性——然而研究者们却习惯性地将其解释为具有单位不变性的百分比效应，这才是问题的根源。面对零值结果，研究者必须在这三个性质中至少放弃一个，并据此选择相应的替代参数和估计策略。

三、AER论文的尺度敏感性实证检验

理论命题之外，Chen and Roth（2024）对2018年以来发表于《American Economic Review》的使用arcsinh变换的17篇论文进行了系统性复现。在具备公开数据的10篇论文中，他们唯一的改动是将结果变量的单位乘以100，重新估计原文中的核心处理效应。

结果显示，在10篇论文中，有5篇的估计效应变化幅度超过原始估计的 100%；变化最大的案例中，估计值从0.017跃升至0.081，增幅近五倍。进一步的模式分析表明，估计值的敏感性程度与广延边际效应的大小高度正相关——广延边际效应越大，尺度敏感性越强；而广延边际接近于零时，尺度敏感性则较弱。这恰好说明，类对数变换的所谓“稳健性”实际上来源于广延边际缺乏变化，而非变换本身具有可靠的百分比解释。

此外，当单位缩放因子增大时，arcsinh估计量的t统计量逐渐趋近于广延边际效应估计量的t统计量。这一结果意味着，在单位被过度放大的情形下，研究者实质上估计的是“处理是否使结果从零变为正值”的概率效应，而非任何意义上的集约边际百分比效应。

四、三类替代估计策略

根基于上述不可能三角，Chen and Roth（2024）提供了三条清晰的替代路径，分别对应于放弃不同的性质。

策略一：放弃个体平均效应，转向平均比例效应。 若研究目标为获得具有明确百分比解释且单位不变的参数，可考虑估计E[Y(1)]/E[Y(0)]，即处理组均值占对照组均值的比例。该参数可通过泊松拟极大似然估计（Poisson QMLE）一致估计（Santos Silva and Tenreyro, 2006；Wooldridge, 2010），无需对Y施加严格正性要求，天然适用于含零值的结果变量。

策略二：放弃单位不变性，但明确校准广延边际权重。 若研究者坚持使用凹函数形式以体现递减边际效用，则不应让计量单位暗含权重选择，而应明确设定广延边际变化相对于集约边际变化的等价关系。例如，可定义m(y) = log(y)（y > 0），m(0) =-x，其中x表示从0变为最小正值相当于集约边际上100x%的变化。该策略将尺度依赖性显式化，使研究者可通过敏感性分析考察不同权重设定下的估计结果，而非被动地接受单位缩放隐含的权重。

策略三：放弃点识别，接受部分识别。若核心关切为集约边际效应——即无论处理状态如何结果均为正的个体的处理效应——则目标参数 E[log(Y(1)) - log(Y(0)) | Y(0)>0, Y(1)>0] 本身具有单位不变性，但不可由边际分布点识别。此时可采用Lee（2009）的边界方法给出区间估计，在保持因果推断严谨性的同时提供有用的信息量。

五、三类实证设计中的方法应用

Chen and Roth（2024）进一步在三种常见实证设计中演示了上述策略的具体操作，为研究者提供了可直接参照的实践模板。

RCT 场景：Carranza et al.（2022）的研究评估南非求职证书对工时的影响，原文以arcsinh(周工时)为被解释变量，估计效应为0.201，解释为20% 的增长。Chen and Roth的复现显示，将工时改为“年工时”后估计值变为0.417，改为“全职等效单位”后降至0.031——三种单位得到三个差异悬殊的结论。替代分析中，采用泊松回归估计出的比例效应约为11%，同时Lee边界虽较宽，但清晰地呈现了数据对集约边际效应的有限信息量。

DiD场景：Sequeira（2016）的研究利用双重差分设计评估关税变化对贸易贿赂的影响，原文以log(1+Y) 为被解释变量。Chen and Roth采用“比率平行趋势”假设下的泊松回归，估计出约-72%的比例效应。进一步的校准分析显示，原文-3.75的估计系数等价于将“从零到最小正贿赂值”的广延边际变化赋予了300个对数点的权重，这一隐含值在经济直觉上难以得到合理解释。

IV场景：Berkouwer and Dean（2022）的研究利用随机价格作为工具变量评估节能炉灶对木炭消费的影响，原文以arcsinh变换得到约-0.50的LATE，解释为39%的下降。Chen and Roth 改用比例LATE（即complier群体的均值比），估计出42%的降幅，与原文数值接近但逻辑更为清晰。同时Lee边界给出的集约边际效应约为-54%至-56%，与比例 LATE 接近，这得益于该研究中广延边际效应极小。然而作者强调，不应因特定场景下结果接近而忽视类对数变换在逻辑上的根本缺陷。

文献引用

Chen J, Roth J. Logs with zeros? Some problems and solutions[J]. The Quarterly Journal of Economics, 2024, 139(2): 891-936.