编译：对外经贸大学金融科技实验室
原文：Karthik Muralidharan, Paul Niehaus, and Sandip Sukhtankar
编者按
今年是我国脱贫的决胜之年。如何识别真正的“穷人”，以及如何提供最高效的“靶向扶助”是关键问题。Karthik Muralidharan, Paul Niehaus和Sandip Sukhtankar的经典论文《建设国家能力：来自印度生物识别智能卡的证据》（Building State Capacity: Evidence from Biometric Smartcards in India）通过评估印度生物识别支付项目对社会福利影响，回答了这一问题。该新支付系统由村庄银行的工作人员帮助受益人将银行账户与录入生物特征的智能卡相连，当一村庄发送智能卡的项目成员达40%时，支付点将从分邮局转移至村庄，通过特定设备读取智能卡并检索相关信息，在受益人指纹扫描后授权支付。研究表明：新支付系统在支付及时性（timeliness of payments）和资金渗漏（leakage of fund）两方面提升了受益人的福利。
正如我之前的文章所言，生物识别技术的真正危险在于“监控”，而非“验证”。在发展中国家，经由生物识别的验证将有助于提升“国家认证能力”，而将在数据与人或物之间建立一一对应的能力，恰恰是一项基础性国家能力。近年来，印度UPI（Unified Payments Interface，统一支付接口）电子实时支付体系的成功，恰恰反映了信息技术的巨大潜力。
——对外经济贸易大学数字经济与法律创新研究中心执行主任 许可
发展中国家的扶贫方案往往难以执行；许多政府缺乏将资金安全地交付给目标受益人的能力。我们评估了通过生物特征认证的支付基础设施“智能卡”对印度安得拉邦就业NREGS和养老金SSP受益人的影响，使用大规模试验的方式，在超过157个街道和1900万人口中随机推广智能卡。我们发现，尽管实施不完善，但新系统提供了更快，更可预测且更少腐败的NREGS付款流程，而没有对项目获取产生不利影响。对于这些结果中的每个结果，实验组的分布一阶随机地支配了对照组的分布。投资是具有成本效益的，因为仅NREGS受益人节省的时间就相当于干预措施的成本，而且在NREGS和SSP项目中，政府和受益人之间的资金 "流失 "也显著减少。受益人绝大多数都倾向于这两个项目的新系统。总的来说，我们的结果表明，投资于安全支付基础设施可以显著提高发展中国家实施福利项目的 "国家能力"。（JEL H53，H55，I32，I38，J65）
发展中国家每年在脱贫计划上花费数十亿美元，但这些计划的执行情况往往很差，并受到严重腐败的困扰（世界银行，2003年；Pritchett，2010年）。因此，投资于国家能力以改善项目的实施可能会有很高的回报。然而，尽管在最近的理论工作中已经强调了国家能力对经济发展的重要性（Besley和Persson，2009年，2010年），但是关于这种投资的回报的经验证据有限。
有效实施计划的一个常见限制因素是缺乏安全的支付基础设施，无法转账给预期受益人。给穷人的钱经常被官员顺手偷走，案例研究估计资金 "流失 "率高达70%至85%（Reinikka and Svensson 2004; Programme Evaluation Organisation 2005; Niehaus and Sukhtankar 2013b）。因此，建立安全的支付基础设施可以使政府更容易准确地识别受益人并将救济金直接转移到其银行帐户中，这可以大大提高州实施计划的能力。
最近的技术进步推动了这种观点的发展，这使得通过与经过生物统计认证的独特身份证件相联系的银行账户进行支付成为可能。在发展中国家，生物识别技术被认为特别有前途，因为这些国家文盲率很高，因此普遍采用传统形式的身份验证如密码或个人识别码（PIN）是不现实的。这种支付系统在提高公共福利项目的绩效（同时也提高了穷人的金融包容性）方面的潜力已引起全球极大的关注，在80多个国家中至少有230个项目部署了生物识别和支付系统（Gelb和Clark，2013年）。印度的雄心勃勃的Aadhaar项目体现了这种热情，该项目计划为近10亿居民提供与生物识别相关的唯一ID（UID），然后通过与UID相关的银行账户将社会项目支付过渡到直接福利转移。截至2015年6月，已经发放了超过8.5亿个UID，印度前财政部长声称该项目将 "改变治理的游戏规则"（Harris，2013年）。
同时，出于多种原因，人们对这些新支付系统的炒作持怀疑态度。首先，它们的实施需要解决一些列复杂的技术和后勤挑战，这引起人们的担心，除非所有组成部分都得到很好的实施，否则这项工作可能会失败（Kremer 1993）。第二，租金受到威胁的既得利益者可能会破坏干预措施并限制其有效性（Krusell and Ríos-Rull 1996；Parente和Prescott 2000）。第三，如果由于技术问题而拒绝真正的受益人付款，那么新系统可能会产生排除错误。如果这不成比例地伤害了最脆弱的受益人，那将尤其令人不安（Khera 2011）。第四，在一定程度上减少腐败可能会使腐败转移到其他方面，（例如，Yang 2008a），或者如果它首先抑制了官员实施脱贫计划的动机，就会自相矛盾地伤害穷人（Leff 1964）。最后，即使假设有积极的影响，成本效益也是不明确的，因为现有的最佳估计取决于一些未经检验的假设（例如，见国家公共财政和政策研究所，2012）。总的来说，无论是支持生物识别支付系统的爱好者或支持怀疑者，相关证据都非常有限。
在本文中，我们通过展示大规模实验评估证据，为填补这一空白做出贡献，数据来自印度推出生物识别支付基础设施以进行社会福利支付的影响。与印度安得拉邦（AP）政府合作，随机确定了157个地区引入新的智能卡举措的顺序，用于支付两个大型福利项目：国家农村就业保障计划（NREGS）和社会保障养老金（SSP）。NREGS是世界上最大的工作福利项目（针对印度8亿农村居民），但在实施过程中存在众所周知的问题，包括支付过程和流失问题（Dutta等人，2012年；Niehaus和Sukhtankar 2013a,b）。SSP项目通过向没有工作能力的农村贫困人口提供收入支持来补充NREGS（Dutta、Murgai和Howes，2010）。新的基于智能卡的支付系统使用了本地雇用的银行工作人员网络，对受益人进行生物识别，并在村庄进行现金支付。因此，它为NREGS和SSP方案的受益人提供了与UID挂钩的直接福利转移支付相同的有效功能。
该实验在覆盖1900万人口的157个街道中随机分配了智能卡。如此规模的随机化使我们能够解决发展中国家对随机试验的普遍担忧：当政府必须在更大的组织规模上实施同样的技术干预时，研究小规模的试点（尤其是非政府组织主导的试点）可能无法提供准确的绩效预测。由于我们评估了政府的全面实施情况，我们比以往更有信心，认为结果能够说明类似技术在其他环境中的潜在影响（我们在结论中讨论了外部有效性的注意事项）。
经过两年的项目推广，在两个项目中，实验组的智能卡支付比例已经达到50%左右。这一两年内的转换率与其他情况下电子福利转移的推广速度相比，可谓不遑多让。例如，美国用了15年多的时间将所有的社会保障支付转换为电子转账，而菲律宾则用了5年的时间将现金转账项目的覆盖率提高到40%左右。在亚太，无法达到100%的转换率（尽管高级决策者明确提出了这样的目标），这反映了推出一个复杂的新支付系统所面临的后勤、行政和政治挑战（详见第IC节和Mukhopadhyay等人，2013年）。
因此，我们在整篇论文中着重于 "意向实验 "分析，这种分析正确地估计了在 "意向 "实施新系统后，按现状实施的平均收益。这些估计值产生了相关的政策参数，因为它们反映了政府高级官员决定投资新的支付系统后产生的影响，并扣除了在实践中伴随着这样一个项目的所有后勤和政治经济挑战。
我们围绕项目绩效的三个主要方面来组织分析：支付物流、（防止）流失和项目准入。从支付物流开始，我们发现智能卡为受益人提供了更快，更可预测的支付流程，尤其是在NREGS计划下。NREGS工作人员花费的时间比对照组少了22分钟（少了20％），并且在完成工作后他们的付款时间提前了5.8到10天（比对照组平均快17-29%）。相对于对照组，付款延迟的绝对偏差也降低了21–39％，这表明付款变得更加可预测。SSP受益人的收款时间也减少了，但减少幅度很小，在统计上不明显。
