读懂3位经济学诺奖得主的贡献：用自然实验解答社会核心问题

10月11日17时59分许，2021年诺贝尔经济学奖得主揭晓，3位美国经济学家大卫·卡尔德（David Card）、约书亚·安格里斯特（Joshua D.Angrist） 、吉多·因本斯（Guido W.Imbens）共同获得这一奖项。卡尔德获奖，是因为他对劳动经济学的实证贡献，安格里斯特和因本斯获奖是因为他们对因果关系分析的方法学的贡献。

以下为瑞典皇家科学院对于此次获奖的官方解读：

自然实验有助于回答社会的核心问题

今年的获奖者——大卫·卡尔德、约书亚·安格里斯特和吉多·伊本斯——已经证明了这一点——可以用实验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。他们也阐明了关于原因的确切结论，以及使用这种研究方法可以得到的效果。它们共同彻底改变了经验主义经济科学的研究。

如果我们要做出好的决定，我们必须了解我们的选择所带来的后果。这适用于个人和公共决策者：正在作出教育选择的年轻人想知道未来如何获得收入；考虑一系列改革的政治家们希望了解这些要素如何影响就业和收入分配。然而，回答关于因果的问题并不容易，因为我们永远不知道会发生什么。如果我们做出了不同的选择，就会发生这种事。

建立因果关系的方法之一是使用随机实验，研究人员通过随机抽取不同的个体分配给治疗组，用这种方法研究新药等，但不适合调查许多社会问题——因为例如，我们不能用一个随机实验来决定谁能上高中、谁不能上高中。

尽管存在这些挑战，获奖者已经证明，社会上的许多重大问题可以得到回答。他们的解决方案是使用自然实验——现实生活中出现的情形类似于随机实验。这些自然实验可能是由于自然随机变化，机构规则或政策变化。在20世纪90年代初的开创性工作中，大卫·卡尔德分析劳工经济学中的一些核心问题——比如最低工资、移民和教育——使用这种方法，以及研究的结果对传统智慧提出了挑战，并促成了新的研究，卡尔德对此继续作出重要贡献。总的来说，我们现在对劳动力市场如何运作的理解要比30年以前好得多。

自然实验在一个重要的方面不同于临床试验——在临床试验中，研究人员可以完全控制谁经常接受治疗，以及最终接受治疗(治疗组)，谁不经常接受治疗并因此不接受治疗(控制组)。在一个自然实验中，研究人员不仅可以获得来自治疗和控制的数据，与临床试验不同，个体还可以自己选择他们是否想要参与其中。这使得自然实验的结果更难以说明和解释。在1994年的一项创新研究中，约书亚·安格里斯特和吉多·因本斯展示了从人们进行的自然实验中可以得出什么因果关系的结论，在这些实验中个体即不能被迫参加，也不能被禁止这样做。他们创建的框架从根本上改变了研究人员使用来自自然实验或随机实验数据的方式。

一个自然实验的例子

让我们用一个具体的例子来说明一个自然实验是如何进行的。一个问题是，对于社会和年轻人而言，如果选择学习更长时间他们能够多挣多少钱。回答这个问题的初步可能涉及以下几个方面的数据：人们的收入如何与其教育程度相关的。在每一个可以想象的情境中，人们受教育年限越长，收入越高。例如，对于20世纪30年代出生于美国的男性来说，平均而言，接受一年额外教育的人的收入要高7%。

因此，我们能否得出这样的结论：多接受一年教育，你的收入就会增加7%？ 这个问题的答案是否定的——选择长期教育的人在许多方面有别于那些选择短期教育的人。例如，有些人可能在学习和工作方面很有天赋。这些人可能会继续学习，但他们仍然会可能有更高收入，尽管他们没有。也可能是这样的情况，只有那些期望为教育买单的人选择学习更长时间。

如果你想研究收入如何影响寿命，也会遇到类似的问题。数据显示，收入较高的人活得更长——但这真的是由于他们的收入较高吗？还是这些人因为其他原因，能够做到他既活得长，且赚得更多？这很容易想到更多的例子，有理由质疑某些相关性是否意味着真正存在因果关系。

那么，我们如何使用自然实验来检验额外的教育年限是否影响未来的收入？约书亚·安格里斯特和他的同事艾伦·克鲁格(Alan Krueger；现已去世) 在一篇里程碑式的文章中展示了这是如何做到的。在美国，孩子们可以在16岁或17岁时离开学校，这取决于他们上学的州。因为所有在特定某一年出生的孩子，在同一天开始上学，年初出生的孩子可以比当年晚些时候出生的孩子更早离开学校。当安格里斯特和克鲁格比较出生在第一季度和第四季度的人时，他们发现第一组平均花在教育上的时间更少。出生在第一季度的人群的收入也比第四季度出身的群体要低。作为成年人，他们因此受教育程度和收入都要比当年晚出生的群体的要低。

