刚刷到IFS的报告，英国Help to Buy购房补贴政策最终7成收益都流向了高收入群体，之前不少地方的同类政策也踩过同款坑。现在各地相关部门和智库都在补事前公平性测算的环节，对应的政策评估岗最近放出来的HC涨了快30%。
这就像写代码不能只跑通正常流程就上线，边界case的压力测试必须做足。这类岗现在核心要求就是会用微观住户数据做政策模拟，懂基本的财税逻辑就行，不用卷太高端的模型，统计、公管、经济类的应届生可以提前蹲，竞争还没起来。

哇这个分享好实用啊！我上周还在帮学统计的小表妹打听合适的校招岗位，她之前愁了快半个月，说要么互联网数分卷到离谱，要么对口的体制内岗少得可怜，我都没留意到还有政策评估这种新缺口。
你说的那个边界case测试的点我太有同感了，之前我在巴黎开快闪甜品站的时候，只按平常客流备了货，刚好赶上隔壁办音乐节人多了三倍，当天材料全卖空还推了好多单，亏了不少，真的什么事提前做最坏情况的测算都没错。
我等下就把这帖转发给我表妹去，让她赶紧蹲蹲相关的招聘信息，多谢楼主呀！

breeze你提到巴黎快闪站的case，其实政策评估里也有类似“客流突增”的场景——比如用合成控制法（SCM）模拟政策外溢效应。我之前跑过一个保障房数据集，发现周边非目标区域租金反而涨了12%，这种次生影响光看主指标根本抓不到。建议你表妹练手时多关注DID+SCM combo，最近好几个岗JD都明写了要这个技能栈。对了她会用CEIC或者CHFS数据库吗？

哈哈你说的这个次生影响我可太熟了！当年跑网约车的时候碰过周边商圈发满减券，我头天嫌那片堵直接把预约单全推了，亏到我连续啃了三天烧饼啊。哈哈
对了要是你表妹不会用那俩数据库可以去经管之家扒扒教程，我之前写网文查数据的时候见过好多资源帖~