关于流失，我们发现实验组的家庭NREGS收入增加了24％，而政府在NREGS上的支出没有变化。最终结果是政府与目标受益人之间的资金流失大大减少。在进一步假设的基础上，（见第三节B），我们估计实验组的NREGS流失减少12.7个百分点，相对于对照平均减少41％。同样，SSP福利金额增加了5％，而政府支出没有相应变化，从而导致SSP流失量显着减少了2.8个百分点，相对于对照平均值减少了47％。
参与者在项目绩效的集约边际上的这些收益并没有被广延边际上的项目获取减少所抵消。我们发现，报告曾在NREGS工作的家庭比例增加了7.1个百分点（比42%的对照平均值增加了17%）。我们认为，这一结果是由 "准幽灵受益人 "的比例显著下降所解释的，"准幽灵受益人 "指的是官员以受益人的名义报告工作，并要求为这项工作支付报酬，但受益人既没有得到工作，也没有得到报酬。这些结果表明，生物识别认证的引入使官员们更难多报工作量（并抽走受益人不知道的额外工资），而官员们的最佳对策是确保更多的实际工作量与所报工资相对应，并相应增加对工人的支付。我们发现对养老金的获取没有影响，SSP的参保率没有变化。
我们还考察了每个业绩边际的影响分布。我们没有发现任何证据表明，新制度使贫困或弱势人群的处境变得更糟。对于每个具有显著正平均影响的绩效维度，实验分布一阶随机地对照分布。因此，在结果分布的同一百分位数上，没有一个实验家庭相对于对照家庭的情况更差。实验效果也没有因村级基线特征的不同而发生显著变化，这表明各村都能从新的支付系统中获得广泛的收益。
智能卡干预措施给支付过程带来了两组主要变化。首先，它改变了负责管理资金流和支付的组织，并将支付点移至更靠近村庄的地方。
其次，它引入了生物识别认证。在对实验组结果的非实验性分解中，我们发现支付及时性的改善完全集中在改用新的支付系统的村庄，但在这些村庄内，接受或未接受生物识别智能卡的受益人之间并无差异。相比之下，受益人付款的增加和流失的减少则完全集中在实际收到生物识别智能卡的NREGS和SSP受益人中。这表明，与新的支付系统相关的组织变革推动了支付过程的改进，而生物识别认证是减少欺诈的关键。
总体而言，数据表明，智能卡改善了受益者的收款体验，增加了预期受益者的收款，减少了腐败，拓宽了项目收益的获取范围，并且在不大幅改变国家财政负担的情况下实现了这些目标。与这些发现一致的是，90%的NREGS受益人和93%的SSP受益人在经历了基于智能卡的支付后，表示他们更喜欢新系统而不是旧系统。
最后，智能卡似乎具有成本效益。就NREGS而言，我们对受益人节省的时间价值（450万美元）的最佳估计就超过了政府的项目实施和运营成本（400万美元）。此外，我们估计NREGS每年减少的3,850万元流失额，比实施新的智能卡支付系统的成本高9倍以上。SSP计划每年减少的流失估计为320万美元，也高于该计划的成本（230万美元）。流失的减少代表了从腐败官员到受益人的再分配，因此不是帕累托式的改进。但是，如果社会规划者更加重视计划受益者（可能更穷）的收益，而不是腐败官员的非法租金损失，那么减少流失的福利效应将是积极的。
我们论文的第一个贡献是对最近强调国家能力在经济发展中的作用理论工作的经验补充（Besley和Persson，2009，2010）。这篇文献的一个重要主题是，政治家可能认为国家能力投资的回报是长期累积的，而他们自己的利益时间跨度可能更短。此外，理论和证据都表明，相对于为目标选民和利益群体提供赞助的特定项目进行投资的激励，政治家投资于通用国家能力的激励可能是微弱的（Lizzeri和Persico，2001年；Mathew和Moore，2011年）。从这个角度来看，值得强调的是，智能卡不仅产生了巨大的正回报，而且这些回报在短短两年内就实现了。因此，我们的结果表明，投资于更好的项目实施能力可能会带来巨大和快速的社会回报，特别是在治理薄弱的发展中国家。
我们也为减少发展中国家腐败的工作做出了贡献（Reinikka和Svensson，2005；Olken，2007）。
我们的结果表明，尽管在文献中存在好坏参半的结果，但是采用技术实现自上而下的治理改进是具有潜力的。例如，Duflo、Hanna和Ryan(2012)发现，在非政府组织运营的学校中，有时间戳的照片和金钱激励提高了教师的出勤率和考试成绩，而Banerjee、Duflo和Glennerster(2008)发现，一个类似的监控护士的举措在从非政府组织主导的试点过渡到政府实施时，被既得利益者所颠覆。我们的结果表明，当技术解决方案作为制度化政策决定的一部分大规模实施时，可以显著减少腐败。在这个意义上，我们的结果与Banerjee等人（2014）的结果一致，他们发现比哈尔邦政府将NREGS报告和资金流系统现代化的举措降低了腐败。同样，Barnwal(2015)发现，印度政府利用银行账户和生物识别认证提供炊事用气补贴的举措减少了对幽灵受益人的流失。
最后，我们的结果进一步补充了关于发展中国家支付和认证基础设施影响的越来越多的文献。Jack和Suri(2014)发现肯尼亚的MPESA移动货币转账系统改善了风险分担；Aker等人(2015)发现在尼日尔使用移动货币提供转账减少了成本，并提高了妇女的家庭内部议价能力；Giné、Goldberg和Yang(2012)展示了生物识别认证如何帮助马拉维的一家银行减少违约和不利选择。
从政策角度来看，我们的结果有助于印度和其他发展中国家正在进行的关于使用生物识别支付技术提供服务的成本和效益的辩论。我们在结论中讨论了我们的结果的政策含义以及对各地和项目的外部有效性的警告。
本文的其余部分组织如下。第一节描述了背景、社会项目和智能卡干预。第二节描述研究设计、数据和实施细节。第三节介绍我们的主要结果。第四节讨论成本效益。第五节是结论。我们还包括一个广泛的在线附录，其中包括补充项目细节和分析。
I. 情境与干预
AP智能卡项目将新的支付基础设施整合到了由农村发展部管理的两个主要的社会福利计划中，这些计划为那些有能力（NREGS）和无能力（SSP）工作的人提供了全面的安全网。本节总结了这些方案以及智能卡的引入如何改变了它们的执行情况，更多细节见在线附录A。
A．全国农村就业保障计划
NREGS是印度的主要福利计划之一，也是世界上最大的工作福利计划，覆盖了世界人口的11%。2013年4月至2014年3月财政年度，印度政府对该方案的拨款为3,300亿卢比(55亿美元)，占其预算的7.9%。该计划保证每个农村家庭每年有100天的有偿就业。该计划没有资格要求，因为工作的手工性质预计会引起自我定位。
参加方案的家庭获得工作卡，工作卡上列出了家庭成员的名单，并有空位记录就业和付款情况。工作卡由当地的gram panchayat(GP）或村或曼德勒街道政府办公室发放。持有工作卡的工人可以随意申请工作，官员们有法律义务为附近的项目提供工作，或者提供失业福利（尽管在实践中，很少提供失业福利）。NREGS的项目有些不同，但通常涉及小型灌溉工程或改善边缘土地。项目工地由被称为 "田间助理 "的官员管理，他们在 "集结册 "上记录出勤和产出，并将其送到州政府办公室进行数字化处理，然后将工作记录上传到州一级，再由州一级发放资金以支付工人工资。
图1中的A部分描述了在引入智能卡之前，AP的支付流程。州政府将资金转到地区办事处，地区办事处将资金转到县办事处，县办事处将资金转到受益的邮局储蓄账户。工人通过前往邮局分局提取资金，在那里他们使用工作卡和存折确定身份。在实践中，工人们(特别是文盲)通常会把证件交给外勤助理，由他们控制和管理自己的账户：拿着存折去邮局，大量提取现金，然后返回村里分发。
支付物流、流失和获取问题都是NREGS实施的障碍。之前的研究（Dutta等人，2012年）和我们对照组的数据都表明，即使有条件做NREGS工作，支付过程也是缓慢而不可靠的，限制了NREGS对农村贫困人口的有效保障程度。据报道，在极端情况下，延迟支付导致工人自杀（Pai，2013年）。
