诺贝尔经济学奖解读 | “自然实验”是因果关系实证研究的一次革命

---

“自然实验”有助于回答重要问题

今年的获奖者David Card、Joshua Angrist 和 Guido Imbens 已经表明，“自然实验（Natural experiments）”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。他们还明确阐明了使用“自然实验”这种研究方法可以得出哪些关于因果关系的结论。他们一起革新了经济科学的实证研究。

 

如果我们要做出正确的决定，我们必须了解我们决策的后果。这适用于个人，也适用于公共政策制定者：例如，正在进行教育选择的年轻人，想知道其如何影响他们未来的收入；考虑一揽子改革的政治家，想知道这些改革如何影响就业和收入分配。然而，回答关于因果关系的广泛问题并不容易，因为一旦我们已经做出了一个不同的选择，我们将永远不会知道（可能）会发生什么。

 

建立因果关系的一种方法是使用“随机实验（randomised experiments）”，即研究人员通过随机抽取的方式，将个体分配到“实验组（treatment groups）”。这种方法经常用于研究新药的功效等场景，但该方法并不适合研究很多社会问题，例如，我们无法通过“随机实验”来决定谁可以上高中、谁不能上。

 

尽管存在这些挑战，但获奖者已经证明，许多重大的社会问题依旧可以得到解答。他们的解决方案是使用“自然实验”——即现实生活中出现的类似于随机实验的情形。这些“自然实验”可能是由于自然的随机变化，也可能是由于制度规则或政策发生了变化。在 1990 年代初期的开创性工作中，David Card使用这种方法分析了劳动经济学中的一些核心问题，诸如最低工资、移民和教育的影响。这些研究结果挑战了传统智慧，并引发了新的研究，David Card也继续为此做出了重要贡献。总体而言，与 30 年前相比，我们现在对劳动力市场的运作方式有了更好的理解。

 

“自然实验”在一个重要方面不同于“临床试验（clinical trials）”，在临床试验中，研究人员可以完全控制谁接受治疗并最终接受治疗（实验组 the treatment group），也可以完全控制谁不可以接受治疗、继而没有接受治疗（对照组the control group）。在“自然实验”中，研究人员也可以获得来自实验组和对照组的数据，但与“临床试验”不同的是，个人自身可能已经作出选择，即是否参与所提供的“干预”。这使得解释一个“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 展示了可以从“自然实验”中得出关于因果关系的结论。在这些实验中，人们不能被强制（be forced）参与所研究的项目（也不允许这样做）。他们创建的框架，从根本上改变了研究人员利用“自然实验”或“随机实验”的数据并处理实证问题的方式。

 

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。一个与社会和年轻人都相关的问题是：如果你选择更长的学习（受教育）时间，你会多赚多少钱？

回答这个问题，一个初始的步骤可能需要查看人们的收入与他们受教育程度之间的关系的数据。在所有可以想象的情形下，受教育年限越长的人，其收入也更高。例如，对于1930 年代出生在美国的男性来说，多接受1年教育的人，其收入平均高出 7%。

 

教育与收入的关系

受教育年限与收入之间存在明显的相关性。但这是否也意味着也存在因果关系？

该图使用了来自Angrist 和 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 12%。受过 16 年教育的人的收入，比受过 11 年教育的人高 65%。

 

那么，我们可以得出结论，多接受1年的教育会使您的收入增加 7% 吗？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是不同的。例如，有些人可能在学习和工作上都很有天赋。这些人很可能会继续学习，即使没有，他们也可能有很高的收入。另外，也可能只有那些期望教育有回报的人才选择学习更长时间。

 

如果你想考察收入如何影响寿命，也会出现类似的问题。数据显示，收入较高的人寿命更长，但这真的是因为他们的收入较高，还是这些人具有其他属性使得他们既活得更长、收入也更高？很容易想到更多的类似例子，在这些例子中，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，我们如何通过“自然实验”来检验增加的教育年限是否会影响未来的收入呢？Joshua Angrist 和他的同事 Alan Krueger（现已去世）在一篇具有里程碑意义的论文中展示了如何做到这一点。在美国，孩子年满16 岁或 17 岁就可以离开学校，具体取决于他们在哪个州上学。由于所有在特定日历年（calendar year）出生的孩子，都在同一日期开始上学，所以在该年“早出生的孩子”，可能比在该年“晚出生的孩子”更早离开学校。当 Angrist 和 Krueger 比较某年第一季度和第四季度出生的人时，他们发现第一组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，与晚出生的人相比，“早出生的人”的受教育时间和收入都较低。

