2021年诺贝尔经济学奖评述：解决重大社会问题的自然实验因果框架

导语

许多重大社会问题都涉及到因果分析。比如，接受更长时间的教育是否会让你未来的收入增加？提高最低工资对一个地方的就业会产生怎样的影响？移民会促进劳动力市场的繁荣还是带来冲击？然而，现实世界的问题受到诸多混杂因素的影响，要识别出其中的因果关系是一个巨大的挑战。

2021年诺贝尔经济学奖授予了三位经济学家（David Card, Joshua Angrist 和 Guido Imbens），他们开创性地证明，可以利用自然实验来分析解答这些问题，并建立了一个因果关系研究的新框架，为后续的研究者指明了方向，革新了社会科学领域的实证研究。诺奖颁布的同时，诺贝尔奖委员会在官网介绍了三位学者的工作，以下是这篇介绍文章的翻译。

集智俱乐部联合智源社区组织的因果科学读书会正在进行中，已聚集近千名学界业界成员，欢迎从事相关研究工作的朋友加入。详情见文末。

研究领域：因果分析，自然实验，社会经济复杂性，复杂系统科学

诺奖委员会 | 作者

邓宇昊 | 译者

邓一雪 | 编辑

今年的获奖者大卫·卡德（David Card）、乔舒亚·安格里斯特（Joshua Angrist）和圭多·伊本斯（Guido Imbens）展示了自然实验可以用来回答社会的核心问题，例如最低工资和移民如何影响劳动力市场。他们也明确了哪些关于因果关系的结论可以使用这种研究方法得出。他们一起革命性地改变了经济科学的实证研究。

如果要做出好的决定，就必须了解选择的后果。这既适用于个人，也适用于公共政策制定者：例如，正在做出教育选择的年轻人想知道，这些选择将如何影响他们未来的收入；考虑一系列改革的政治家想知道，这些决策将如何影响就业和收入分配。然而，回答有关因果关系的广泛问题并不容易，因为我们永远不会知道，如果做出不同的选择会发生什么。

建立因果关系的一种方法是使用随机实验，研究人员通过随机抽签将个体分配到不同处理组。这种方法被用于研究新药的疗效，但不适合研究许多社会问题——例如，我们无法通过随机实验决定谁能上高中，谁不能上高中。

尽管存在这些挑战，获奖者们已经证明，社会的许多重大问题都是可以得到解答的。他们的解决方案是使用自然实验——现实生活中出现的类似于随机实验的情况。这些自然实验可能是由自然的随机变化、制度规则或政策变化造成的。在20世纪90年代初的开创性工作中，David Card 利用这一方法分析了劳动经济学中的一些核心问题，例如最低工资、移民和教育的影响。这些研究结果对传统观念提出了挑战，并激发了新的研究，Card 在这方面继续做出了重要贡献。总得来说，与30年前相比，我们现在对劳动力市场的运作有了更好的了解。

自然实验与临床试验有一个重要区别——在临床试验中，研究者可以完全控制谁能被提供治疗并最终接受治疗（治疗组），谁不被提供治疗并因此没有接受治疗（对照组）。在自然实验中，研究者也可以获得治疗组和对照组的数据，但与临床试验不同的是，这些个体能够自己选择是否要参与他/她所被提供的治疗。这使得解释自然实验的结果变得更加困难。在1994年的一项创新研究中，Joshua Angrist 和 Guido Imbens 展示了从自然实验中可以得出哪些关于因果关系的结论，在这些实验中，不能强迫人们参加正在研究的项目，也不能禁止人们参加。他们创建的框架从根本上改变了研究人员使用自然实验或随机实地实验的数据来处理经验问题的方式。

一个自然实验的例子

让我们用一个具体的例子来说明自然实验是如何运作的。一个与整个社会和考虑自己未来的年轻人都相关的问题是，如果你选择学习更长时间，会多赚多少钱。回答这个问题的初步尝试是，查看人们的收入情况与教育相关的数据。在一切可以想象的情况下，受教育年限越长的人，收入越高。例如，对于20世纪30年代出生在美国的男性来说，那些多受一年教育的人的收入平均要高出7%。

图1. 该图使用的是 Angrist & Krueger (1991)的数据。受过12年教育的人的收入比受过11年教育的人高出12%。受过16年教育的人的收入比受过11年教育的人高出65%。