支付过程也容易出现两种形式的流失：多报和少付。例如，考虑到一个工人赚了100卢比：外勤助理可能会报告说，他被拖欠150卢比，但只付给该工人90卢比，通过多报，将50卢比和少付10卢比收入囊中。两种极端的多报形式是：不存在的 "幽灵工人"，但却以其名义报告工作并支付报酬；以及确实存在的 "准幽灵工人"，虽然以其名义报告工作并支付报酬，但却没有得到任何工作或报酬。在这两种情况下，付款通常被官员抽走。此前在同一背景下开展的工作表明，多报是最常见的流失形式，这可能是因为它涉及从 "远方 "的纳税人那里偷窃，而且可以在工人不知情的情况下进行(Niehaus和Sukhtankar，2013a)。
图1.实验组和对照组支付系统的比较
注意：该图显示了Smartcards之前和之后NREGS付款的信息和资金流。TSP是技术服务提供商，是一家与银行签约的公司，负责处理电子转账的细节。CSP是客户服务商，受益人经过认证后从其处获得现金支付。在两个系统中，工作信息的向上流动是一样的。(1) 纸质点名册由全科医生保管，并送往曼德勒计算机中心；(2) 数字化点名册数据送往州财政系统。然而，资金的向下流动是不同的。在现状模式中，(3a)资金以电子方式从州到县再到曼陀罗，(4a)纸币被送到GP(通常通过邮局)，然后送到工人手中。在启用智能卡的系统中（3b），资金以电子方式从州到银行再到TSP，（4b）TSP将现金转给CSP，CSP将现金和收据交给受益人（包括有智能卡和没有智能卡的受益人）。持有智能卡的受益人在领取工资前需要进行生物识别身份认证。没有智能卡的受益人则通过 "人工支付 "的方式进行身份认证和确认付款收据。"SSP "支付的信息和资金流有以下不同。(1) 没有每周从全科医生一级向上确定受益人的信息流(没有点名册等)；(2) 在现状模式中，全科医生官员直接向受益人付款，有时是在他们家里；邮局不参与；(3) 在启用智能卡的系统中，付款的方式与NREGS受益人相同。在这两种模式中，SSP的支付方式都是每月月初支付，而不是像NREGS那样每周或每两周支付一次。请注意，基于智能卡支付的银行/TSP/CSP结构反映了印度储备银行(RBI)的规定，即账户只能由持牌银行创建。由于银行分支机构的固定成本通常太高，无法为农村地区提供有利可图的服务，因此，RBI允许银行与TSP合作，共同提供和经营不加修饰的账户，这些账户可用于储蓄、福利转移、汇款和取现。在实践中，这些账户只用于提取政府福利，而不用于存款或保持余额。
最后，尽管根据设计，NREGS的工作和付款应仅受工人需求的限制，但方案的获取并不完善。在实践中，供应似乎是约束性的制约因素，NREGS的可用性受到预算分配水平以及有限的地方行政能力和实施项目的意愿的制约（Dutta等人，2012年；Witsoe 2014年）。我们的数据证实了这一点，在我们的对照组中，只有不到4%的工人报告说他们可以随时获得NREGS工作。
B．社会保障养老金
社会保障养恤金是针对弱势群体的无条件月度付款。该方案覆盖了600多万受益人，AP每年支出大约180亿卢比（3.6亿美元）的费用。资格仅限于被归类为贫困线以下的家庭成员，他们必须是领取养老金的地区的居民，而且不属于任何其他养老金计划的范围。此外，领取者必须符合以下四类条件之一：老年(65岁以上)、寡妇、残疾人或某些流离失所的传统职业。养老金名单由村民大会(gram sabhas)提出，并由县政府批准。养恤金每月支付200卢比(约3美元)，但残疾养恤金除外，它支付500卢比(约8美元)。与NREGS不同的是，养恤金付款通常在每月第一周由指定的村发展官员在村里发放。付款以现金支付，受益人在纸质受益人名册上签字或按拇指印以确认收到福利。
SSP方案似乎比NREGS执行得更好。Dutta、Murgai和Howes（2010年）发现，该计划目标明确，流失率相对较低（在卡纳塔克邦约为17%，不到其他类似福利计划的一半）。我们也没有发现关于受益人对SSP支付过程的投诉的文件证据。这可能是因为它是一个简单的过程，有一个固定的受益人名单，受益人在一年中每个月的固定时间收到固定金额的付款，而NREGS则不同，在NREGS中，政府需要弄清楚在65%持有工作卡的农村人口中应该向谁付款，以及应该向他们支付多少钱——这两者可能每周都不同。
C．智能卡支付
智能卡项目是印度实施生物识别支付系统的第一次大规模尝试。这是一个综合干预措施，引入了两套互补但概念上不同的改革措施：一套是技术变革，一套是组织变革。
在技术上，干预措施改变了受益人在收款时确定身份的方式。在现状下，受益人通过向负责核实付款的代理人出示身份证件来证明身份。根据智能卡计划，在注册活动期间收集生物识别数据(通常是所有10个指纹)和数码照片，并与新创建的银行账户挂钩。然后向受益人发放实体智能卡，其中包括他们的照片和(通常)一个内嵌的电子芯片，存储人生经历、生物识别和银行账户的详细信息。受益人使用这些卡按以下方式收取款项：(一) 他们将卡插入客户服务提供者操作的服务点设备，该设备读取卡并检索账户细节；(二) 设备提示随机选择十个手指中的一个进行扫描；(三) 设备将扫描结果与卡上的记录进行比较，如果吻合，则授权交易；(四) 支付所要求的现金数额；(五) 设备打印出收据(在某些情况下，用当地语言泰卢固语宣布交易细节)。在线附录中的图A.1显示了一个智能卡样本和正在进行的指纹扫描。
在组织上，干预措施改变了负责管理资金流和交付付款的供应商和工作人员。安得拉邦政府(GoAP)与银行签订合同，管理这两个计划的付款，这些银行又与技术服务提供商(TSP)签订合同，管理账户；然后，技术服务提供商雇用和培训CSP，处理现金管理和付款的最后一步物流工作。图1中的B组显示了政府通过银行、TSP和CSP向该计划的受益人提供资金的情况。GoAP为每个地区指定了一个银行-TSP配对，并对所有迁移到新的基于智能卡的支付系统中的GP支付支付给予2%的佣金补偿（银行和TSP自行协商佣金的分配条件）。
GoAP 要求在将 GP 转换为新的支付系统之前，GP 中至少有 40% 的受益人要注册并获得智能卡；这个门槛分别适用于每个项目。一旦GP被 "转换"，该GP中所有达到门槛的项目的支付都将通过银行-TSP-CSP系统进行，即使是没有注册或没有获得智能卡的受益人。没有注册智能卡的受益人从CSP收到现金付款，并根据受益人名册进行人工记录。
GoAP政府还规定了选拔社区支助员的规范，要求社区支助员必须是居住在所服务村庄的妇女，完成中学教育，与村官没有关系，最好是历史上处于不利地位的种姓的成员，并且是自助团体的成员。尽管满足所有这些要求往往是困难的，有时甚至是不可能的，但被选中的社区服务员通常比以前发放款项（分别为NREGS和SSP）的邮局官员或村发展官员（都是政府雇员）更接近受益人。此外，由于CSP驻扎在村里，他们在地理上也更接近受益人。
像智能卡这样复杂而雄心勃勃的改革，其效果必然取决于纸面上的设计和执行的成功。事实上，亚太政府在实施智能卡时面临着许多技术、后勤和政治挑战。即使有最良好的意愿和行政上的关注，注册数千万受益人、分发智能卡和服务点设备、确定和培训CSP，以及建立现金管理协议也是一项不容易的任务。最重要的是，从现状系统中受益的地方官员几乎没有与项目合作的动力，他们有时试图掠夺项目（例如，通过影响CSP的选择）或推迟项目的实施（例如，以项目给受益人带来的问题为由）。另一方面，亚太政府的高级官员将该项目列为优先事项，给予其大量的行政资源和关注。更普遍的是，GoAP对NREGS做出了坚定的承诺，而AP是利用联邦资金专门用于该项目的领导者。我们的估计涵盖了所有这些因素：它们衡量了政策层面决定大规模实施智能卡的影响，并扣除了所有实际的复杂因素。
D．智能卡的可能影响
先验地看，智能卡干预措施可能会在多个方面影响项目绩效。为了帮助组织下面的分析，我们围绕影响的三个主要方面来组织分析：支付物流、流失和项目准入。
首先，支付物流可能可以改善或恶化。例如，智能卡可以加快支付速度，将交易从（通常是遥远的）邮局转移到村内的一个点。然而，如果社区服务提供者不那么可靠，或者结账过程因技术问题而变慢，那么智能卡同样可以轻易地减慢这一过程。同样，现金的及时供应可能会改善或恶化，这取决于银行和TSP对资金流和现金物流的管理相对于现状如何。在最坏的情况下，干预措施可能会切断对无法获得卡、丢失卡或面临认证装置故障的受益人的付款。
