张丹丹| 用理想主义研究现实问题:今年诺贝尔经济学奖归于因果分析方法论

发布日期:2021-10-13 11:30    来源:

实证研究是因果关系方法论的试炼场,同时也极大地推动了因果关系方法论的发展。本次获奖的三位学者在提出方法论和实践方法论方面做出了突出的贡献。尽管三位获奖学者主要耕耘于劳动经济学领域,而与其说本次诺奖归于劳动经济学,不如说更多的是表彰“因果”

本次诺贝尔经济学奖于昨晚出炉,David Card,Joshua D.Angrist和Guido W. Imbens三人获奖。出乎意料,似乎又在意料之中。三位获奖人的权重并不均等,David Card占据了本次经济学诺奖的一半,Joshua D. Angrist和Guido W.Imbens则分享另一半。这个划分的理由可能是区分领域的,David Card的获奖理由是“他对于劳动经济学的实证贡献”,Joshua D. Angrist和Guido W. Imbens则是“他们对分析因果关系的方法论贡献”。

经济学实证研究和因果关系方法论之前有密切的联系,两者之间相辅相成、彼此成就。实证研究是因果关系方法论的试炼场,同时也极大地推动了因果关系方法论的发展。本次获奖的三位学者在提出方法论和实践方法论方面做出了突出的贡献。尽管三位获奖学者主要耕耘于劳动经济学领域,而与其说本次诺奖归于劳动经济学,不如说更多的是表彰“因果”分析方法论的胜利。

David Card从1990年初开始就执着于在劳动经济学领域利用自然实验的方法进行因果关系的识别。而Joshua D. Angrist和Guido W.Imbens更是在上世纪90年代中期就论证了自然实验方法论对因果推断的准确性。此后该研究方法被广泛应用到实证研究领域。

在过去的二三十年间,实证研究在经济学研究论文中占了绝大部分(7成以上),而其中又有绝大部分使用的是自然实验或拟自然实验方法。可见该方法论的重要性和其巨大的应用空间。这一套方法和理念也是经济学专业基础训练中的重要一环,一个训练有素的实证经济学家对相关方法必须了如指掌、运用自如。而David Card,Joshua D. Angrist和Guido W. Imbens是经济学实证研究领域的因果关系理念与自然实验方法的最大推手,他们的贡献可类比米开朗其罗、达芬奇和拉斐尔之于西方绘画,虽然现在这些方法大家都会玩,但是人家是第一个使用并推广了这一套重要方法的人。

因果关系

实证研究的终极目标

因果关系是实证研究的终极目标,其含义是两个事物(经济变量)之间的真实关系,即一个是因(X)一个是果(Y),X是导致Y的必然原因,而Y是X的必然结果。

因果关系是复杂的事物关系中最为直接并具有重要政策含义的一对关系,只有基于对事物因果关系的认识才能真正把握现实世界的运行规律并对其进行改造。我们在生活中看到的大部分关系其实都是简单粗暴的相关关系而不是因果关系。比如鸡一叫(X),天就亮(Y),我们用常识就可以判断鸡叫不是导致天亮的原因,天亮也不是鸡叫的结果,两者只是相关关系而不是因果关系。再比如,我们观察到去医院看病(X)的人身体健康水平差(Y),是否能推之去医院导致健康程度下降?

显然这一判断是有偏差的,这一对关系只是相关而非因果。

现实世界中大量的事物之间的关系是错综复杂的,为了能拨开现象看本质,科学家需要借助工具对事物之间的因果关系进行识别,并实现对现实的理想化改造。在经济学领域中,计量经济学提供了这样一整套的工具包。简言之,计量经济学就是使用统计学的方法,利用大量从现实中收集上来的数据,识别经济变量之间的因果关系。传统的计量经济学强调使用较为复杂的数学方法论证因果关系,Joshua D.Angrist和Guido W. Imbens则是率先强调并极力推广“自然实验”方法论的先行者。

自然实验

对实证研究领域有颠覆性的影响

“自然实验”方法的使用对实证研究领域的影响是颠覆性的,如“苹果”之于传统手机。传统的实证方法强调从现实中收集数据,根据经济学理论构建实证研究的模型,然后带入数据得到对经济变量之间关系的定量估计。可以说非常强调方法的正确使用,而对数据收集没有建议。长期以来实证经济学家被动地收集现实世界中的数据,然后利用计量经济学的高深方法,如同在实验室里一样对数据进行各种控制和解剖,分离出因果关系。而Joshua D. Angrist和Guido W. Imbens则强调在被动收集数据之前,先去思考是否可以借助上帝之手利用自然实验获得对因果关系的直接判断。打个比方来说,传统的实证方法是用高超的技术打一手烂牌(观察的数据),而自然实验法是先抓一手好牌(实验的数据)并用简单的技术手段打赢。

