诺奖得主谈实证经济学的过去与未来
2022年1月，美国经济学会年会召开前夕，某中心科学博客采访了2021年诺贝尔经济学奖的两位得主——他们同时也是与该中心有关联的经济学家。
大卫·卡德是该中心的学者，加州大学伯克利分校经济学教授，也是美国经济学会的卸任主席。他因“对劳动经济学的实证贡献”获得了一半奖项。
吉多·伊本斯是该中心的学术研究顾问，斯坦福大学商学院教授。他与麻省理工学院的乔舒亚·安格里斯特因“对因果关系分析的方法论贡献”分享了另一半奖项。
实证经济学的兴起
某中心科学博客：实证经济学方法在过去几年多次获得诺贝尔奖委员会认可，但它并非一直像今天这样流行。两位最初是如何对经济学的实证方法产生兴趣的？
大卫·卡德：几十年来，经济学领域的英雄人物是理论家。特别是在战后时代，人们认识到经济建模发展不足——数学基础薄弱——需要形式化，并更好地理解模型真正能提供什么。这种需求贯穿了整个60年代，阿罗和德布鲁是著名的数理经济学家，他们为理想化经济中的市场运作构建了非常优雅的理论模型。
在我的时代，人们开始意识到，我们拥有了数据，可以更好地观察真实的劳动力市场现象，并有可能将经济学从一门哲学分支转变为别的东西。阿罗-德布鲁模型基本上是数学哲学。
吉多·伊本斯：我来自一个非常不同的传统。我在荷兰长大，那里有由廷贝亨等人开创的强大计量经济学传统。廷贝亨的研究领域非常广泛——他研究计量经济学，但也做实证工作，并深度参与政策分析。但随着时间的推移，他开创的项目越来越专注于技术性计量经济学。
因此，作为本科生，我们实际上没有做过任何实证工作。我们主要学习数理统计学、一些运筹学和经济学理论。我的博士论文是理论计量经济学研究。
当我在哈佛展示时，乔舒亚·安格里斯特对此并不太感兴趣，他实际上反对系里聘用我，因为他认为这篇论文很无聊。他可能是对的！但幸运的是，当时更资深的人认为我至少有些潜力。所以我被哈佛聘用了。但真正让我对参加劳动研讨会产生兴趣，并让我接触到现代实证工作的，是乔希和那里的劳动经济学家拉里·卡茨。
方法论的交汇与影响
某中心科学博客：所以那时您第一次了解到卡德教授的工作。卡德教授，您是什么时候第一次了解到伊本斯教授的工作的？
卡德：他早期的一篇论文非常有趣。他试图将微观调查证据的数据与从总体中获得的基准数字结合起来。这实际上是某中心经常出现的一类问题，即我们有一些有噪声的估计，以及对某些其他总体的可靠估计，通常有方法可以尝试将它们结合起来。我看到后觉得非常有趣。
然后是乔希和吉多研究的最具影响力、并被诺贝尔奖委员会引用的那个问题。我曾在加拿大进行过一个关于福利分析的真正实验（相对于自然实验），旨在提供经济激励，促使单身母亲摆脱福利并投入工作。我们注意到，遵守或跟进实验的母亲群体规模合理，但不是100%。
我们对此进行了一些分析，试图描述其特征。大约在同一时间，我注意到了伊本斯和安格里斯特的论文，他们更好地形式化了这一点，并准确描述了这一群体的情况。这个框架迅速流行起来，几年内，每个人都在以这种方式思考问题。
今天早上，我还在和某中心的另一位同事讨论一个问题。这是一个差异分析。我说我们应该尝试描述这个差异干预中的“依从者”特征。这完全就是同一个问题。
诺贝尔委员会在宣布卡德、伊本斯和安格里斯特获奖的新闻稿中强调了他们对自然实验的运用，并将其定义为“在机会事件或政策变化导致不同人群受到不同对待的情况下，类似于医学临床试验的情形”。一个开创性的例子是卡德1993年与普林斯顿大学同事艾伦·克鲁格发表的论文，该论文比较了新泽西州-宾夕法尼亚州边境两侧两个人口统计学特征相似的社区的快餐店，其中一个社区最近提高了最低工资，而另一个则没有。