第二，流失可能会减少，也可能不会减少。原则上，智能卡应减少对幽灵受益人的付款，因为幽灵没有指纹，同时也使官员更难以真正受益人的名义收取付款，因为他们必须在场，提供生物识别输入，并收到收据，以便与支付的金额进行比较。然而，这些论点的前提是，实地技术按设计工作，而且社区服务提供者并不比地方GP官员和邮局工作人员更容易腐败。此外，要想大幅度减少流失，可能需要接近完全实施，但干预措施非常复杂，不可能完全实施。
最后，方案准入也可能会得到改善或受到影响。就NREGS而言，减少租金可能会降低地方官员制定和实施项目的积极性，这可能会减少获得项目的机会。另一方面，减少官员多报工程量的动机（因为钱现在直接给了受益人）可能会促使他们增加实际工程量（以更好地与夸大的名单相对应），这可能会增加NREGS的使用。换句话说，如果智能卡使官员们更难抽走资金，那么更多的资金就可以用于实际工作，并可能导致NREGS的实施更接近计划制定者的意图（更多的工作、更多的工人报酬和更多的农村资产创造）。在SSP的情况下，减少流失可能会提高进入SSP受益人名单的非法价格。
智能卡干预措施包括技术和组织创新，我们的意向性治疗估计反映了这两组变化的综合影响。我们在第三F节中对这两部分的相对贡献进行了非实验性分解。最后，我们尽可能平行地提出了NREGS和SSP项目的结果，但没有理由期待类似的影响，因为基本支付挑战和已有的实施质量都是不同的。
II. 研究设计
A.随机化
美联社智能卡项目开始于2006年，但需要时间来克服最初的实施困难，包括合同签订、与现有系统整合、规划注册和现金管理的后勤工作、以及制定财务报告和核对流程。由于政府与一家独特的银行签约，以在每个地区内实施该项目，并且由于多家银行参与，随着时间的推移，跨地区的绩效出现了相当大的异质性。截至2009年底，在23个地区中，有8个地区的负责银行进展甚微;。在2010年初，政府决定在这些地区重新启动该计划，并将其合同重新分配给在其他地区实施了智能卡的银行。这个“新的开始”为智能卡的实验性评估创造了一个有吸引力的环境，其原因有两个。首先，可以在这八个地区中将干预措施的实施随机化。其次，其他地区已经解决了主要的实施挑战，在评估之前产生了“稳定”的实施模型。
我们在这八个地区进行了评估（请参见在线附录图C.1），这些地区的农村人口总数约为1900万。尽管不是随机选择的，但它们在主要社会经济指标上看起来与美联社其余的13个非城市地区相似，包括农村地区、固定种姓、受教育程度和农业劳动力的比例（请参见在线附录D.1）。它们在地理上也遍及整个州，代表三个历史上截然不同的社会文化区域：两个位于安得拉沿海地区，三个位于拉亚尔塞玛和泰兰加纳邦。
这项研究是根据J-PAL南亚和安得拉邦政府之间的正式协议下进行的，该协议旨在将曼荼罗地区转换为智能卡系统的顺序随机化。我们通过抽签将总共296个男同性恋分配给了治疗和对照状态，方法如下：将112个男同性恋分配给治疗组，将139个男同性恋分配给“缓冲”组，将45个男同性恋分配给对照组（在线附录图C.1）。我们只收集治疗组和控制组的调查数据; 我们创建了缓冲组，以确保在将智能卡部署到治疗环境中之后但在将其部署到控制环境中之前，我们有时间进行终端调查（在此期间可以在缓冲组中进行注册而不影响对照组）。在处理方案和控制方案中，计划实施之间的实际滞后时间超过两年。根据地区和社会经济特征的主要组成部分对随机分组进行分层。在线附录表C.1显示了用于分层处理的特征之间的处理和控制性能之间的相等性测试，毫无疑问，它们之间没有显着差异。表C.2报告了基线调查中我们所有主要结果以及家庭社会经济关键特征之间的平衡；NREGS的28个差异中的3个和SSP的17个中的2个在10％的水平上很显着。在实证分析中，我们包括了对村级基线平均值的控制，以检验我们的结果对任何机会不平衡的敏感性。
B.数据采集
我们的数据收集旨在广泛地捕捉影响，包括预期的正面和负面影响；有关详细信息，请参见在线附录B。我们首先收集了受益人名单和已支付的福利的官方记录，然后对已注册参与者的样本进行了详细的基线和最终家庭调查。住户调查包括有关NREGS和SSP的收入和参与的问题，以及有关一般收入、就业、消费和资产的问题。我们在2010年8月至10月初的基线和2012年末进行了调查，以获取有关那年5月下旬至7月初之间NREGS参与的信息，因为这是大多数地区所见的高峰期（见图2）。基线调查后不久，干预措施就在治疗曼陀罗中推广。在我们的最终调查中，我们还对NREGS工地进行了突击审核，以独立核实在场工人的数量。
在线附录C.2中提供了有关采样程序的完整详细信息和讨论。简而言之，我们对880名GP进行了抽样调查。在每个GP中，我们对10个家庭进行了抽样，其中6个来自NREGS工作卡持有人，另外四个则来自SSP受益人。根据官方记录，我们的NREGS样本包括5个家庭，其中至少有一名成员在5月和6月曾工作过，还有1个家庭没有成员在工作中。种抽样设计在估计渗漏(房屋所有者报告为工作事项)和估计获得工作的比率(所有家庭都很重要)方面权衡了权力。在我们的最终调查中，我们对8,774户进行了抽样，其中我们无法调查或确认存在295个家庭，而365个家庭被确认为虚拟住户，留给我们8,114个家庭的调查数据(相应的基线数字分别为8,572、1,000、102和7,425)。
所得数据集是村庄级别和家庭级别的重复横截面。这是经过设计的，因为最终样本应代表当时的潜在参与者。我们验证该治疗方法不会影响抽样框的大小或组成（在线附录C.3），这表明我们的估计治疗效果不会因潜在项目受益人组成的变化而混淆。
尽管在表说明和在线附录表B.1中提供了详细信息，但我们在此处简要描述了主要结果变量的构造。NREGS的付款流程和方案收益结果集中在2012年5月28日至7月15日的为期七周的研究期内，而SSP的收益过程与2012年5月、6月和2012年7月有关。对于每个方案，要求每个受益人报告在这些时间段内，平均收款时间（以分钟为单位），包括花费在未成功到达付款站点的时间。对于NREGS，我们还要求完成工作的每一周的确切收款日期，从而使我们可以将付款延迟计算为该周结束至付款日期之间的天数。另外，我们将支付滞后时间的偏差计算为w周个人支付延迟与w周之间差值的绝对值。我们没有从SSP受益人那里收集付款日期的类似数据，因为在最初的实地调查期间，付款滞后并未成为他们主要关注的问题。
这两个程序的官方付款均来自官方付款数据。对于NREGS，我们将正式记录的拼写分配给与调查研究周相对应的平均值，并按最终研究周数7进行平均，并在家庭层面汇总数据，以防万一将工作付款分配给家庭成员。对于SSP，这仅是2012年5月、6月和2012年7月向单个受益人的平均支出。对于这两个项目，我们都考虑将官方付款是所有付款（包括虚拟受益人）。为了在调查中掌握收入情况，我们向官方抽样的工作卡上所列的每一位NREGS受益人询问每一个研究周所做的工作和收到的报酬的细节，生成平均年龄的周收据，并在家庭层面上进行汇总。对于SSP受益人，我们询问他们在研究月份是否向官员支付了任何款项以获得他们的福利，并从他们每月应该支付的养老金中减去这些款项。对于这两个项目，如果官方支付了款项，但该家庭或受益人是虚拟的，我们认为收到的款项为零。最后，泄露只是官方报告和调查报告之间的差异。
C. 第一阶段和遵守情况
图3利用行政数据绘制了2010年至2012年测试任务中的项目推出情况。到2012年7月，82%（89%）的测试组县 "转换"（定义为至少有一名GP转换）了NREGS（SSP）付款。在转换后的县，83%（93%）的GP已转换为NREGS（SSP）支付，其中 "转换"意味着通过新的银行-TSP-CSP系统进行支付。这些付款可能包括经过认证的付款、向持有智能卡的工作人员支付的未经认证的付款，以及向没有智能卡的工作人员付款。使用智能卡向受益人支付的款项（"有卡支付"，包括认证和未认证的款项）占到了转换后GP支付款项的三分之二。总的来说，到2012年5月，两个项目中约50%的测试授权付款都是 "刷卡"的。这种覆盖率与其他地方的支付流程变化的表现相比是很好的。例如，菲律宾的一个综合现金转移项目（4Ps）花了五年时间才达到40%的覆盖率（2008-2013年）（Bohling和Zimmerman 2013a）。