那么，我们是否可以得出多接受一年的教育就能使你的收入增加7%的结论呢？这个问题的答案是否定的——选择长期教育的人与选择短期教育的人在很多方面都不同。例如，有些人可能在学习和工作方面都很有天赋。这些人很可能会继续学习，但即使没有，他们仍然可能会有高收入。还有一种情况可能是，只有那些期望教育有回报的人才会选择学习更长时间。

如果你想研究收入如何影响寿命，也会出现类似的问题。数据显示，收入较高的人活得更长。但这真的是因为收入较高，还是因为有其他原因，令这些人既活得更长，又赚得更多？我们很容易想到更多的例子，在这些例子中，我们有理由质疑相关性是否意味着真实的因果关系。

那么，我们如何利用自然实验来研究额外的教育年限是否影响未来的收入呢？Joshua Angrist 和他的同事 Alan Krueger（现已去世）在一篇具有里程碑意义的文章中展示了如何做到这一点。在美国，儿童在16或17岁时可以离开学校，这取决于他们上学的州。因为所有在某一特定年份出生的儿童都在同一天开始上学，所以在该年早期出生的儿童可以比在该年晚期出生的儿童更早离开学校。当安格里斯特和克鲁格比较第一季度和第四季度出生的人时，他们看到第一组的人平均花费更少的时间在教育上。第一季度出生的人的收入也比第四季度出生的人低。因此，成年后，他们的教育程度和收入都低于当年晚期出生的人。

由于一个人的出生时间是随机的，Angrist 和 Krueger 能够利用这个自然实验建立一个因果关系，来表明更多的教育会带来更高的收入：多一年的教育对收入的影响是9%。令人惊讶的是，这种影响比教育和收入之间的关联更强，后者为7%。如果有抱负和聪明的人同时拥有高水平的教育和高收入（无论教育程度如何），结果应该是相反的；相关关系应该强于因果关系。这一观察提出了关于如何解释自然实验结果的新问题——Joshua Angrist 和 Guido Imbens 后来回答了这些问题。

图2. 额外的教育年限对收入有积极影响。该图使用的是 Angrist & Krueger (1991) 的数据。

人们很容易认为，能够进行自然实验的情况是非常罕见的，尤其是那些可以用来回答重要问题的情况。过去30年的研究表明，情况并非如此：自然实验经常发生。例如，它们可能是由于一个国家某些地区的政策变化、高等教育的录取分数线或税收和福利制度的收入门槛而产生的，这意味着一些人受到干预，而其他类似的人则没有。因此，存在着无意的随机性，将人们分为对照组和处理组，为研究人员提供了发现因果关系的机会。

了解劳动力市场

最低工资的影响

在20世纪90年代初，经济学家的传统观点是，较高的最低工资会导致较低的就业率，因为它们增加了企业的工资成本。然而，支持这一结论的证据并不完全令人信服；确实有许多研究表明，最低工资与就业之间存在负相关关系，但这真的意味着更高的最低工资会导致更高的失业率吗？反向因果关系可能也是个问题：当失业率上升时，雇主可以设定较低的工资，这可能反过来导致提高最低工资的要求。

为了研究最低工资的上涨如何影响就业，Card 和 Krueger 进行了一个自然实验。在20世纪90年代初，新泽西州的最低时薪从4.25美元增加到5.05美元。仅仅研究这次增加后在新泽西州发生的事情并不能给这个问题一个可靠的答案，因为许多其他因素会影响就业水平随时间的推移如何变化。与随机实验一样，需要一个对照组，即一个工资没有变化但所有其他因素都相同的组。

图3. Card 和 Krueger 用一个自然实验来研究增加最低工资对就业的影响。

Card 和 Krueger 注意到，相邻的宾夕法尼亚州并没有提高最低工资。当然，这两个州之间存在差异，但劳动力市场很可能在靠近边界的地方有类似的演变。因此，他们研究了两个相邻地区——新泽西州和宾夕法尼亚州东部的就业影响，这两个地区有类似的劳动力市场，在边界的一侧最低工资增加了，而在另一侧没有。没有明确的证据表明，除了最低工资的增加之外，有其他因素（如经济形势）会对边界两侧的就业趋势产生不同的影响。因此，如果观察到新泽西州雇员数量的变化，并且这种变化与边界另一侧的变化情况不同，就有充分的理由将其解释为最低工资上涨产生的影响。

