北京时间10月11日下午，瑞典皇家科学院公布了2021年诺贝尔经济学奖。其中，经济学家戴维·卡德（David Card）因“对劳动经济学的实证贡献”获一半奖项，另两位经济学家乔舒亚·安格李斯特（Joshua Angrist）和吉多·因本斯（Guido Imbens）因“对因果关系分析的方法论贡献”共享另一半奖项。
瑞典皇家科学院指出，今年的三位获奖者提供了关于劳动力市场的新见解，并展示了关于因果关系的结论可以从自然实验中获得这一点。他们的研究方法已经扩展到其他领域，并彻底改变了实证研究。
01 新的研究方法带来了怎样的改变？
如果我们要作出正确的决定，那么我们必须知道这样选择的后果。这适用于个人和公共决策者：例如，正在作出教育选择的年轻人，想要知道这些选择如何影响他们未来的收入；以及考虑进行一系列改革的政治家，想要知道这些改革如何影响就业和收入分配。
然而，回答这些关于因果关系的广泛问题其实并不容易，因为我们无法知道我们作出的选择会产生怎样的结果？
确定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人分配给实验组。这种方法用于调查研究新药的功效，但不适合调查许多社会问题——例如，我们不能用随机实验来确定谁上高中，谁不能上高中。
尽管存在诸多挑战，但获奖者已证明，社会许多重大问题都可以得到解答。他们的解决方案是使用“自然实验”——即利用偶然事件或政策变化导致人群受到不同对待的情况，类似于“医学临床试验”的方式。
在上世纪90年代，戴维·卡德（David Card）利用自然实验方法分析了最低工资、移民和教育对劳动力市场的影响。这些研究结果颠覆了传统认知，并引发了一系列新的研究，卡德对此做出了重要贡献。
图/戴维·卡德现任教于美国加利福尼亚大学伯克利分校
总而言之，我们现在对劳动力市场的运作方式比30年前了解的更多。
自然实验与临床试验不同——在临床试验中，研究人员可以决定谁能接受治疗（治疗组），谁不用接受治疗，从而形成对比研究（对照组）。
在自然实验中，研究人员也可以获得来自治疗组和对照组的数据，但与临床试验不同的是，个体可能自己选择是否要参与提供的干预，当然这也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，乔舒亚·安格斯特（Joshua Angrist）和吉多·因本斯（Guido Imbens）则解决了研究这些社会问题的方法论问题，从而展示了如何从自然实验中得出关于因果关系的精确结论。
图/乔舒亚·安格李斯特，美籍以色列裔经济学家，现为麻省理工学院福特经济学教授
在这些实验中，人们不能被迫参与所研究的项目，当然也禁止这么做。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验数据以处理经验问题的方式。
举个具体的例子说明自然实验是如何运作的。一个与社会和考虑未来年轻人都相关的问题是，如果你学习的时间越久，那么你赚的钱也就会越多。回答这一问题首先要搜集人们的收入与他们的教育之间的相关数据。
在一般情况下，受教育年限更长的人收入也更高。多接受一年教育的男性的平均收入要普遍比未接受这一年教育的男性高出 7%。
图/该图使用Angrist和Krueger（1991年）的数据：受过12年教育的人的收入比受过11年教育的人高12%。
那么，我们不得不问，多接受一年的教育会增加你收入的7%吗？
02 教育对未来收入产生怎样的影响？
选择长期教育的人在许多方面与选择短期教育的人不同。例如，有些人可能擅长学习和工作。这些人可能会继续学习，但即便没有继续下去，他们同样可能获得高收入。当然也可能是更渴望教育回报的人才会选择更长的学习时间。
如果你想调查收入如何影响寿命，也会发现类似的问题。数据显示，收入越高的人寿命越长。但这真的是因为他们的收入更高的缘故？还是其他原因才使得这些人更长寿？我们很容易想到很多的例子，其中有理由质疑，“相关性”是否实际上意味着真正的“因果关系”？
那么，我们如何利用自然实验来检查额外教育年限是否会影响未来的收入？乔舒亚·安格李斯特（Joshua Angrist）和他的同事阿兰·克鲁格（Alan Krueger）在一篇里程碑式的文章中展示了如何做到这一点。
图/阿兰·克鲁格，普林斯顿大学劳动经济学教授，已过世
在美国，孩子可以在16岁或17岁时就可以离开学校，当然这取决于他们所在的州。由于所有适龄儿童在同一天开学，但年初出生的孩子可以比晚一些出生的孩子更早离开学校。