谈到实验设计的合规性，测试地区的抽样GP更有可能迁移到新的支付系统，67%（79%）的NREGS（SSP）"刷卡"支付，而抽样对照GP只有0.5%（0%）（表1）。在测试区，与持卡受益人进行交易的总体比率为45%（59%），而在对照区则没有报告任何持卡交易。我们还可以利用调查数据评估合规性，调查询问了受益人对智能卡的使用情况。在测试地区，大约38%（45%）的NREGS（SSP）受益人说他们最近使用了智能卡，而在控制地区，1%（4%）的受益人声称他们使用了智能卡。后一个数字很可能反映了受益人在注册（采集生物识别和发卡的过程）和刷卡交易本身的开始之间的一些交集，因为政府直到年底调查后才允许在控制区开始刷卡交易。官方数字和调查数字也不能直接比较，因为前者描述的是交易，而后者描述的是受益人。
考虑到第一阶段，我们在下文中重点关注意向测试（ITT）估计，它可以被解释为对应于大约一半完整执行的平均测试效果。
D. 评估
我们报告了ITT的估计结果，比较了测试区和控制区的平均结果。对于SSP，所有结果都是在个人受益人层面进行估计的；对于NREGS，所有结果都是在被问及的层面--个人、按周的个人或家庭--进行估计的，除非为了与官方数据进行比较而需要进行汇总。所有的回归分析都经过反抽样概率加权，以获得NREGS工作卡持有者或SSP受益者人口的平均部分效应。我们在所有回归中加入了地区固定效应和用于分层随机化的行政区特征向量的第一主成分(PCmd)，以及行政区一级的聚类标准误差。因此，我们估计：
在该公式中，Yimd是m区和d区中家庭或个人i的结果，Treatedmd是第1波任务区的指标。
注：该表分析了截至2012年7月的NREGS和SSP付款智能卡的使用情况。每个观察结果均以村为单位（GP：行政村），支付卡区划已转移到基于智能卡的支付，通常发生在40％的受益人获得卡之后。平均分数卡支付是在测试环境中与卡片受益人进行交易的比例。这两个结果均来自官方数据。第3列和第4列报告了GP中基于调查的智能卡平均受益使用率或基于生物特征的支付系统。NREGS官方措施和调查措施之间观察次数的差异是由于缺少主要对照GP的数据缺失，这些GP甚至还没有开始注册。假设在这些GP中没有任何卡式付款，则会增加对实施的测试效果。所有回归都包括用于分层随机化的曼荼罗特征向量的第一个主要成分。标准误差聚集在括号内的水平上。
在可能的情况下，我们还报告了包括Y0变量的GP基准水平规格，以提高精度和评估对任何随机失衡的敏感性。然后我们估计
其中P索引村委会或者行政区划，注意，我们很容易在所有情况下拒绝 γ = 1，因此不报告差异中的差异估计。
Ⅲ:智能卡支付的影响
A.对支付物流的影响
对照组的数据证实，NREGS支付通常会延迟。对照组的受益人在完成给定的工作后平均等待34天才能收到付款，是法律规定的14天的两倍多(表2)。收集过程也很耗时，对照组的平均收集时间差不多是两个小时的旅行和排队收费。
注：第1-4列中的因变量是收款的平均时间（以分钟为单位），其中包括在收款方观察到的不成功的付款地点所花费的时间。第5列和第6列中的因变量是完成工作与收到NREGS付款之间的平均天数延迟。第7列和第8列的结果是与一周特定的中位水平平均水平偏差的绝对偏差。由于第5-8列的数据处于个人周水平，因此我们包括了周固定效应以吸收研究期间的差异。所有回归都包括用于分层随机化的曼荼罗特征向量的第一个主要成分。标准误差聚集在括号内的水平上。
智能卡极大地改善了这种情况。收取国家药物管理规划付款所需的总时间在分配给测试的人员中减少了22分钟(占对照平均时间的20%)。收取款项的时间对于接受过社会保障计划的人来说也减少了，但是这种减少在统计学上并不显著(表2：NREGS的第1和第2栏，SSP的第3和第4栏)。我们还发现，收到或登记智能卡的NREGS和SSP受益人中，超过80%的人报告说智能卡加快了支付速度(表6)。
NREGS收件人在工作后收到付款的延迟时间也较短，这些延迟变得更可预测。表2第5和第6栏报告说，接受测试使工作与领取国家人力资源调节规划付款之间的平均天数减少了5.8至10天，即减少了对照平均值的17-29% (超过14天法定限额的29-50%)。还有一些暗示性的证据表明，支付时间的不确定性有所下降。虽然我们不直接测量，第7和第8栏显示支付滞后的变异性--从中位数水平延迟测量的平均差，因此相应于一个健全版本的测试--下降了对照平均值的21-39%。这种减少的变化对于信贷紧缩的家庭来说是很有价值的，因为他们需要匹配收入和支出的时间。智能卡大大改善了这种情况。
B. 对付款金额及泄露的影响
接受测试的人员也收到了更多的钱。对于NREGS测试者，面板A的第3列和第4列表3结果表明，在我们的最终研究期间，每周收入增加了35卢比，占对照组平均值的24％。对于SSP受益人，在我们的最终调查(5-7月)之前的三个月中，每个受益人的收入增加了12卢比，或者说是对照平均值的5%。相比之下，我们看不到对这财政支出的影响。对于我们最终抽样调查的工人，我们发现在处理和控制方面，官方NREGS支付没有显著差异。同样，SSP支出也没有改变（(分别是A与B面的第1和第2栏)
注: 本表报告了官方或调查记录中所报告的计划利益回归(卢比)。两个小组均包括所有抽样住户/受益人，他们(i)被调查队发现与官方纪录相符，或(ii)被列入官方纪录但被确认为虚拟。虚拟是指在2012年5月28日研究期间开始前已被证实不存在或永久移民的家庭或受益人。在A面中，每个结果观察指的是完成NREGS工作的家庭级别每周平均金额研究期间为2012年5月28日至7月15日。官方是指官方召集记录中列出的已支付金额。调查是指受益人报告的已收到的付款；我们只包括正式抽样工作卡上列出的受益人。泄漏是这两个数量之间的差。BL GP Mean是在基准研究期内2010年5月31日至7月4日完成的NREGS工作的家庭水平每周GP平均数。在B面中，每个结果观察结果是指2012年5月，6月和2012年7月平均SSP每月金额。官员是指官方支出记录中列出的已支付金额。调查是指受益人报告的已收到的付款。泄漏是这两个数量之间的差。BL GP均值是2010年5月，6月和2010年7月基线期的GP平均每月SSP量。所有回归均包括用于分层随机化的曼荼罗特征向量的第一个主要成分。标准误差聚集在括号内的水平上。
接受者报告说获得更多收入而政府支出没有变化，这一事实意味着，这两个计划的流失减少了。A面板的第5列和第6列确认，NREGS官方收入与调查收入每周度量之间的差异显着下降了25卢比。SSP计划的结果反映了NREGS结果：我们发现每笔养老金的漏失减少了7卢比月。相对于财政支出，这意味着泄漏减少了2.8个百分点，相对于控制平均值B而言，减少了47％。
尽管我们发现NREGS泄漏量显著减少的证据，但要估算这种减少量（占平均泄漏量的比例）还需要更多数据。我们不能简单地将一个特定家庭的收入报告与政府报告的工作卡支出进行比较，因为实际上，许多家庭的名字中列有不止一张工作卡。利用官方记录来计算我们研究地区的工作卡总数，以及第68轮全国抽样调查(2011年7月至2012年6月)的数据来估计那些拥有至少一张工作卡的地区的家庭数量，我们计算出，工作卡的数量超过拥有工作卡的家庭数量的平均系数为1.9。这意味着，如果我们不考虑多个工作卡，我们将大大低估泄漏。事实上，表3的A面板表明，对照组的保守估计为每周20卢比的负泄漏率。
为了获得一致的平均泄漏估计，我们需要对多个工作卡进行校正。我们这样做如下：我们按照上述计算方法，通过该地区每个拥有工作卡的家庭的估计工作卡数量来扩大每个地区发行的官方付款记录。然后，我们将每个家庭（而不是每个工作卡）的平均支出与每个家庭的平均收入进行比较。使用此方法，我们估计（表E.1）控制区域的终端泄漏率为30.7％，处理区域的终端泄漏率为18％，这意味着智能卡可将泄漏减少约41％。
减少泄漏的余量。我们按照前面讨论的三个余量研究了泄漏的减少：虚拟人、报告过多和付款不足人群。对于SSP，将泄漏分解到这些组件中相对简单，因为每类受益人的权利都是固定的。对于NREGS而言则难度更大，因为工人的应享权利是通过对他们执行的各种工作的数量应用复杂的计件工资表来确定的，而我们无法衡量后者，例如挖出的立方英尺土壤。因此，我们关注的是NREGS的三种类型的发生率，而不是其数量：接下来，是报告的调查付款为零但官方付款为正的工作卡指标，是过度报告的代表；最后，收受贿赂的行为是收款不足的一种衡量手段。