 

由于“概率（chance）”决定了一个人的确切出生时间，因此，Angrist 和 Krueger 能够使用这个“自然实验”来建立因果关系，表明更多的教育导致更高的收入：额外1年的教育，收入会增加 9%。令人惊讶的是，这种效应比“教育”和“收入”之间的关系更强，后者只增加 7%。

 

如果有雄心和聪明的人同时拥有高学历和高收入（无论受教育程度如何），那么结果应该是相反的；相关性应该比因果关系更强。这一观察提出了一个新问题，即如何解释“自然实验”的结果。Joshua Angrist 和 Guido Imbens 后来回答了这些问题。

 

 

晚出生的人受教育年限更长、收入更高

额外的教育年限对收入有正向影响。该图使用了来自Angrist 和 Krueger (1991) 的数据。

 

人们很容易相信，能够进行“自然实验”的情形是非常少见的，尤其是那些可以用来回答重要问题的情形。但过去30 年进行的研究表明，事实并非如此：“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、高等教育的入学截止日期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影响和“干预”，而其他相类似的人则未受到“干预”。因此，无心的随机性（unintended randomness）将人们分为“对照组”和“实验组”，为研究人员提供了发现因果关系的契机。

 

 

理解劳动力市场

最低工资的“效果”

 

在1990 年代初期，经济学家的传统观点是，提高最低工资会导致就业减少，因为这会增加企业的工资成本。然而，支持这一结论的证据并不完全令人信服。虽然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更高的最低工资会导致更高的失业率？逆向因果关系（Reverse causation）甚至可能成为一个问题：当失业率上升时，雇主可以设定较低的工资，这反过来可能会导致要求提高最低工资。

 

为了研究提高最低工资对就业的影响，Card 和 Krueger 使用了一个“自然实验”。1990 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。仅仅研究这次增长后新泽西州发生的事情，并不能为这个问题提供可靠的答案，因为许多其他因素会影响就业水平随时间的变化。与“随机实验”一样，需要一个“对照组”，即（最低）工资没有变化、但所有其他因素都相同的组。

Card 和 Krueger 指出，邻近的宾夕法尼亚州没有增加最低工资。当然，这两个州之间存在差异，但在靠近两州边界的地方，它们的劳动力市场很可能会类似地演变（evolve similarly）。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）最低工资对就业的影响，它们有类似的劳动力市场，但边界一侧的最低工资增加了，而另一侧没有增加。

 

除了最低工资的增加之外，没有明显的理由相信，诸如经济形势等其他任何因素会对边界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数量的变化，并且其与边界另一边（宾夕法尼亚州东部）的任何变化均不同，那么，就有充分的理由将该现象归因于最低工资增加。

 

Card 和 Krueger 聚焦于快餐店的就业人数，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雇员人数没有影响。David Card 在 1990 年代初期的几项研究中得出了相同的结论。这项开创性的研究引发了大量的后续研究。总体结论是，提高最低工资的负面影响很小，比30 年前人们所认为的要小得多。

 

Card 在 1990 年代初期进行的工作也产生了新的研究，该研究试图解释为什么（提高最低工资）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人力成本转移给消费者，而且又不会明显减少需求。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要工作，从而增加就业。当公司对劳动力市场拥有主导权时，我们无法预先确定最低工资的变化将如何影响就业。受Card 和 Krueger 工作启发的许多研究，已经大大提升了我们对劳动力市场的理解。

 

 

对移民和教育的研究

另一个重要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。因为移民很可能会在劳动力市场不断增长的地区定居，仅仅比较有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次“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 (Fidel Castro) 出人意料地允许所有希望离开本国的古巴人离开。5 月至 9 月期间，125,000 名古巴人移民到美国。他们中的许多人定居在迈阿密，这导致迈阿密的劳动力增加了大约7%。为了研究大量涌入的工人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城市进行了比较。

 

