来源：文汇学人
作者：梁捷 上海财经大学经济学院教师
过去很多命题只能通过理论模型推演，而今天则可借助因果识别来进行更贴近现实的分析。这些实证研究工具不仅验证了大量经典理论，也在不断地挑战经典理论，给理论经济学家抛出更多的难题。
经济学以及社会科学中的大量问题，本质上都是需要解答因果关系。比如，个人或群体的一部分环境被改变了，他们的某项处境或者某一类个人行为是否会发生什么改变？现实中，我们只可能观察到某个特定主题的某个潜在结果，而我们又必须对这个潜在结果进行比较，得到可靠的因果关系，这其中就有一些技术要求。
一些学者认为，在最近二十年里，经济学界已经掀起一阵“因果识别革命”。今年诺贝尔经济学奖的三位得主加州大学伯克利分校的卡德（David Card）、麻省理工学院的安格里斯特（Joshua D. Angrist）以及斯坦福大学的因本斯（Guido W. Imbens）正是解决了因果识别中涉及的大量技术性难题，还把这种方法推广到劳动、教育、移民、医疗保险、社会政策等诸多领域，对于当代经济学的理论研究和实证应用都产生了深远的影响。安格里斯特的两本教科书《基本无害的计量经济学》和《精通计量》，是目前最受研究生欢迎的计量经济学教科书。他们的研究对很多经典经济学命题构成了挑战，本文就从中选择较有代表性的三个命题——最低工资问题、移民问题和教育问题，加以介绍。
传统经济学理论认为，在竞争性的劳动力市场上，有关最低工资的法律总是对于工人不利，因为它剥夺了工人以较低工资水平进行工作的机会。而且，最低工资的上涨会导致雇主在成本压力下裁员，尤其会裁减缺乏技能的工人，比如青少年工作者、高中未毕业者以及从事低端服务业的工人。
尽管这些观点一直在经济学课堂上传播，但是它们一直缺少经验性证据。很多国家都设有《最低工资法》，而经济学家对于最低工资的合理水平、最低工资对于就业率的影响等也缺乏一致性看法。现有的最低工资和就业率的数据并不能直接说明问题，因为其中存在复杂的内生性问题，难以分清到底是最低工资影响就业率还是就业率影响了最低工资。
20世纪80年代开始，美国全国的最低工资一直很稳定。但是在1992年4月1日，新泽西州的最低工资从每小时4.25美元提高到了5.05美元。而与它毗邻的宾夕法尼亚州的最低工资水平并没有调整，还是每小时4.25美元。卡德与合作者利用这次机会，调查了新泽西和宾夕法尼亚的410家快餐馆在最低工资调整前后的雇佣情况，尝试通过这次偶然的自然实验来研究最低工资对就业率的影响。
研究就业率的时候，我们往往很难判断就业率的变化是由最低工资变化导致，还是由于区域经济环境的变化而导致。卡德等采用了当时还很新颖的“双重差分法”，正好可以有效解决这个问题。宾州与新州地理临近，经济发展水平也很接近，所以这两个州的快餐店受到区域经济的影响必定也比较相似。在这次自然实验中，宾州没有受到最低工资变动的影响，所以它可以作为基准的时间趋势。在新州的就业率变动水平中减去宾州的变动趋势，就可以得到最低工资对于就业率所产生的纯粹效应。
卡德等1994年发表的论文指出，两州快餐工人的就业情况并没有显著差异。那些原本雇佣很多最低工资员工的快餐店，在调整最低工资后，理论上会受到更大的成本压力。但事实上，他们并没有因此而减少雇佣人数，而是和那些工资较高的快餐店一样，反而雇佣了更多的工人。总而言之，卡德与合作者并没有发现最低工资提高对就业会产生任何负面影响。
最低工资的提高，提升了员工的福祉和消费水平，也有可能促进一个地区的经济发展，从而创造更多的就业需求。卡德等的研究，证明最低工资提高并不必然导致就业率下降，其中的作用关系比我们预想的更复杂。所以，劳动经济学在这个问题上还需要进一步的研究。
卡德巧妙地找到了自然实验
一个地区涌入大量的外来移民，劳动供给大量增加，必然会降低这个地区的工资，同时导致本地居民面临更严重的就业困难，失业率会大幅度提高，并且劳动力市场的流动性远不能与其他市场相比，所以要谨慎对待大规模移民——这是传统经济学理论的看法。
但是在现实中，移民研究非常困难。因为移民一般是持续而缓慢的，而且移民很少简单地从一地移动到另一地，中间往往经过多元复杂的中间城市，使得研究者不容易搞清楚移民的来源地。此外，不同时期移民的目的也不同，目标城市的就业率原本就是移民在行动之前需要重点考虑的问题。
而卡德又非常巧妙地找到了一个自然实验，可以纯粹地研究大量移民对移入城市劳动力市场的影响。1980年，古巴领导人宣布，允许一切想要离开古巴的人从马列尔港离开。在短短几个月内，有十几万古巴人由此进入美国迈阿密。这纯粹是个意外事件。在此之前，美国人和古巴人都想不到这一点。而离开古巴的这个机会，在几个月后也宣告终止。