NREGS虚拟受益人的减少量是微不足道的，尽管虚拟人的发生率是11％（A面表4第1栏和第2栏）。鉴于智能卡尚未全面覆盖，以及政府不禁止未经授权的付款的行政决定，这就显得不足为奇。因此，受益人名单没有被清除，并且可能继续向这些工作卡付款。我们还发现，这对欠付的影响是有限的，衡量方法是：是否必须支付贿赂才能收款（A面的第5列和第6列）。由于我们发现很少会有少付款的现象(对照组的发生率为2.6%) ，智能卡在这方面的增值价值可能有限。
注：该表分析了减少泄漏的渠道。面板A报告了NREGS的三种类型的发生率：虚拟、报告过多和付款不足，而面板B将SSP的实际金额卢比分解为这些渠道。在两个表中，“虚拟家庭”指的是在研究期开始于2012年5月28日（2010年5月31日）之前被确认为不存在或已永久迁移的家庭或家庭中的所有受益人。NREGS的其他过度报告是报告了官方付款为正但零调查付款（不包括虚幻）的工作卡的发生率；请注意，与表3的面板A相比，观察值的下降是因为此处我们删除了零官方付款的工作卡。收受贿赂是指为了接受NREGS的付款而支付的贿赂。对SSP的其他夸大报告是官员报告受益人为收受者与受益人认为他们有权不包括幽灵付款之间的区别。SSP的少付额是指为了在2012年5月至2012年7月间领取养老金而支付的每月金额。所有回归都包括用来对随机化进行分层的曼荼罗特征向量的第一个主要成分。标准误差聚集在括号内的水平上。
但是，对于NREGS中的过度报告，我们的替代指标大幅下降。报告的官方付款为正，但调查金额为零（不包括虚拟人）的就业卡比例大幅下降了8.4个百分点，即32% (A面第3-4栏)。这一结果反映在图4中，该图显示了官方和调查付款的分位处理效果图; 在这里，我们看到: (一)在分配的任何部分，官方付款没有变化; (二)报告收到零付款的受益人的发生率显著减少; (三)与报告收到正付款的控制家庭相比，收到的金额没有显著变化。
图4.分位数测试对关键结果的影响
注：图A–F显示非参数处理效果。收款时间：NREGS（面板A）是收款的平均时间，包括不成功前往付款站点的时间。付款延迟：NREGS（面板B）是完成工作与根据NREGS收到付款之间的平均天数延迟。官方付款额：“官方：NREGS”和“官方：SSP”（面板C和E），是指官方召集支出记录中列出的已付款额。调查付款金额“调查：NREGS”和“调查：SSP”（面板D和F）是指受益人报告的已收到的付款。NREGS（数据取自研究期末2012年5月28日至7月15日），而SSP官方数据为6月、7月和8月付款的平均值。所有数据均由具有Epanechnikov核和概率权重且具有自举标准误差的核加权局部多项式平滑函数拟合。因变量是相应结果线性回归的残差矢量，其中曼荼罗特征矢量作为回归变量的第一主成分用于对随机化和区域固定效应进行分层。
这些结果表明，泄漏减少的主要原因是准虚拟人群发生率出现下降: 真正的受益人以前没有得到任何NREGS工作或报酬，尽管官员正在报告工作并要求他们报酬。如果其中一些家庭已经注册了智能卡，官员将不再可能在不知情的情况下提取支付款项，因此官员们的最佳反应似乎是向这些家庭提供实际工作和支付款项(见下文关于使用情况的结果)。SSP泄漏减少量的分解（表4中的B面）显示出所有三种形式的泄漏量都有所减少，这表明智能卡可能在所有维度上都具有改进的SSP性能（尽管各个边际利润都不显著）
NREGS过度报告的减少提出了另一个问题：如果智能卡减少了官员在NREGS上的租金，为什么他们不增加索赔金额（通过增加虚拟人的数量）来弥补损失的租金呢？与官员的对话表明，这样做的主要限制因素是，在美联社的NREGS中使用预算上限，即外部固定用于预算目的的NREGS的最大支出(Dutta等人2012年也报告了这一情况)。如果在地方一级执行，这些限额将限制地方官员增加对智能卡索赔的能力。
尽管我们不能直接检验上述假设，但即使我们超出研究期和抽样GP，在测试领域的官方支付也没有显著增加(表3的A面)。2010年和2012年(基准年和终止年)以及所有GP每周正式付款情况的变化表明，在任何时候测试和控制方面都没有明显差异(图2) ，即使在智能卡于2010年夏季开始推出之后，测试和控制系列仍然密切相互跟踪，这强烈表明存在制约因素，这些因素限制了地方官员增加对已完成工作的要求的能力。
C.对程序访问的影响
尽管智能卡可能通过减少泄漏使参与者受益，但它们可能会使其他人更难参与。由于系统和激励两方面的原因，接入率可能下降。系统方面来讲，如果受益人无法获得智能卡或无法成功进行身份验证，则可能无法参与。此外，通过减少泄漏，智能卡可以首先减少官方运行程序的主要动机。对于NREGS来说尤其如此，尽管它实际上提供了按需提供就业的权利，但实际上却是配给的(Dutta 等人，2012年)。事实上，在我们的对照组中，20% (42%)的家庭报告提出，在私营部门需求疲软(紧张)的5月(1月) ，他们的家庭中有人无法获得NREGS的工作。只有3.5％的家庭表示，村庄中的任何人都可以随时在NREGS上获得工作（表5）。因此，智能卡是否会损害程序访问权是一个首要问题。
我们没有证据表明确实如此。如果有什么区别的话，在我们的研究期间，拥有经过处理的工作卡的家庭更有可能在 NREGS上完成工作的可能性比对照组要高7.1个百分点 (表5第1和第2栏)。结合上一节的结果显示，准虚构的NREGS工人的发生率显著降低，再加上上一节的结果，这些结果表明，对于官员报告工作能力下降而不向相应工人提供任何工作或报酬的情况，最佳对策是向这些工人提供更多的实际工作和报酬。除了调查期间实际工作量的增加外，第3至6栏还显示，自我报告的就业情况在一年中其他时间也有所改善。除了一个以外，其他的影响都并不显著。但与认为一旦引入智能卡的官员“停止尝试”的观点不一致。从统计上看，为获得NREGS工作而支付的贿赂也较低(统计数字显著)(第7栏和第8栏)。
注：下表分析了家庭一级用户对NREGS和SSP的访问。第1栏和第2栏报告在2012年末（5月28日至7月15日）研究期从事工作的家庭比例。如果在此期间有任何家庭成员在NREGS上工作，则该家庭被视为“正在工作”。在第3列和第4列中，结果是一个指标，该指标表明是否有任何家庭成员尽管希望在5月份（劳动力需求疲软）或1月份（高峰劳动力需求期间）工作，但仍无法工作。在第5列和第6列中，结果表明被调查者是否相信该村中任何需要NREGS工作的人都能在任何时候得到它。在第7列和第8列中，结果是一个指标，用于指示答辩人是否必须在最终研究期间获得贿赂才能获得NREGS工作。请注意，在第7列和第8列中仅考虑在最终研究期间工作的NREGS受益人。在第9列和第10列中，结果是2011年和2012年被调查者是否必须支付贿赂才能进入社会保障方案受益人名单的指标(因此只包括新的进入者)。所有回归都包括用于分层随机化的曼荼罗特征向量的第一个主要成分。标准误差聚集在括号内的水平上。
鉴于从理论上讲，减少泄漏对程序访问的潜在负面影响，我们应该如何解释数据中缺乏负面影响的情况？一种假设是，在我们进行最终调查之前，官员们根本没有时间调整他们的行为(并减少他们在 NREGS 上的工作)。但是在我们进行调查时，我们数据中的平均GP转换时间为14.5个月，这意味着在新系统下，NREGS经历了两个完整的高峰季节。更普遍地讲，我们没有发现任何证据表明随着时间的推移测试效果出现在任何官方结果（例如图2）。因此总的来说，我们似乎更有可能观察到一种稳定状态的结果。
对于我们的研究结果，一个更合理的解释是，主要的 NREGS 官员(现场助理)不管理任何其他的政府项目，这可能限制了转移寻租努力的机会。此外，尽管寻租机会减少，但实施NREGS项目可能仍然是外勤助理最赚钱的活动(注意，我们仍然估计测试的泄露率为20%)。这可能减轻了潜在的广泛的负面保证金影响。
同样，我们也没有发现减少访问SSP程序的证据。由于养恤金是重要且是固定供应的，因此，令人担忧的是，减少每月付款的流失只会将这种腐败转移到登记阶段，从而增加了受益人必须行贿才能开始领取养恤金的可能性。我们发现没有证据表明在注册阶段减少SSP泄漏会增加贿赂的发生率。表5的第9列和第10列显示，在开始实施智能卡后登记的SSP受益人中，这些贿赂的发生率实际上比已经处理的受益人低5.5个百分点（占对照平均值的73%），尽管这一结果在统计学上并不显著。