因为决定一个人出生的确切时间是偶然的，所以安格里斯特和克鲁格就能够通过自然实验建立起更高的受教育程度和更高的收入之间的因果关系：多受一年教育对收入的影响为9%。令人惊讶的是，这种影响比教育和收入之间的关联更强，后者占到7%左右。如果雄心勃勃和聪明的人都受到高水平的教育和高收入(不考虑教育程度)，结果应该是相反的；相关性应该比因果关系更强。这一观察提出了关于如何解释自然实验的结果——这些问题后来被约书亚·安格里斯特和吉多·因本斯回答了。

很容易相信就能够发现，进行自然实验的情况是非常不寻常的，尤其是那些可以用来回答重要问题的自然实验。过去30年来进行的研究表明，情况并非如此：自然实验频繁发生。例如，它们之所以发生可能是由于一个国家某些地区的政策变化，高等教育的录取门槛降低，或者税收和福利体系中的收入门槛调整，这意味着部分群体会受到影响，而另一部分则不会。因此存在意外的随机性将人们分为控制组和治疗组，为研究人员提供了揭示因果关系的机会。

了解劳动力市场

最低工资的影响

20世纪90年代初，经济学家的传统观点是提高最低工资将降低就业率，因为这增加了企业的工资成本。然而，证据显示，这一结论并不完全令人信服；确实有许多研究表明最低工资和就业之间是负相关的，但这真的意味着更高的最低工资会导致更高的失业率？反向因果关系甚至可能成为问题：当失业率上升时，雇主可以设定更低的工资，这反过来可能导致要求提高最低工资。

为了研究最低工资是如何影响就业的，卡尔德和克鲁格做了一个自然实验。20世纪90年代初，新泽西州的最低时薪从4.25美元上调至5.05美元。仅仅研究这次增长后新泽西发生的事情并不能说明什么，因为随着时间的推移而许多其他因素会影响就业水平的变化。与随机实验一样，需要一个对照组，即一个组的工资没有变化，所有其他要素都一样。

卡尔德和克鲁格指出，邻近的宾夕法尼亚州就没有增加。当然，这两个州之间存在差异，但劳动力市场很可能会在靠近边境的地方发生类似的变化。因此，他们研究了两个相邻地区——新泽西和宾夕法尼亚州东部——的就业影响，这两个地区有相似的劳动力市场，但边境一侧的最低工资有所提高，而另一侧没有。没有明显的理由认为，除了最低工资的提高之外，任何因素(如经济形势)会对边境两边的就业趋势产生不同的影响。因此，如果在新泽西州观察到雇员人数出现变化，而这与边境另一侧的任何变化都不一样，就有充分的理由将这解释为最低工资上涨的影响。

卡尔德和克鲁格集中研究了快餐店的就业，这个行业工资较低，最低工资很重要。与之前的研究相反，他们发现最低限度的增加工资对雇员人数没有影响。大卫·卡尔德在90年代初的几项研究中也得出了同样的结论。这项开创性的研究导致了大量的后续研究。总的结论是，提高最低工资的负面影响是很小，比30年前认为的要小得多。

卡尔德在20世纪90年代初进行的工作也导致了新的研究，这些研究试图解释为何对就业没有负面影响。一种可能的解释是，公司可以以更高的价格将增加的成本转移给消费者，而需求不会显著减少。另一种解释是，在当地占主导地位的公司，同样可以主导劳动力市场保持低工资；因此，提高最低工资意味着更多的人想要去工作，从而增加就业。当公司对市场有这样的权力时，我们无法预先确定最低工资的变化将如何影响就业。从卡尔德和克鲁格的工作中得到启发的许多研究大大提高了我们对劳动力市场的理解。

移民与教育研究

另一个重要的问题是劳动力市场如何受到移民的影响。要回答这个问题，我们需要知道如果没有任何移民，会发生什么。因为简单地比较一下各个地区，移民可能会在劳动力市场不断增长的地区定居，有没有很多移民并不足以建立因果关系。不过，美国历史中的一个独特事件引发了一个自然实验，大卫·卡尔德曾用这个实验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这个古巴的人离开，在5月至9月间，125000名古巴人移居去了美国。他们中的许多人定居在迈阿密，这意味着迈阿密劳动力的增加了大约百分之七。研究这一庞大的工人群体是如何影响迈阿密的劳动力市场的，大卫·卡尔德把迈阿密放到了四个不同的城市之中，比较工资和就业趋势。

