一直以來, 對計量經濟學的使用價值存在困擾。很多計量經濟學教材中提到:計量經濟學模型本身不能回答因果關係的問題, 因果關係必須要用經濟理論來進行支持。這實際上是一種偷懶的解釋。所謂理論, 都是假說, 對於這些假說, 未有充分證據證明之前, 它們未必揭示了經濟變量之間的因果關係。正所謂「十個經濟學家有十一種理論」 (Hendry, 1980) , 而真正的經濟機制應該只有一種;缺乏事實的充分支持, 理論也不一定描述真正的因果機制。
最近二十年來, 以隨機化實驗為基礎的計量經濟學開始興起, 有時也稱為項目評估計量經濟學。與傳統計量經濟學利用經濟理論構建因果關係不同, 它們主要關注某一解釋變量, 通常稱為幹預變量 (treatment) , 關注這一變量對結果的影響, 即幹預效應 (treatment effect) 。在這一框架下, 所有的計量經濟學識別策略都可以看作是一種 (分層) 隨機化實驗。
回歸併不是簡單的將變量不斷地放到回歸模型中去。放入其他解釋變量的目的, 是希望加入這些變量作為控制, 可以使我們關心的變量有因果效應的解釋, 或者說, 加入這些控制變量, 使回歸模型類似於一個分層隨機化實驗。因而, 控制變量的引入不是隨便放的, 研究中往往應該集中於一個解釋變量 (即幹預變量) , 而其他的是控制變量, 從而使回歸類似於隨機化實驗。回歸作為工具, 與其他策略一樣, 無所謂好壞, 就看使用者如何使用, 在好的設計下, 回歸可以發揮巨大的威力, 尤其是在大數據的時代!大數據的優點不是樣本容量大 (即使有總體也無法回答因果問題) , 而是提供的變量越來越多, 這意味著條件獨立性假設 (CIA) 成立的可能性越來越大。因而, 在大數據的情況下, 回歸可能是最好的工具。匹配方法和回歸方法一樣, 識別條件都是條件獨立性假設, 都是模擬分層隨機化實驗, 因而, 都不能解決內生性問題。工具變量法是尋找一個決定幹預分配, 但獨立於潛在結果的工具變量。工具變量法的本質類似於一個非依從的隨機化實驗。幹預的隨機化分配是工具, 而個體實際接受的幹預狀態是原因變量, 利用幹預分配的隨機性可識別出受工具變量影響的個體的因果效應, 即局部平均因果效應 (LATE) 。如果有多期的數據, 尤其是面板數據, 可以幫助我們克服不隨時間變化的未觀測混雜因素的影響, 通過差分或去均值的方法, 使得增量上滿足CIA, 因而, 雙重差分策略 (DID) 或固定效應方法本質上是增量上的分層隨機化實驗。斷點回歸設計 (RDD) 是最接近完全隨機化實驗的一種識別策略, 主要識別條件是局部隨機化假設, 即個體沒有精確控制斷點的能力, 從而在斷點附近左右, 個體具有高度的相似性, 在斷點附近, 個體在左還是在右, 完全是由不可控的隨機性造成的, 從而幹預的分配近似於一個完全隨機化實驗。RDD策略通過斷點來識別因果效應, 識別條件非常清晰, 很容易檢驗, 研究者個人操縱的可能性較低, 成為最透明和最可信的研究設計, 因而, 成為經濟學家最喜歡的識別工具。
隨機化實驗和潛在結果框架的引入, 使經濟學經驗研究發生了一場「可信性革命」 (Angrist and Pischke, 2010) , 儘管有些計量經濟學家不一定完全認同這一說法, 但是「以實驗設計為基礎的計量經濟學」確實提供了很多「基本有用的經驗知識」 (Rust, 2016) , 從而使經濟學經驗研究正在經歷一場研究範式的轉變 (Panhans and Singleton, 2016) ――從統計推斷向因果推斷轉變。越來越多的實證研究開始探討如何才能科學地識別經濟變量之間的因果影響, 而非集中於估計量的統計顯著性問題, 統計推斷問題往往是相對次要的問題 (second order problem) , 因果推斷才是獲取知識的首要問題。最近二十多年來, 「實驗學派」計量經濟學方法在經濟學經驗分析中的影響越來越大, 研究範式的「技術進步」也不斷在其他學科中「技術擴散」 (Bowen等, 2017) 。但是在經濟學教學中, 本科生和研究生所使用的《計量經濟學》教材仍然沿用了老的研究範式, 在經濟學經驗研究文獻中廣泛採用的因果推斷方法仍然沒有進入《計量經濟學》教科書。
Angrist and Pischke (2017) 指出:傳統計量經濟學教材中的很多指導是過時的, 比如有關異方差、序列相關等問題的討論, 這些問題都不會影響因果效應的識別, 而這些問題的解決只需要利用White (1980) 的異方差一致性標準誤差或Newey and West (1987) 的序列相關及異方差一致性標準誤差進行修正。Angrist and Pischke (2017) 認為:新的研究範式更加有趣、相關性更強、識別結果更加令人滿意, 因而, 應該將這一範式引入新的計量經濟學教材。
然而, 目前國內計量經濟學的訓練 (無論是本科生還是研究生) 主要集中於統計推斷 (Statistical Inference) , 即如何利用樣本信息獲得總體信息的估計以及如何進行假設檢驗以判斷估計結果的統計顯著性。在經濟學實證中, 我們拿到的往往是總體的一個樣本, 利用樣本信息進行的估計是否能夠反映總體, 是實證研究中一個非常重要的問題。但是, 統計推斷本身往往很少能夠給出因果關係的信息。隨著信息技術的發展, 數據獲取的成本越來越低, 我們開始進入一個大數據的時代, 這意味著我們可以獲得的數據樣本容量越來越大, 甚至可以獲得總體信息。這樣統計推斷的作用可能就越來越小, 比如如果拿到了總體數據, 那麼傳統意義上的統計推斷就沒有用武之地了。但是, 就算我們有總體數據, 也不能回答因果關係的問題。比如, 假設我們有中國人口普查的數據, 想考察教育如何影響個人收入, 仍然是沒有辦法獲得因果效應的知識的。因而因果效應無關樣本大小, 對於因果效應的探討是更加底層的問題, 是任何科學獲得知識的關鍵。要獲得變量之間因果效應的知識, 必須要進行因果推斷。