当安格李斯特和克鲁格比较同一年第一季度和第四季度出生的人时，他们发现第一季度出生的人平均花在教育上的时间更少。第一季度出生的人的收入也低于第四季度出生的人。因此，作为成年人，他们的教育程度和收入都低于年底出生的人。
由于是随机决定一个人的确切出生时间，安格李斯特和克鲁格利用这个自然实验来建立因果关系表明，更多的教育会导致更高的收入：增加一年的教育对收入的影响是9%。令人惊讶的是，这种影响比教育与收入之间的联系更强，后者仅占到7%。
如果有抱负又聪明的人可以同时拥有高学历和高收入(无论教育程度如何)，其结果应该是相反的，这种相关性应该比因果关系更强。这个观察结果提出了关于如何解释自然实验结果的新问题，而这些问题则由乔舒亚·安格瑞斯特和吉多·因本斯回答了。
人们很容易相信，促成自然实验的情况非常特殊，特别是那些可以回答重要问题的情况。
但过去30年的研究表明，情况并非如此：自然实验频繁发生。例如，它们可能是由于一个国家某些地区的政策变化、高等教育入学门槛或税收和福利制度的收入门槛而产生的。这意味着某些人会受到干预，而其他类似的人则不是这样。因此，存在意想不到的随机性，将人分为对照组和治疗组，并为研究人员提供了发现因果关系的机会。
03 最低工资对劳动力市场的影响是什么？
上世纪90年代初，经济学家的普遍共识是，提高最低工资会减少就业机会，因为这增加了企业的工资成本。
然而，支持这一结论的论据并不够充分；确实有很多研究表明最低工资与就业呈“负相关”，但这是否真的意味着提高最低工资会导致高失业率？
反向因果关系甚至可能成为问题：当失业率上升时，雇主可以设定较低的工资，但反过来，失业率降低，员工则会要求提高最低工资。
卡德和克鲁格使用了自然实验来调查最低工资的增加如何影响就业。
90 年代初，新泽西州的最低小时工资从 4.25 美元提高到 5.05 美元。仅仅研究新泽西州这次工资增长并不能很好地解答这一问题。因为随着时间的变化，有许多其他因素会影响就业水平。与随机实验一样，需要一个“对照组”，即工资没有变化，但所有其他因素都相同的组。
卡德和克鲁格指出，相邻的宾夕法尼亚州没有涨工资。当然，这两个州之间存在差异，但劳动力市场可能会在边境附近发生变化。
因此，他们研究了两个邻近地区——新泽西州和宾夕法尼亚州东部——对就业的影响，这两个地区的劳动力市场相似，但边境一侧的最低工资增加了，而另一侧的最低工资没有增加。
没有充分的证据证明，除了最低工资的增加之外，任何因素（例如经济形势）都会对边界两边的就业趋势产生影响。因此，如果观察到新泽西州雇员人数的变化，而这一变化与边界另一边的任何变化都不同，那么就有很好地将其解释为提高最低工资的影响。
卡德和克鲁格专注于快餐行业的就业情况，因为这是一个薪酬低，且最低工资很重要的行业。
与之前的研究相反，他们发现提高最低工资对员工人数没有影响。戴维·卡德（David Card）在 90 年代初期的几项研究中得出了相同的结论。这项开创性的研究导致了大量的后续研究。总体结论是，提高最低工资的负面影响很小，比 30 年前所认为的要小得多。
Card 在90 年代初期的工作也引发了新的研究，试图解释提高最低工资对就业没有负面影响的原因。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，而不会因此减少用户需求。
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要工作，从而增加就业。
当公司对市场拥有这种权力时，我们无法预先确定最低工资的变化将如何影响就业。受卡德和克鲁格研究工作大大提高了我们对劳动力市场的理解。
04 移民的到来是否会对当地人就业造成冲击？
另一个重要问题是劳动力市场如何受到移民的影响。为了回答这个问题，我们需要知道如果没有移民，会发生什么。由于移民可能会在劳动力市场不断增长的地区定居，因此仅将有或没有许多移民的地区进行比较，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项自然实验，大卫·卡德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（Fidel Castro）出人意料地允许所有希望离开该国的古巴人离开。5 月至 9 月期间，125000 名古巴人移民美国。他们中的许多人在迈阿密定居，这导致迈阿密劳动力增加了约 7%。
为了研究这次大规模工人涌入如何影响迈阿密的劳动力市场，戴维·卡德（David Card）将迈阿密的工资和就业趋势，与其他四个城市的工资和就业变化进行了比较。
尽管劳动力供应大幅增加，但卡德发现对受教育程度低的迈阿密居民没有负面影响。与其他城市相比，工资没有下降，失业率也没有增加。