尽管劳动力供应大量增加，卡德没有发现迈阿密居民受到低教育水平的负面影响。相较于其他城市，工资没有下降，失业率也没有上升。这项研究产生了大量新的实证工作，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，移民对出生在这个国家的许多群体的收入有积极的影响，较早移民的人则受到负面影响。对此的一种解释是，当地人转而从事需要良好母语技能的工作，这样就不需要与移民竞争。

卡尔德在学校资源如何影响学生未来在劳动力市场的成功方面也做出了重要贡献。他的结果再一次质疑了之前传统智慧——此前的研究表明，资源增加与学校表现以及晚年劳动力市场机会之间的关系很弱。然而，这里的问题在于，此前的研究工作没有考虑补偿性资源分配的可能性。例如，很可能决策者在学生成绩较低的学校对教育质量投入更多。

为了研究学校资源是否对学生未来在劳动力市场的成功有影响，大卫·卡德和艾伦·克鲁格比较了生活在美国同一个州，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，但现在住在加州的人群。这种想法是，搬到加州并拥有相同教育水平的人是可以比较的。如果教育的回报有所不同，这可能是因为阿拉巴马州和爱荷华州在教育系统上的投资不同。卡尔德和克鲁格发现教育资源很重要：在成长时期的州，教育回报随着教师密度的增加而增加。这项研究也激发了许多新的研究。现在有相对强有力的实证支持表明，教育投资影响学生后来在劳动力市场上的成功。这种影响对来自弱势背景的学生尤为明显。

因果关系研究的新框架在所有现实场景中，干预的效果——例如，额外教育对收入的影响——因人而异。此外，个体受到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。类似的问题出现在基于实际实验的研究中，因为我们通常不能强迫个人参与干预。最终选择参与的亚组可能由相信他们将从干预中受益的个人组成。然而，分析数据的研究人员只知道谁参与了，而不知道为什么——没有关于谁参与的信息，仅仅是因为他们有机会，这要归功于自然实验(或随机实验)，以及谁会这样做。如何建立教育和收入之间的因果关系？

约书亚·安格里斯特和吉多·因本斯在20世纪90年代中期的一项深入研究中解决了这个问题。更具体地说，他们问了以下问题：当实验结果因人而异以及我们无法完全控制谁参与时，在什么条件下我们可以使用自然实验来评估特定干预(如计算课程)的结果？我们如何估计这种影响，并应该如何解释？

稍微简化一下，我们可以想象一个自然实验，就好像它随机地将个体分成了治疗组和对照组。治疗小组有权参加一个方案而对照组没有。安格里斯特和因本斯的研究表明，有可能通过采用一个两步骤的过程(称为工具变量法)来评估该计划的影响。第一步，调查自然实验如何影响项目参与的概率；第二步，在评估实际项目的效果时考虑这种可能性。给定几个假设，这些假设是因本斯和安格里斯特详细阐述和讨论的， 因此，即使没有这些信息，研究人员也可以估计到谁会真正被自然实验所影响。一个重要的结论是， 只有当在自然实验下改变了他们的行为的群体才能够评估影响。这意味着安格里斯特和克鲁格关于收入影响的结论——额外的一年教育可以影响的收入水平——他们估计是9%——只适用于那些一旦当有机会出现时，选择了离开学校的人。无法确定这个群体包括哪些人，但我们可以确定它的规模。该组的结果也被评为当地平均治疗效果。

约书亚·安格里斯特和吉多·因本斯就这样准确地展示了因果关系是如何来自于自然实验的。他们的分析也与随机实验相关——在这种情况下，我们无法完全控制谁参与干预 。约书亚·安格里斯特和吉多·因本斯开发的框架已经被研究观测数据的研究人员广泛采用。通过澄清必要的假设来建立因果关系，他们的框架也增加了实证研究的透明度与可信度。

实证研究的革命

获奖者在20世纪90年代初的贡献表明，使用自然实验来回答关于因果的重要问题是可能的。他们的贡献互相补充、相互强化：约书亚·安格里斯特和吉多·因本斯关于自然实验的方法论见解，卡尔德将这种方法应用于重要问题，为其他研究人员开辟了道路。我们现在有了一个连贯的框架，这意味着我们知道了这类的研究结果应该如何来解释。获奖者的工作彻底改变了社会科学的实证研究，并且显著提高了研究人员与团体回答对我们所有人都很重要的问题的能力。