因而, 我國計量經濟學教學也應順應這一潮流, 將因果推斷方法引入本科生、研究生的計量經濟學教科書中, 以促進經濟學經驗研究的可信性和科學性。當然, 也不能忽視經濟理論在經濟學實證中的作用, 科學的發展是一個不斷螺旋式上升的過程, 「經濟理論會不斷地提出新的經驗問題, 而對這些問題的實證解答又會促進新理論的構建」 (Leontief, 1971) , 經濟理論 (結構計量經濟學) 和實驗計量經濟學應是一種良性的相互補充、互相促進的關係 (Heckman, 2010;Rust, 2014, 2016) 。
參考文獻
[]Angrist, J.D.and Pischke, J., 2010, The Credibility Revolution in Empirical Economics:How Better Research Design is Taking the Con out of Econometrics, Journal of Economic Perspectives 24 (2) , 3-30.
[]Angrist, J.D.and Pischke, J., 2017, Undergraduate Econometrics Instruction:Through our Classes, Darkly, Working Paper 23114, National Bureau of Economic Research.
[]Bowen, D.E., Frésard, L.and Taillard, J.P., 2017, What's Your Identification Strategy?Innovation in Corporate Finance Research, Management Science, forthcoming.
[]Heckman, J.J., 2010, Building Bridges Between Structural and Program Evaluation Approaches to Evaluating Policy, Journal of Economic Literature 48 (2) , 356-398.
[]Henry, D.F., 1980, Econometrics-Alchemy or Science?Economica, 47, 387-406.
[]Leontief, W., 1971, Theoretical Assumptions and Nonobserved Facts, American Economic Review 61 (1) , 1-7.
[]Newey, W.K.and West, K.D., 1987, A Simple, Positive Semi-definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix, Econometrica 55 (3) , 703-708.
[]Panhans, M.T.and Singleton, J.D., 2016, The Empirical Economist's Toolkit:From Models to Methods, Working Paper, Duke University.
[]Rust, J., 2014, The Limits of Inference with Theory:A Review of Wolpin (2013) , Journal of Economic Literature, 52 (3) , 820-850.
[]Rust, J., 2016, Mostly Useless Econometrics?Assessing the Causal Effect of Econometric Theory, Foundations and Trends in Accounting 10 (2-4) , 125-203.
[]White, H., 1980, A Heteroskedasticity-consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity, Econometrica 48 (4) , 817-837.
——END
本文轉自：趙西亮.因果推斷方法應該引入計量經濟學教學[J].經濟資料譯叢,2017(04):84-86.
相關閱讀：
徐軼青：美國高校是如何培養博士生的?
如何閱讀英文學術文獻? ——給國內社會科學博士的一些建議
不研究「經濟」的經濟學和經濟學家們
走向真實世界的實驗經濟學——田野實驗研究綜述
張林秀 | 隨機幹預試驗——影響評估的前沿方法
（於曉華）如何正確運用計量經濟模型進行實證分析－——實證分析中的數據、模型與參數
於曉華 等：機器學習和農業政策研究範式的革新
因果推理識別、估計和應用中的傾向值方法和邊際處理效應方法比