悦茶丨李井奎：像侦探一样推动现代经济学中的因果关系研究
The following article is from 经济学家圈 Author 李井奎
作者简介
李井奎，浙江大学经济学博士，哈佛大学法律经济学项目访问学者、博士后研究员，浙江工商大学经济学教授、博士生导师。
像侦探一样推动现代经济学中的因果关系研究
——2021年诺贝尔经济学奖解读
作者：李井奎
2021年10月11日，诺贝尔经济学奖揭晓，来自美国伯克利加州大学的经济学教授戴维·卡德（David Card），与分别来自麻省理工学院和斯坦福大学的经济学教授约书亚·D.安格里斯特（Joshua D.Angrist）和奎多·W.因本斯（Guido W.Imbens）分享了这一奖项。在颁奖词中，对卡德教授主要表彰“他对劳动经济学的经验性贡献”，而对于安格里斯特教授和因本斯教授，则是“表彰他们对因果关系分析的方法学贡献”。
而在我看来，这届诺贝尔经济学奖几乎是在肯定近三十年以来因果推断方法在经济学中的成功应用与发展。之所以这样说，是因为这三位教授虽然所做的研究主题各有不同，但他们的研究有很多的交叉。卡德教授虽然主要研究劳动经济学领域的问题，但他所使用的方法主要是因果关系推断；而安格里斯特教授和因本斯教授的获奖理由虽然是因果推断的方法学，但也都在劳动经济学领域多有发见。
这三十年来，现代经济学借助统计学中对因果关系的认识，爆发了一场因果推断研究革命。就像哈佛大学的校聘教授加里·金所说：“在过去的几十年里，人们对因果推断的了解比以往历史中的总和还要多。”笔者在2020年于哈佛大学访学期间，聆听了哈佛大学和MIT的多位这方面的大师级学者的课堂，其中就包括安格利斯特教授，撰写了一部科普著作——《大侦探经济学》（中信出版社2021年7月版），系统地介绍了这场现代经济学中的因果推断革命。
探究因果关系是科学工作的重要目的。由于我们大多数时候只能确定两个事件之间的相关关系，统计学家也严守“相关不是因果”的戒律，所以，对于因果关系的研究，很长时间以来一直困扰着经济学家。但是，自从上个世纪70年代以来，统计学家发明了一套“反事实框架”的方法，经济学家又在此基础上进一步发展了断点回归、工具变量等方法，使得对各种经济政策的因果性研究大行其道，堪称是爆发了一场因果推断革命。2015年，因本斯教授与哈佛大学统计学教授、反事实框架的提出者唐纳德·鲁宾（Donald Rubin）教授合著的《统计学、社会科学与生物医学中的因果推断导论》（Causal Inference for Statistics, Social, and Biomedical Sciences: An Introduction）对这个领域的最新理论进展进行了很好的总结。
传统经济学家对于现代经济学中的这种转变持有着很大的异议。例如，戴维·卡德教授最为人所熟知的一项研究是他与另外一位著名经济学家艾伦·克鲁格（Alan B. Krueger）合作对最低工资所作的经典研究。传统经济学认为，提高最低工资会造成劳动力市场上就业水平的下降，如果劳动力市场处于完全竞争状态，供给与需求会产生均衡工资水平，而最低工资的规定会导致工资水平被人为设定在均衡工资以上，从而造成用工单位对劳动力需求的减少。卡德教授和克鲁格教授利用发生在美国的一项真实的自然实验，实证地研究了最低工资提高对就业市场的局部影响效应。1992年11月，新泽西州的最低工资将从4.25美元提高到5.05美元，但邻近的宾夕法尼亚州的最低工资仍保持在4.25美元。他们意识到有机会通过比较两个州提高最低工资之前和之后的效果来估计提高最低工资的效应，于是他们对两个州的大约400家快餐店进行了一项调查——一次在1992年2月(提高之前)，另一次该年11月(提高之后)。这项调查的回复随后被用来衡量他们关心的结果(即就业)。通过使用因果推断中的双重差分方法，卡德教授和克鲁格教授估计出的结果是，最低工资的提高不仅没有带来传统经济学所预期的就业水平下降，反而还带来了就业率的提高。他们的这篇文章是一项争议很大的研究，不仅因为它使用了一个明确的因果估计方法，而且还因为该研究挑战了许多人关于最低工资负面影响的共同信念。直到今日，它仍被大量研究最低工资的文章奉为经典。这项研究具有非常大的争议性，以至于诺贝尔奖得主詹姆斯·布坎南(James Buchanan)在给《华尔街日报》编辑的一封信中称那些受卡德教授和克鲁格教授影响的人是“随营娼妓（camp following whores）”詹姆斯·布坎南因其在公共选择理论方面的开创性工作而获得了诺贝尔经济学奖。然而，他不是一个劳动经济学家，而且据我所知，他没有使用过观测数据的明确反事实来估计因果效应的经验。在谷歌学术网站上搜索“James Buchanan minimum wage”，只得到一个结果，就是之前提到的给《华尔街日报》编辑的那封信。也许，布坎南的这种态度，只能解释成是他自己所持有的那种意识形态使然了。
而安格里斯特教授最重要的工作都与另外一种因果推断方法——工具变量有关。1991年，安格里斯特教授和艾伦·克鲁格在《经济学季刊》上发表了一篇文章，他们通过一个人的出生季节不同巧妙地构造了一个自然实验，从而回答了“多读一年书会带来多少收入”这个教育和劳动经济学中的难题。
顺便说一句，这位克鲁格教授与安格里斯特和卡德教授都有合作，在劳动经济学领域做出了突出的贡献，可惜的是他于2019年自杀辞世。由于诺贝尔奖不颁发给已经过世的学者，所以克鲁格教授未能获得这项殊荣，而原本他也应该与卡德教授和安格里斯特教授分享这一奖项的。
经济学经验研究者在进行因果效应探究的过程中，主要运用了五种武器，分别是：随机实验方法、回归（匹配）方法、双重差分方法、断点回归方法以及工具变量方法。我们上述的卡德教授、安格里斯特教授与克鲁格教授的工作，分别是双重差分方法和工具变量方法的经典之作，在我的那本《大侦探经济学》中，我还详细地介绍了其他几种方法。这些方法最根本的精神是由随机实验所给出来的，但是，由于许多时候我们根本无法进行实验，仅能取得非实验性数据（非实验性数据也被称为观测性数据，指的是数据的产生并非研究者人为设计的结果，经济学研究所使用的数据一般都是此类数据），所以，其他几种方法就显得非常重要。无论是哪种方法，都是在尽可能地从非实验性数据中寻找出随机实验的情境，通过适当的方法对因果效应进行研究。这种现实当中发生过的随机实验情境，就是所谓的自然实验或准实验。而如何发掘能够作为类似随机实验情境的自然实验或准实验，从而用于所关心的经济问题的研究，则需要我们的经济学家深入探寻制度细节，寻找内在的理论逻辑，并不是一般人所称跑跑数据就可以轻易得到答案的。正如安格里斯特教授在他所著的著名教科书《基本无害的计量经济学》（Mostly Harmless Econometrics）中最后的那几句话所说：“如果计量经济学的应用研究很容易做，那么理论家早就去做了。”