研究项目的选择与挑战
某中心科学博客：早期，人们对经济学的实证方法持怀疑态度。因此，每次选择新的研究项目时，你们不仅是在试图回答一个经济学问题；在某种意义上，也是在确立该方法的可信度。当时你们是如何选择问题的？是否认识到某种结构可能适合自然实验？
卡德：我认为自然实验这件事——老实说，它真正新颖的时期其实很短。大概从1989年到1992或93年。我做了一篇关于马列尔偷渡事件的论文，委员会引用了它。但老实说，那只是一篇很普通的论文。我从未在任何地方展示过它，而且发表在一个很普通的期刊上。所以我从未想过那篇论文会有什么影响力。
后来，人们越来越清楚地认识到，即使在自然实验的环境中，要宣称因果性，也需要在实验发生前拥有相当多的信息，以验证你所称的处理组和对照组是否确实行为一致。这是我和艾伦·克鲁格所做项目的一个弱点。
我们现在知道了。例如，在某中心，人们正在做这类干预分析。他们通常会进行所谓的“事前趋势”分析，确保处理组和对照组在事前趋势相同。
我认为经济学中有无数个问题已经悬而未决很久了。有时会有新的数据集出现。这在劳动经济学中经常发生：巨大的行政数据集变得越来越可用，越来越丰富，现在我们正在获得由科技公司创建的数据集。所以我通常的做法是，看到一个数据集，或许可以用来回答这个老问题。这更像是我的方法。
伊本斯：我的视角略有不同。我的大部分工作来自于倾听像大卫和乔希这样的人，看他们在研究什么问题，使用什么方法，并看看是否能添加一些东西——是否有改进方法的空间，或者在某些地方他们可能遇到了困难，但要从实际做实证工作的人那里听取意见，而不是从实质性问题开始。
这就是为什么我认为在某中心工作很棒。很多人有实质性的问题，他们试图用数据分析，但在某些地方遇到了困难，因此需要新的方法。这对我来说是一个非常有活力的环境，可以产生新的研究。
当前的方法论挑战
某中心科学博客：从方法论上讲，有哪些突出的问题让你们两位都感兴趣？
伊本斯：嗯，其中之一是复杂环境中的实验设计。目前我们使用的许多实验设计仍然直接来自生物医学领域。我们有一个群体，将其随机分为处理组和对照组，然后比较两组的结果。
但在某中心感兴趣的许多环境中，单元及其经验之间存在非常复杂的相互作用，处理这一点非常具有挑战性。在许多特殊情况下，我们大概知道该怎么做，但也有许多情况我们并不完全清楚，需要做更复杂的实验来获得我们感兴趣的问题的答案。
第二个问题是，我们做了很多实验，但这些实验通常规模相对较小。它们的持续时间短，相对于总体人口规模也小。这又回到了我们之前提到的那篇论文，将观察性研究数据与实验数据结合起来。这提出了许多有趣的方法论挑战，我最近花了很多时间思考这些问题。
某中心科学博客：我想知道，就像您早期那篇论文关注调查数据和总体数据一样，自然实验和经济田野实验是否也存在某种方式可以相互加强，或者提供比单独任何一种都能得到的更可靠的信号？
卡德：有件事人们会做；我自己也做过一些。这叫做元分析。这是一种技术，你取不同研究的结果，并尝试将它们放入一个统计模型中。在某种程度上，这类似于吉多在中心所做的工作，即取一系列实际实验、在Weblab中进行的A/B测试，基本上将它们结合起来，然后说：“好的，这些并不完全是相同的产品和相同的条件，但有足够的可比性，或许我可以建立一个模型，利用整个集合的信息来帮助理解我们从任何一个特定实验中学到的东西。”
