经济学教授谈诺奖：因果推断革命让经济学家越来越像侦探(3)

）
记者：Angrist和Imbens今年会获奖，正是因为将经济学中常用的工具变量(IV)框架和统计学中常用于因果推理的“反事实结果”（counterfactual outcome）框架相结合，提出了“局部平均干预效应”。他们的这一发现对经济学界的贡献是什么？
李井奎：鲁宾的因果推断框架提出之后，引起了很多学科的重视，经济学显然是受到其影响最深的领域之一。但这个思想一开始并没有进入到经济学界，直到上个世纪90年代才开始有学者使用这个方法。其中David Card教授、Angrist教授就是其中的先锋，值得特别提到的是已经去世的艾伦·克鲁格教授，他在这个领域也非常杰出。
可以说，经济学中的因果推断理论在过去几十年受劳动经济学的学者影响最大，此次获奖的David Card和Angrist是其中的杰出代表。因为在劳动经济学里有很多需要精确性进行解答的问题。例如，上大学到底能不能带来收入的增加？数据表明，上了大学的人肯定比没上大学的人毕业若干年之后平均收入更高。但上了大学的这部分群体所取得的收益，很可能并不仅是源于大学教育本身带来的收益，还混杂了个人能力、家庭背景、社会关系等等其他因素。这些因素使得评估的结果不准确，这就不能把使用回归估计出来的上大学与否这个变量的系数看成是因果效应了。
计量经济学将客观经济活动中的变量分为相关关系（随机关系）和因果关系。相关关系是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系。因果关系是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。具有因果关系的变量之间一定具有统计上的相关关系，而具有相关关系的变量之间并不一定具有因果关系。
经济学中因果推断有五种方法：随机试验方法、回归方法（倾向得分匹配方法）、双重差分方法、断点回归方法以及工具变量（IV）方法。因果关系研究是可以在随机控制实验中得到完全展示的，但是随机控制实验是人为地设计实验，可是很多的社会生活当中的问题都不可能使用随机控制实验来研究。我们一般只能拿到观测性的数据，这种数据的产生不是根据研究者的意愿搜集得到的，比如我们的GDP数据、家庭住户调查数据等等都是观测性数据。
在“反事实结果”框架中，可将“干预”之后的实际状态与没有进行“干预”的“反事实”状态之间的区别定义为这项“干预”的因果效应。从事因果推断的经济学家给出的方案是，如果从观测性数据中寻找到一种自然实验的情境，在控制一些因素后，让是否接受“干预”完全随机，就可以通过比较“干预组”的平均表现和“对照组”的平均表现来获得因果效应。