Card 和 Krueger 关注的是快餐店的就业情况，这个行业的工资很低，最低工资很重要。与以前的研究相反，他们发现最低工资的增加对雇员的数量没有影响。大卫·卡德在20世纪90年代初的几项研究中得出了同样的结论。这项开创性的研究引发了大量的后续研究。总的结论是，增加最低工资的负面影响很小，并且比30年前所认为的要小得多。

Card 在20世纪90年代初进行的工作也引发了新的研究，它试图解释就业没有受到负面影响的原因。一种可能的解释是，公司可以通过提高价格的形式将增加的成本转移给消费者，而不需要大幅减少需求。另一种解释是，主导当地劳动力市场的公司可以保持低工资；因此，提高最低工资意味着更多的人想工作，导致就业增加。当公司对市场有这样的控制能力时，我们就无法事先确定最低工资的变化将如何影响就业。Card 和 Krueger 的工作引发的很多研究大大提高了我们对劳动力市场的理解。

关于移民和教育的研究

另一个重要问题是移民对劳动力市场的影响。为了回答这个问题，我们需要知道如果没有任何移民将会发生什么。因为移民很可能定居在劳动力市场不断增长的地区，仅仅比较有很多移民的地区和没有移民的地区不足以建立因果关系。美国历史上的一个独特事件引发了一个自然实验，David Card 用它来研究移民如何影响劳动力市场。1980年4月，菲德尔·卡斯特罗出人意料地允许所有希望离开古巴的古巴人离开古巴。5月到9月之间，有12.5万古巴人移民到美国。其中许多人在迈阿密定居，这使得迈阿密的劳动力增加了约7%。为了研究工人的大量涌入如何影响迈阿密的劳动力市场，David Card 将迈阿密的工资和就业趋势与四个对比城市的工资和就业变化进行了比较。

尽管劳动力供应大量增加，但 Card 发现，对于教育水平较低的迈阿密居民来说，并没有产生负面影响。相对于其他城市，工资没有下降，失业率也没有增加。这项研究引发了大量新的经验性工作，我们现在对移民的影响有了更好的理解。例如，后续研究表明，移民的增加对许多出生在该国的群体的收入有积极的影响，而在早期移民的人则受到消极影响。对此的一种解释是，本地人转而从事需要良好母语技能的工作，在这些工作中他们不必与移民竞争。

关于学校资源对学生未来在劳动力市场上取得成功的影响这一问题，Card 也做出了重要贡献。他的研究结果再次质疑了公认的观点——以前的研究表明，增加资源与学校成绩以及晚年劳动力市场机会之间的关系很微弱。然而，一个问题是，以前的研究没有考虑到补偿性资源分配的可能性。例如，决策者很可能对学生成绩低下的学校在教育质量方面投资更多。

为了研究学校资源是否对学生在未来劳动力市场的成功有影响，Card 和 Krueger 比较了居住在美国同一州，但在不同州长大的人的教育回报，例如，在阿拉巴马州或爱荷华州长大，但现在居住在加利福尼亚州的人。他们的想法是，那些搬到加利福尼亚州并具有相同教育水平的人是可以比较的。如果教育回报不同，可能是由于阿拉巴马州和爱荷华州在其教育系统的投资不同所致。Card 和 Krueger 发现，资源是很重要的：教育回报随着个人成长州的教师密度的增加而增加。

这项研究也激发了许多新的研究。现在有相对有力的实证支持表明，对教育的投资会影响学生以后在劳动力市场上的成功。这种影响对于弱势背景的学生来说尤其强烈。

因果关系研究的新框架

在所有的现实情况下，干预措施的效果（例如额外教育对收入的影响）因人而异。此外，个体受自然实验的影响也不同。16岁离开学校的机会几乎不会影响那些已经计划上大学的人。在基于实际实验的研究中也会出现类似的问题，因为我们通常不能强迫个体参与干预。最终选择参与的子群体可能由那些相信自己会从干预措施中受益的个体组成。然而，分析数据的研究者只知道谁参与了，而不知道为什么——由于自然实验（或随机实验）的缘故，没有任何信息表明哪些人仅仅是因为有机会而参与，以及哪些人无论如何都会参与。该如何确定教育与收入之间的因果关系？