2019年的诺贝尔经济学奖得主Abhijit Banerjee, Esther Duflo, 和Michael Kremer使用的是“随机干预实验”的方法研究全球贫困问题。“随机干预实验”与“自然实验”存在极大差异,前者通常是在小范围内由研究者自行设计对现实世界的干预,比如其在印度村庄中进行的发放蚊帐和各种药物实验,研究者亲力亲为对整个实验进行完美的控制,从而得到干净的分析结果。后者是研究者只作为观察者,不对现实数据产生的过程进行干预,而是借助政策或者某些事件自然产生的随机性,巧妙地识别因果关系。“随机干预实验”通常存在结论外推性的问题,换一个实验对象或许结果会存在不稳定的情况;而自然实验借助真实世界里的巧合设计,其结论通常更具有一般意义。

比如David Card在1990年发表的文章“The Impact of the Mariel Boatlift on the Miami Labor Market”利用了一个政治事件作为自然实验。1980年4月20日古巴领导人卡斯特罗的特赦令——古巴居民可以自由从古巴的Mariel港口离开去往美国,使得与之最近的美国城市迈阿密在短期内接收到大量古巴移民。由于该法令导致的短期大量移民流入对于迈阿密来说是完全没有准备的突发事件,因而可以解决一般情况下移民奔着高工资和就业机会有组织有目的进入某地而产生的反向因果问题,从而可以更好地识别移民对当地劳动力市场的影响。

再比如David Card与Alan Krueger合作发表在1994年《美国经济学评论》上的“Minimum Wages and Employment: A Case Study of the Fast FoodIndustry in New Jersey and Pennsylvania”一文,利用新泽西随机的最低工资调整作为自然实验,通过对两个近似地区快餐业就业在政策实施前后的差异来分析最低工资的政策效果。

自然实验就是借助现实中发生的随机事件获得因果判断。这种方法在后来的30年中得到了极大的推广,并不断出圈应用到更为广泛的对现实政策的评估和对经济现象的解释之中。

David Card引发的学术争论

除了方法上的贡献,David Card也是一位敢于挑战传统经济学认知的学者。他对以上两个问题的研究,颠覆了传统劳动力经济学的认知,引发了长达几十年的学术争论。

最低工资的提高对就业的影响,以及大量移民的进入对当地劳动力(特别是低技能者)的就业和工资水平的影响是劳动力经济学中的经典议题。新古典的理论认为,打破市场均衡工资必然导致就业损失;短期大量的劳动供给,在劳动力需求不变的前提下,必然导致当地劳动力的就业和工资损失。而借助自然实验的方法,David Card得出了完全相反的结论。他发现最低工资调整对就业的影响微乎其微,其在提升劳动者工资水平的同时并不会对其就业带来威胁,这一结论无疑为最低工资政策的推行和工会在工资议价中的作用给予了极大的支持。这一观点的产生引发了对这一问题的长久争论,滋养和丰富了劳动力学的这一支文献,并使得最低工资政策成为政府干预劳动力市场最有效的手段,无论是中国的产业结构调整,还是美国新冠疫情期间的社会救助,最低工资都是政府采取的重要政策手段。

David Card的另一个主要观点是移民对当地劳动力市场不会产生负面影响,不会抑制当地人的就业和工资水平。这一观点对移民政策的放开给予了理论上的支持,不过争议也是巨大的。劳动经济学界见证了来自加拿大的David Card和来自古巴的George J. Borjas的长期论战。后者一直秉持移民带来就业冲击等观点,也是特朗普政府移民政策的背书者。两位大咖的论战产生了大量的学术论文,推动了这一研究领域的发展和政策的制定。

David Card,Joshua D. Angrist和Guido W. Imbens三位获奖者在各自的领域都是反传统的,敢于挑战权威,我只能想象他们经历的批判和不认可,以及他们多年的顽强坚持,直至拥有众多的追随者,成为经济学研究的主流。这可能也是他们今天能够站到经济学研究顶峰的原因。


文/北大国发院经济学副教授张丹丹

本文来源:新京报


分享到: