人力资本支出及其对多项目覆盖的有效性：政策优先级调查

本文使用人工智能增强的代理计算方法，研究了如何在大量针对人力资本的异质政府项目中分配预算资源。该方法考虑了预算分配过程中的关键特征：多维度性、政策问题之间的相互依赖性以及公共官员集体行动的政治经济学。分析使用了高度细分的墨西哥数据，涵盖了2016-2022年间49个联邦政府人力资本项目。本文重点关注支出如何影响项目覆盖率，即有公共问题的人口中能够获得各种政府福利以缓解这些问题的比例，在短期内。本文回答了三个研究问题。

首先，项目覆盖率对公共支出的变化有多敏感？其次，背后有哪些结构性的瓶颈导致覆盖率反应不佳？第三，哪些预算分配方案能够提高多维目标函数的性能？

研究结果表明，公共支出对覆盖率的影响存在异质性，教育和卫生政策在预算增加10%时，平均而言可以带来许多额外的受益者。前沿分析表明，通常需要更多覆盖率的节目受到长期结构性因素的制约。因此，如果没有同时修改这些项目的运作方式（在领域专家的帮助下），多次财务干预不太可能产生重大变化。在研究协调干预时，我们发现重新分配额外的公共支出可以产生显著的覆盖率提高，包括少数族裔和EDI以及工作条件政策领域。

本文的分析可以为政策工作提供支持，以识别跨异质政府项目的机会和瓶颈，这些项目旨在提高人力资本。虽然我们的结果侧重于短期覆盖率，但它们是更传统的影响评估框架的有见地的预先步骤，这些框架无法解决人力资本众多维度之间的复杂相互作用。