Joshua Angrist 和 Guido Imbens 在20世纪90年代中期的一项有影响力的研究中解决了这个问题。更具体地说，他们提出了以下问题：在哪些条件下，我们可以使用自然实验来估计某项特定干预的影响，比如计算机课程，当影响因人而异并且我们无法完全控制谁参与的时候，如何估计这种影响？应该如何解释这种影响？

稍微简化一下，我们可以想象自然实验就好像将个体随机分为处理组和对照组。处理组有权参加一项计划，而对照组没有。Angrist 和 Imbens 表明，通过应用两阶段程序（称为工具变量法）来估计干预方案的效果是可行的。第一步是考察自然实验如何影响参与方案的概率。第二步则是在评估实际方案的效果时考虑进这个概率。鉴于Angrist 和 Imbens 提出并详细讨论的一些假设，研究人员可以估计方案的效果，即便没有关于谁实际受到自然实验影响的信息。一个重要的结论是，只有在因自然实验而改变行为的人中，才有可能估计出效果。这意味着 Angrist 和 Krueger 关于额外一年教育对收入影响的结论——他们估计为9%——只适用于那些在有机会时实际选择离开学校的人。我们不可能确定哪些人包括在这个群体中，但我们可以确定其规模。对这一群体的影响被命名为局部平均处理效果（local average treatment effect），即 LATE。

图4. 局部平均处理效应

Angrist 和 Imbens 因此准确地展示了可以从自然实验中得出的因果关系结论。他们的分析也与随机实验相关，在这些实验中，我们无法完全控制谁参与干预，几乎所有的实地实验都是如此。Angrist 和 Imbens 开发的框架已被观察性数据的研究人员广泛采用。通过明确建立因果关系所需的假设，他们的框架也提高了实证研究的透明度，进而也提升了可信度。

一场实证研究的革命

获奖者们在20世纪90年代初的贡献表明，利用自然实验回答关于因果关系的重要问题是可能的。他们的贡献相互补充，相互加强。Angrist 和 Imbens 关于自然实验的方法论见解和 Card 对重要问题的应用为其他研究者指明了方向。我们现在有了一个条理清楚的框架，这意味着我们知道应该如何解释这些研究的结果。获奖者们的工作革新了社会科学领域的实证研究，极大地提高了研究界回答重要问题的能力。

延伸阅读

瑞典皇家科学院决定将2021年诺贝尔经济科学奖的一半授予 David Card ，“因其对劳动经济学的实证研究贡献”，另一半授予Joshua Angrist 和 Guido Imbens ，“因为他们对因果关系分析的方法学贡献”。

大卫·卡德（David Card）

1956年出生于加拿大圭尔夫，1983年获得美国普林斯顿大学博士学位，美国加州大学伯克利分校1950级经济学教授。

乔舒亚·安格里斯特（Joshua Angrist ）

1960年出生于美国俄亥俄州哥伦布市。1989年获得美国普林斯顿大学博士，美国麻省理工学院福特经济学教授。

圭多·伊本斯（Guido Imbens）

1963年出生于荷兰埃因霍温，1991年获得美国普罗维登斯布朗大学博士学位，美国斯坦福大学应用计量经济学教授和经济学教授。

原文链接：

https://www.nobelprize.org/uploads/2021/10/popular-economicsciencesprize2021-3.pdf

因果科学读书会第三季

由智源社区、集智俱乐部联合举办的因果科学与Causal AI读书会第三季，将主要面向两类人群：如果你从事计算机相关方向研究，希望为不同领域引入新的计算方法，通过大数据、新算法得到新成果，可以通过读书会各个领域的核心因果问题介绍和论文推荐快速入手；如果你从事其他理工科或人文社科领域研究，也可以通过所属领域的因果研究综述介绍和研讨已有工作的示例代码，在自己的研究中快速开始尝试部署结合因果的算法。读书自2021年10月24日开始，每周日上午 10:00-12:00举办，持续时间预计 2-3 个月。

集智因果社区已经吸引近千名学界业界人士，研读因果领域论文，探讨因果科学应用。报名因果科学读书会即可加入因果社区。

详情请见：

推荐阅读

点击“阅读原文”，报名读书会