这项研究产生了大量新的实证工作，我们现在更好地了解了移民的影响。例如，后续研究表明，移民的增加对出生在该国的许多群体的收入产生了积极影响，而早期移民的人则受到负面影响。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，他们不必与移民竞争工作。
05 教育投资对未来收入将产生积极影响
卡德还就学校资源对学生未来在劳动力市场上的成功的影响，做出了重要贡献。他的结果再次质疑公认的传统认知——先前的研究表明，资源增加与学校表现，以及以后生活中的劳动力市场机会之间的关系很弱。
然而，问题是，之前的工作没有考虑补偿性资源分配的可能性。例如，决策者可能会在学生成绩较低的学校加大对教育质量的投入。
为了研究学校资源是否对学生在未来劳动力市场的成功产生影响，乔舒亚·安格李斯特（Joshua Angrist）和阿兰·克鲁格（Alan Krueger）比较了美国同一州但在不同州长大之人的教育回报——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。因为搬到加利福尼亚并拥有相同教育水平的人具有可比性。
如果教育回报不同，这可能是因为阿拉巴马州和爱荷华州对教育系统的投资不同。卡德和克鲁格发现资源很重要：教育回报会随着个人成长所在州的教师比例的大幅增加而提高。
这项研究也激发了许多新的研究。现在有相对充分的实证表明，教育投资会影响学生以后在劳动力市场上的表现。对于来自弱势背景的学生来说，这种影响尤其明显。
06 研究因果关系的新框架与实证研究的革命
在所有现实场景中，干预的效果因人而异，例如，额外的学校教育对未来收入的影响。此外，自然实验对个体的影响也不同。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人参与干预。最终选择参与的小组成员可能是那些相信他们将从干预中获益的人。
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，仅仅因为他们因为自然实验（或随机实验）提供了机会，以及谁会这样做。
如何建立教育和收入之间的因果关系?
在90年代中期的一项有影响力的研究中，乔舒亚·安格李斯特（Joshua Angrist）和吉多·因本斯（Guido Imbens）回答了这一问题。
图/吉多·因本斯，荷兰裔美国经济学家 现为斯坦福大学商学院经济学教授
更具体而言，他们提出以下问题：在什么条件下，我们可以使用自然实验来估计特定干预（例如计算机课程）的效果？当效果因人而异而我们无法完全控制谁参与时，我们如何估计这种影响，以及应该如何解释它？
稍微简化一下，我们可以想象一个自然实验，就好像它随机将个体分为治疗组和对照组。治疗组有权参加某个计划，而对照组则没有。
安格李斯特和因本斯的研究表明，可以通过应用两步过程（称为工具变量法）来估计程序的效果：第一步调查自然实验如何影响项目参与的概率。第二步在评估实际计划的效果时考虑这个概率。给定一些假设，这些假设是安格李斯特和因本斯详细制定和讨论的，研究人员因此可以估计该计划的影响，即使没有关于谁实际受到自然实验影响的信息。
一个重要结论是，只有在自然实验改变行为的人中才能估计其影响。这意味着，安格李斯特和因本斯关于额外一年教育对收入影响为 9%的结论，仅适用于那些在有机会时实际选择离开学校的人。无法确定该组中包含哪些个人，但我们可以确定其规模。
乔舒亚·安格李斯特（Joshua Angrist）和吉多·因本斯（Guido Imbens）因此确切地展示了，可以从自然实验中得出关于因果关系的结论。
他们的分析也适用于随机实验。在这些实验中，我们无法完全控制谁参与干预，几乎所有的现场实验都是如此。Angrist和Imbens开发的框架已被从事观测数据的研究人员广泛采用。通过阐明建立因果关系所必需的假设，他们的框架还提高了实证研究的透明度，从而提高了可信度。
获奖者在 上世纪90 年代初期的研究表明，可以使用自然实验来回答有关因果关系的重要问题。他们的研究相辅相成：乔舒亚·安格李斯特（Joshua Angrist）和吉多·因本斯（Guido Imbens）关于自然实验的方法论见解，以及
戴维·卡德（David Card）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，这意味着我们知道应该如何解释这些研究的结果。获奖者的工作彻底改变了社会科学的实证研究，并显著提高了研究界回答对所有人都非常重要的问题的能力。
文/白墨
编/井盐