D.影响的异质性
即使智能卡对普通程序使用者有利，但也有可能损害了一些人的利益。例如，弱势家庭可能更难获得智能卡，结果导致情况变得更糟。虽然从定义上不能确定个体层面的处理效果，但我们可以通过两种方式检验脆弱性假设。
首先，我们检验了官方支付和调查结果的量化处理效应，这些结果显示出了明显的平均影响（收款时间、付款延迟和收到的付款）。我们发现，对于每一个结果，测试分布随机地占据控制分布的主导地位（图4）。因此，在结果分布中，没有一个测试家庭相比于处于相同百分位数的对照家庭会更糟。
第二，我们检查在村一级，测试效果是否随基线特征而变化。我们发现，测试效果并没有因为每个主要结果变量的基线值而产生异质性，这表明项目的影响具有广泛的基础（在线附录表F.3，第1行）。总体而言，这些数据并没有表明任何特定的群体受到了智能卡的不利影响。我们在在线附录F中讨论了表F.3的其余部分。
E.受益人对干预措施的看法
截止目前为止，估计的测试效果表明，智能卡无疑会改善服务的提供。但是，我们的结果衡量标准有可能遗漏了对方案执行情况某些方面的影响，而这些方面的情况已经恶化。因此，我们用受益人对基于智能卡的支付系统的整体偏好来补充我们的影响估计。我们询问了接受过基于智能卡的支付系统服务的普通卡使用者，请他们描述新程序相对于旧程序的优缺点并说明他们更倾向于哪个程序。
受益人的反应反映了许多我们事前的关注，但结果总体上是积极的（表6）。许多受益人表示担心丢失智能卡（63%的NREGS，71%的SSP）或支付读卡器有问题（60%的NREGS，67%的SSP）。大多数受益人对智能卡系统的信任度还不足以将钱存入他们的账户。然而，大多数人（两个项目中超过80%）也认为智能卡使收款更容易、更快、更不容易被操纵。总的来说，90%的NREGS受益人和93%的SSP受益人更喜欢智能卡，这不同于现状中，这两个项目中只有3%的人不同意，其余的人持中立态度。
表6－智能卡的受益人意见
注：本表分析了受益人对已转换为新支付系统的普通卡的智能卡方案的看法。这些问题是在NREGS和SSP受益人收到智能卡并使用它来领取工资时提出的，也是在他们已经注册但没有收到实体智能卡时提出的。因此，我们缺少那些收到但没有使用智能卡的受益人的数据（10.5%的NREGS受益人和3.5%的SSP受益人注册了智能卡）。
F.影响机制
如前所述，智能卡干预措施既涉及技术变革（生物识别认证），也涉及组织变革（资金流由银行管理，支付服务商在当地提供支付）。干预措施的复合性质使我们无法对它们的相对贡献进行实验性分解。然而，在我们的数据中，是否发生了组织变革（因为并非所有的GP都转换到了新的支付系统）和是否使用了生物识别ID进行认证（因为并非所有转换后的GP的受益人都收到或使用了智能卡）都存在差异。因此，我们可以比较实验方案中的结果，以了解智能卡干预的这两个组成部分的相对重要性。
表7提出了沿这些维度的总处理效果的非实验性分解。对于整个ITT估算付款流程，泄漏和访问情况中每个主要结果，我们发现七个结果中只有六个在普通卡上有显著效果，这表明新的基于智能卡的支付系统确实是我们发现的会影响 ITT的机制。
此外，我们发现，在已转换的普通卡中，在收款时间和付款延迟的减少（第2栏和第4栏）等付款流程结果方面，未领卡的受益人与领卡的受益人一样获益。这些非实验性的分解提供了启发性的证据，表明将一个村庄转换为新的支付系统可能是改善收款过程的关键机制。他们还建议，GoAP遵循的实施协议，即向普通卡中没有智能卡但已转换为新系统（见IC节）的受益人手工付款所遵循的执行协议有效地确保了未持卡受益人不会感到不便。
然而，NREGS和SSP受益人的漏损减少只出现在拥有智能卡的家庭中，我们没有看到未持卡受益人漏损减少的证据（第10列和第12列），这表明生物识别认证对减少漏损很重要。请注意，对转换后的普通卡中未持卡NREGS受益人的调查付款较低，可能仅反映了较少活跃的工人，他们获得的报酬较少，也不太可能注册智能卡，因此，我们的主要关注点是泄漏。出于相同的原因，程序访问权限的分解信息量也较少（因为更活跃的工人更可能注册了智能卡），但是我们再次看到，访问权限的所有增加都集中在已经获得智能卡的家庭中。
简而言之，数据表明，组织上的转变，即通过银行并最终通过村级CSP进行支付，是推动支付流程改善的原因，而生物特征认证技术则是减少泄漏的原因。
表7－按卡状态对测试效果的非实验性分解
注：本表显示了按方案执行水平分解的主要ITT效应。持有普通卡是指已经转为基于智能卡支付的乡村小组（NREGS：5,038人，2,462户；SSP：1,529户）。无普通卡是指治疗区中尚未转为基于智能卡支付的村委会（NREGS：2,256人，1,083户；SSP：690户）。控制平均数是控制区的平均数，控制区是回归（剩余观测值）中省略的类别。有S卡有普通卡（NREGS：2,619人，1,403户；959户）和无S卡有普通卡（NREGS：2,419人，1,059户；570户）是基于受益人或持卡人是否住在有普通卡控制区中，并自我报告收到智能卡（家庭中至少有一张智能卡，用于家庭层面的变量；鬼户被归类为没有智能卡）。由于我们无法确定他们的智能卡状态，因此从分析中剔除了少数家庭（NREGS：79；SSP：2）和另外18名（NREGS）持普通卡的个人。无普通卡是指尚未转为基于智能卡付款的一个乡镇，尚未转向基于智能卡的支付（NREGS：2,256个人，1,083户；SSP：690户）。对于每个结果，我们报告了有普通卡和无普通卡（奇数列），以及有S卡和无S卡（偶数列）的系数的平等性检验的p值。由于大量基线观测值缺失，导致分解困难，因此没有报告支付滞后结果的基线均值规格。所有回归都包括用于随机分层的任务区特征向量的第一主成分。括号内为各县的标准误差。
G.稳健性
在本节中，我们将讨论影响泄漏结果有效性的两个主要威胁：对我们的调查的不同误报，以及溢出效应。误报可能是故意的，因为被调查者与官员合谋并汇报了比他们应得的更高的数额，或者由于召回问题而疏忽。如果治疗影响共谋或召回，我们的结果可能会有偏差。我们提供了几项证据，证明差异性的误报并未驱动结果，并在在线附录E中提供了更多详细信息和附加检查。
首先，请注意，图4显示，与对照组相比，原本没有收到任何付款的那些人收到的付款显着增加。由于没有理由仅期望与这一组进行共谋（如果有的话，官员与他们已经在进行交易的人员勾结可能会更容易），因此这种模式很难与基于共谋的解释相吻合。由于回忆一个人是否工作比回忆精确的支付金额要容易，这种模式还表明我们的泄漏结果不是由差异回忆引起的。
其次，在最终调查中，我们对NREGS工作场所进行了独立审核，并统计了在未经通知的情况下对工作场所进行访问时在场的工作人员人数。虽然不精确，但我们发现在审核期间，在审核区的工作场所发现的工作人员人数仅增加了39.3％（在线附录表E.2），并且不能否认这等于表3中A组报告的24%的调查支付增长。因此，审核发现所报告的调查付款的增加与工作人员的数量增加成比例，这表明由于合谋或回忆偏差而导致的误报可能性不大。
此外，我们通过使用“列表方法”，要求调查对象表明是否曾被要求在参加NREGS时说谎，直接测试错误的调查回答的差异率，并发现测试组和对照组之间没有显着差异（在线附录表E.3）。接下来，我们看到受益人绝大多数都喜欢新的支付系统而不是旧的系统，如果官员能从中获得大部分收益，是不太可能的。我们还发现有证据表明，智能卡提高了私营部门的工资，这与以下解释一致，即它使NREGS就业成为一种更有报酬的选择，也是工人更可信的外部选择（见第四节）。
最后，我们利用我们的调查分布在两个月内这一事实来检查是否确实存在差异性召回。在保持实际完成工作的一周不变的情况下，调查滞后并不影响对泄漏的估计处理效果（在线附录表E.4）。虽然所有这些证据仅是提示性的，但综合起来，这明显表明我们的结果并没有反映出测试任务中的不同共谋率或召回偏差。
到目前为止，我们已经假设满足稳定单位处理值假设（SUTVA）；但是，一个任务区的测试状况有可能影响其他任务区的结果。例如，如果更高级别的官员重新分配资金来控制任务，则可能会发生溢出效应，因为从这些任务区那里窃取更容易。我们以两种方式解决这个问题。
首先，我们注意到没有资金从处理任务向控制任务重新分配。图2显示，在基准年和最终年这两个年度中，官方平均支出实际上是相同的。这与“战略”溢出效应不一致，后者中高级官员将资金重新分配到最容易被窃取的地方。其次，我们通过估计每个普通卡使用者（控制自己的处理状况）的处理效果来测试空间溢出效应。我们没有发现任何证据表明我们的主要结果存在空间溢出效应（在线附录表E.7）。
在线附录E探索了另外两个稳健性检查。由于我们直接询问了何时完成付款，我们可以检查调查报告是否简单地反映了处理减少了支付延迟的事实，因此测试地区的更多受访者在接受调查时已经得到了支付（在线附录表E.2）。接下来，我们设计了数据收集活动，以使我们能够测试活动本身是否影响测量，并发现没有迹象表明它们影响了测量（霍桑效应，在线附录表E.9）。
IV.成本效益
根据最终调查，我们估计了截至调查结束时智能卡的成本效益。我们先从成本和效率收益开始，然后讨论再分配效应和潜在的福利权重。
我们按照政府向转换后的普通卡支付给银行的2％佣金来支付智能卡系统的费用。这个佣金被校准为包括银行和TSP的所有实施成本（包括注册和发行智能卡的一次性成本），并且是智能卡系统增量社会成本的保守估计，因为它没有考虑到政府因停用现有支付系统而节省的成本（例如，以前发行支付的地方官员的时间）。使用2012年所有NREGS支付的管理数据，并将此数字缩减三分之一（因为成本仅在被支付的普通卡中支付，而只有三分之二的普通卡持卡），我们计算出新支付系统在我们研究地区的成本为400万美元。SSP的相应数字为230万美元。
效率的提高包括减少收款时间，减少从工作到获得报酬之间的滞后性。我们不能轻易地对后者进行定价，尽管人们普遍认为后者对NREGS工人来说是昂贵的。为了给前者定价，我们用6月份报告的农业工资保守地估计了节省的时间价值，因为6月份的工资相对较低。我们使用6月份的工资130卢比/天，并假设每天工作6.5小时（估计农业工作日的长度在5到8小时/天之间）。假设收款人每工作一次就收取一次款项（因为他们的智能卡上没有余额）。每次付款所需时间减少了22分钟（表2），因此我们估计每次付款节省的时间价值为7.3卢比。根据研究地区的交易数量，我们估计总共可以节省450万美元，这表明仅受益人节省的时间价值就可能超过政府的实施成本（NREGS）。
再分配效应包括减少支付滞后（将利息“浮动”的价值从银行转移到受益人手中）和减少流失（将资金从贪官转移到受益人手中）。为了量化前者，我们保守地假设浮动利息的价值是每年5%，也就是当地储蓄账户的平均利率。乘以我们估计的5.8天到10天的支付滞后时间减少量，并根据我们研究地区的NREGS支付量进行调整，这意味着每年从银行向工人转移24万美元到42万美元。为了量化后者，我们将估计减少的12.7%的滞后量乘以我们研究地区每年的NREGS工资支出，得到估计每年减少3850万美元的滞后量。同样，SSP滞后估计减少2.8%，意味着每年可节省320万美元。
虽然对这些再分配效应的评估需要对福利权重进行主观判断，但它们将收入从富人手中转移到穷人手中的事实表明，它们应该对边际效用递减的功利主义社会福利功能作出积极贡献。此外，如果公民对“非法”收入给贪官带来的损失的权重较低，那么减少流失带来的福利收益又是巨大的。
上述估算是基于对智能卡的直接影响的衡量。项目的主要目标成果是改善支付过程和减少流失。在初步工作中，我们还发现有证据表明，干预措施导致了农村私营部门工资的显著增加（Muralidharan、Niehaus和Sukhtankar，2016b），这种一般平衡效应很可能代表了更好地实施NREGS对私营劳动力市场的溢出效应（Imbert和Papp，2015）。由于在淡季改善农村劳动者的外部选择是NREGS的既定目标（Dréze，2011），这些结果进一步表明，智能卡提高了政府按预期实施NREGS的能力。
V.结论
最近的理论工作强调了国家能力对生态发展的重要性。然而，对能力进行投资的政治理由取决于其收益的大小和直接性。倡导者认为，改善支付基础设施可能是一项特别高回报的投资。然而，有许多理由值得怀疑：支付改革必须克服后勤方面的复杂性和既得利益者的抵制；它们可能会因排斥最脆弱的群体或削弱实施创租项目的官僚激励而适得其反；或者它们的成本可能会超过其价值。
本文对这些问题进行了实证研究，对印度安得拉邦的两个主要社会项目引入生物识别认证和电子福利交易（通过智能卡）进行了大规模的现状评估。我们发现，对实施情况的担忧是有根据的，因为两年后只有50%的交易被转换。然而，穷人却从改革中获得了巨大的收益：受益人更快、更可靠地收到付款，花费更少的时间收取款项，获得更高比例的福利，并减少了贿赂。这些平均收益并没有以牺牲弱势受益人的利益为代价，因为待遇分配随机性地支配了控制者。它们也没有以牺牲项目的获得为代价，如果说有什么改善的话。受益人绝大多数都喜欢新的支付系统，而不是旧的。保守的成本效益计算表明，智能卡的成本合理。
尽管取得了这些成功，但智能卡项目很容易受到政治支持的影响。地方官员（他们的租金正在减少）传递关于智能卡的负面传闻相比于正面传闻的可能性更大，使政治领导人对智能卡项目的优劣产生怀疑。这种偏见是如此明显，以至于2013年GoAP几乎取消了该项目，但最终由于我们的结果以及受益人对智能卡的偏好数据，最终决定不这样做。这个例子凸显了经典的政治经济学问题，即集中的成本和分散的利益可能如何阻止采用改善社会福利的改革（奥尔森，1965年），并凸显了大量具有代表性的样本的可信影响评估的政策价值。
智能卡的受益人支持的广泛性也提出了一个问题，即为什么理论上提出的有害副作用没有实现。我们怀疑，GoAP不强制要求生物识别认证的决定在这里起到了重要作用。最初，我们认为这是一个设计上的漏洞，事实上，它可以解释为什么即使在处理过的地区也会有幽灵受益人存在。然而，这也确保了合法受益人即使无法获得智能卡或无法进行认证，也不会被排除在外。GoAP所做的选择说明了公共项目设计中第一类（排除）和第二类（包含）错误之间的一般权衡，我们的结果表明，接受一些第二类错误以换取最小化第一类错误可能是谨慎的。在印度其他福利项目中，正在进行的向与UID挂钩的福利转移的过渡中，采用类似的方法，可能有助于在其他项目的过渡阶段预先排除错误。
亚太智能卡的经验所支持的另一个推测是，逐步减少泄露，而不是试图迅速消除泄露，可能会减轻潜在的负面影响。例如，NREGS现场助理仍然认为实施项目有利可图（尽管租金比以前低），这一事实可能解释了为什么对项目准入的广泛计划没有产生不利影响。泄露的逐步减少也可能降低了政治既得利益集团破坏整个方案的风险。
与往常一样，将结果推断到其他环境和方案需要谨慎。虽然在许多发展指标上，"行动计划"达到了全印度的平均水平，但人们也认为它的管理相对较好，并投入了大量的资源和高级管理人员时间来实施智能卡。因此，在其他环境下的实施可能不太成功。另一方面，在其他地方，由于智能卡所要解决的问题--支付缓慢、不可预测和泄漏--更为严重，因此，在其他地方的改善空间可能更大。总的来说，目前还不清楚其他地方的社会回报是高还是低。
同样，预测影响的演变也需要谨慎。如果利益集团找到新的方法来颠覆智能卡的基础设施，利益可能会减少，如果政府继续扩大覆盖面和堵塞漏洞，利益可能会增加。最后，尽管我们发现智能卡减少了我们所研究的两个扶贫项目（项目前识别受益人和支付的结构不同）中的漏损，但类似的干预措施在多大程度上可以改善其他扶贫项目的实施，显然取决于相关项目的设计细节，以及先前存在的漏损来源。总的来说，我们的结果最好的解释是，在政府项目和政策的实施质量较差的情况下，如果政府选择实施类似的生物识别支付系统来改善社会项目的实施，就有可能在相对较短的时间内获得巨大的回报。
支付基础设施还可以促进未来私营部门经济交易和支付的规模和范围的扩大。在没有这样的基础设施的情况下，付款通常通过非正式网络Greif 1993进行，或者根本不进行。因此，支付系统可被视为类似于道路，铁路或互联网的公共基础设施，而这些最初是由政府建立供自己使用（例如，迅速将士兵运送到边境，或改善政府内部的沟通），最终为私营部门和公民个人带来了巨大利益。我们的估计没有包括任何此类潜在的好处，因此可能对安全支付基础设施投资的长期回报有较低的限制。
声明：本文来自数字经济与社会，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