尽管迈阿密市的劳动力供应大幅增加，但David Card发现其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。这项研究产生了很多新的实证成果，我们现在对移民的影响有了更好的了解。例如，后续研究表明，对于许多在本国出生的群体而言，增加的移民对他们的收入会产生正向影响，而较早的移民则会受到负面影响。对此现象的一种解释是，本地人转向了需要良好母语技能的工作，在这类工作中他们也不必与移民进行竞争。

 

关于学校资源（school resources）对学生未来在劳动力市场上的影响，Card也作出了重要贡献。他的研究结果再次质疑了固有的认知（received wisdom）——即先前的研究表明，增加的学校资源（increased resources and school performance）与学生后续在劳动力市场中的机会之间，是微弱的关系。然而，一个问题是：之前的研究没有考虑补偿性资源分配的可能性（the possibility of compensatory resource allocation）。例如，决策者可能会在学生表现较差的学校加大对教育质量的投资。

 

为了检验“学校资源”是否对学生未来在劳动力市场的成功有影响，David Card 和Alan Krueger比较了（目前）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，但现在住在加利福尼亚州的人。如此考虑是因为搬到加利福尼亚州并拥有相同教育水平的人具有可比性。如果教育回报不同，则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。Card 和 Krueger 发现“学校资源”很重要：在个人成长的州，教育回报随着教师密度（teacher density）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表明，教育投资会影响学生后续在劳动力市场上的成功。对于来自弱势（底层）背景的学生来说，这种影响尤其明显。

 

 

局部平均干预效果（Local average treatment effect，LATE）

Joshua Angrist 和 Guido Imbens 展示了如何使用“自然实验”来得出关于因果关系的精确结论。“自然实验”不同于“临床试验”，因为研究人员无法完全控制谁接受治疗。

 

因果关系研究的一个新框架

在所有的现实情景中，干预的效果——例如，额外的学校教育对收入的影响——因人而异。此外，“自然实验”对个体的影响也不同。16岁离开学校时的机会，几乎不会影响到那些已经计划要上大学的人。

 

在基于“实际实验（actual experiments）”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一个“干预”。最终选择参与的小组，可能是由相信他们将从“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，而不知道他们为什么参与（对于那些仅仅因为有参与机会而参与的人，没有关于他们的其他信息），幸好有“自然实验（或随机实验）”。

 

如何在教育和收入之间建立因果关系？

 

在1990 年代中期的一项有影响力的研究中，Joshua Angrist 和 Guido Imbens 解决了这个问题。更具体地说，他们提出了以下问题：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，我们如何估计这种效果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“实验组”和“对照组”。“实验组”可以参加某个项目，而“对照组”不能参加。Angrist 和 Imbens 表明，可以通过应用一个“两步程序（称为“工具变量法”）”来估计项目的效果。

 

第一步考察“自然实验”如何影响项目参与的概率。然后，第二步，在预估实际项目的效果时，考虑第一步中的概率。给定一些假设，这些假设是Imbens 和 Angrist 详细制定和讨论的，研究人员据此可以估计该项目的效果，即使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，仅可以估计其对那些因“自然实验”而改变行为的人的效果。这意味着Angrist 和 Krueger 关于额外1年教育对收入影响的结论（他们估计为增加9%），仅适用于那些在有机会时实际选择离开学校的人。我们无法确定该组中包含哪些个人，但我们可以决定该组的规模（size）。该组的效果被命名为“局部平均干预效果（local average treatment effect, LATE）”。

 

Joshua Angrist 和 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。他们的分析也与“随机实验”相关，在“随机实验”中，我们无法完全控制谁参与“干预”，几乎所有的“现场实验”都是这种情况。Angrist 和 Imbens 开发的框架，已经被研究观测数据的研究人员广泛采用。通过阐明建立因果关系所必需的假设，他们的框架还增加了实证研究的透明度，从而提高了实证研究可信度。

 

 

实证研究的一次革命

获奖者在1990 年代初期的贡献表明，可以使用“自然实验”来回答有关因果关系的重要问题。他们的贡献相互补充和强化：Angrist 和 Imbens 关于“自然实验”的方法论见解以及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。我们现在有了一个清晰的框架，这意味着我们知道应该如何解释这些研究的结果。获奖者的工作革新了社会科学领域的实证研究，并显著提高了研究者们回答重要问题的能力。