迈阿密这个城市被古巴移民选中，并不是古巴人觉得这里就业机会特别多，或者觉得这里的文化与古巴接近，单纯只是因为这里距离古巴最近，别无选择。而且这次事情来得太突然，迈阿密本地的企业和就业工人在短期内都没来得及对此做出反应。所以可以清晰地认定，外来移民冲击是因，本地劳动力市场的变动是果，通过这次事件研究外来移民对本地劳动力市场的冲击，因果关系不存在争议。
卡德统计了移民到达前后迈阿密原本居民工资和就业率的变化，同时再与美国其他4个与迈阿密“相似”的城市——亚特兰大、休斯敦、洛杉矶和坦帕居民的变化进行对比。卡德发现，无论是在移民到达后不久，还是几年以后，迈阿密与其他几个城市的对比变动都没什么不同，古巴人的到来并没有影响当地人的工资水平。卡德还特地比较了在“马列尔港事件”之前就来到美国的古巴移民的工资。他们和新来的古巴移民很相似，两者之间也没有什么明显差异。
这是一次绝妙的自然实验设计。我们可以从这项因果识别研究中得出结论，外来移民冲击并不会影响本地居民的工资水平和就业率。外来移民在短时期内确实增加了劳动供给，但是同样也创造了大量劳动需求。本地的企业和居民可以面向更大的市场，并不用担心自己原本的工作机会被新移民所取代。
即使考虑长期影响，来自较低收入国家或地区的外来移民对于本地劳动力市场也无不利之处。外来移民也会自然地分成不同层次，参与到各个收入水平的就业岗位。一个城市并不会因为太多的外来移民而堕落，反而会增加更为多元的城市文化。
卡德这项研究发表以后，就有很多学者提出不同的看法。大家会选择相似的样本，运用略有差异的计量方法进一步展开研究，得出不同的结论。卡德也做了进一步的回应。劳动经济学家对于这些问题的认识就在这样的对话过程中逐渐深入。虽然卡德的结论还非定论，但我们已经明白，不应过度夸大移民所带来的不利冲击。
教育领域亦是卡德、安格里斯特等学者大显身手的领域。安格里斯特与合作者在1991年发表了一篇论文，研究中极为巧妙地引入了一个工具变量，解决了潜在的内生性，明确了其中的因果关系，被学界公认为典范之作。
教育的长期回报率是政策制定者以及所有人都会关心的问题。一个人接受教育时间长短，对于未来的终身收入会产生怎样的影响？政府是不是有必要调整《义务教育法》中的教育年限，用法律手段强行提高全国人民接受基础教育的时长？这个问题很重要，又很复杂，仍然是因为其中存在内生性。一个人从事什么样的工作，拿着什么样的工资，这固然都是自己的选择，而一个人接受多少年的教育，这可能也是自己的选择。这两者之间的因果关系又纠缠在一起。
安格里斯特发现，美国的《义务教育法》一直规定，只要当年年满6岁的儿童，都需要在当年的9月份入学。也就是说，一个孩子的生日如果是12月31日，那么他和生日是1月1日的孩子一样，都需要在当年9月份入学。所以平均来看，第一季度出生的孩子在入学时平均年龄为6.45岁；而在第四季度的出生孩子，入学时平均年龄就只有6.07岁。同时，美国的《义务教育法》还规定，只有年满16岁，青少年才可以离开学校，辍学去工作。
假如一个人的生日是1月1日，在他16岁的那一年，过了1月1日，他就可以辍学去工作；而如果他的生日是12月31日，那么他就需要多上一整年的学，到第二年才能合法地离开学校。安格里斯特检查了美国的劳动数据，在1940年代以前出生的美国人，确实有一部分到了合法的辍学年龄，就选择去上班了。
于是，安格里斯特与合作者使用每个人出生的季度作为工具变量，分析了美国人接受教育时间与后来收入回报之间的关系。每个人出生的季度完全外生，不能由自己选择。在回归分析中引入这个工具变量，那么教育年限为因，教育回报率为果，因果关系就得以明确。
他们的研究发现，对于1920年代出生的孩子来说，第一季度出生的人比其他三个季度出生的人少上了0.126年学，教育回报率也要低0.7个百分点；对于1940年代出生的孩子来说，第一季度出生的人比其他三个季度出生的人少上了0.109年学，教育回报率要低1.02个百分点。可以得到结论，一个美国人接受的教育年限越少，教育回报率就越低；接受教育越多，教育回报率也会越高。
基础教育对于个人的长期收入具有显著的正面影响，这个结论对于政策制定富有重要意义。
做了大量基础理论工作的因本斯
当然，我们面对的世界不会像理论世界那样完美。前文提到卡德利用“马列尔港事件”来研究外来移民对本地劳动力市场影响，这种自然实验是可遇而不可求的。实证研究者面对不完美的研究数据时，不得不对它们进行一系列必要的技术处理和分析，确保因果分析的有效性。因本斯就在这些方面做了大量的基础理论工作，安格里斯特与卡德又做了大量实践应用，共同掀起这场“因果识别革命”。
到了今天，因果识别已经成为一种成熟的实证研究工具，大多数经济学家都会熟练应用自然实验法、工具变量法、双重差分法、断点回归法等方法进行因果分析。过去很多命题只能通过理论模型推演，而今天则可借助因果识别来进行更贴近现实的分析。需要注意的是，这些实证研究工具不仅验证了大量经典理论，也在不断地挑战经典理论，给理论经济学家抛出更多的难题，这就是诺贝尔经济学奖的意义所在了。
经管学苑
快来，点在看啦