在经济学研究中也可以这样做。例如，我做过一个关于培训计划的元分析。有很多这样的培训计划。正如吉多所说，每个计划通常都相当小。而且条件很奇怪：有时只有年轻男性或年轻女性参与实验，或者随访时间不长，有时劳动力市场非常强劲，有时又非常疲软。所以你可以尝试为任何给定研究的结果建立一个模型，然后尝试看看是否存在任何系统性的模式。
伊本斯：我们做了所有这些实验，但通常我们做一次，就把它们放在一边了。多年来，我们积累的所有这些实验中储存了大量信息，找到更多这类元分析的方法来结合它们，并利用我们收集到的所有信息——我认为这是一个非常有前途的方向。
实证方法与理论建模的互补
某中心科学博客：实证方法如何与理论方法——那种在某种意义上早期实证研究所反对的模型构建——互补？
卡德：通常，如果你在构建一个模型，会有几个关键参数，比如你需要得到一些弹性，例如客户在面临更高价格时，或在提供更快配送速度与较慢配送速度之间时会如何反应。如果你有这些弹性，你就可以开始构建模型。
即使是一个相当复杂的动态模型，通常也只有相对较少的参数，模型的价值在于利用这组参数，尝试讲述一个更丰富的故事——不仅仅是客户今天对更快配送速度的报价如何反应，还包括这如何影响他们未来的购买，以及他们是否会回来购买其他产品等等。但是，你需要这些弹性的可靠估计。建立一个模型然后凭空捏造数字是没有任何帮助的。这就是为什么A/B测试在中心如此重要。
亟待解决的经济学问题
某中心科学博客：我问了你们感兴趣的方法论问题，但从更广泛的角度看，有哪些经济学问题你们认为可以真正受益于实证方法？
卡德：在我的领域（劳动经济学），我们开始认识到不同的公司为同类工人设定了不同的工资。我们开始思考与之相关的两个问题。一是，工人如何在工作之间进行选择？他们知道所有的工作机会吗？还是只了解到部分？我们试图弄清楚为什么在劳动力市场中，特定类别工人存在多种工资是可以接受的。为什么不是所有工人都立即试图去获得某一工作？这似乎是一个非常普遍的现象。
另一方面，雇主如何看待这个问题？对雇主来说，支付较高或较低工资有什么好处？仅仅是招聘，还是保留率、生产力，或是长期目标？这是我在中心之外所做研究的核心问题。
某中心科学博客：我很好奇是否有这样的情况：一个问题出现了，起初您认为没有办法从实证上把握它，但后来发现其实有办法。
卡德：我看到一篇非常有趣的论文，是由一位访问我在伯克利中心访问的博士生完成的。在欧洲足球界，有很多非白人球员，而球迷的种族主义相当普遍。这个人注意到在疫情期间，很多比赛没有观众。因此，他能够比较非白人球员和白人球员在疫情前和疫情期间、在有观众和无观众情况下的表现，结果表明非白人球员表现稍好一些。这正是那种你会说“我们怎么研究这个？”的问题。但如果你留心观察，总有一些角度可能有用。
伊本斯：这是一个非常聪明的想法。我同意大卫的观点。只要你关注，就会发现很多发生的事情能让你回答重要问题。也许体育界球迷的侮辱本身不是什么大事，但显然，劳动力市场中的种族歧视以及人们受到不同对待是一个大问题。在这里，你可以非常清晰地把握到它的一个方面。一旦你证明那里存在问题，那么它在实质上可能重要得多、但确实很难研究的其他环境中也很可能出现。
荷兰长期以来对能进入医学院的学生数量有限制。这不是由医学院自己决定的；他们不能选择录取谁。部分是基于抽签。后来，有人利用这一点来计算进入医学院的机会到底值多少钱。本质上，你有两个人都符合进入医学院的条件；一个在抽签中幸运中签；另一个没有。事实证明，你给了中签者一大笔钱。显然，在许多职业中，我们不能随机分配人们去做不同类型的工作。但在这里，你可以把握到限制此类教育机会的价值。
卡德：我认为这真的很重要。我们是社会科学家，试图观察人们在做什么，他们面临什么问题，并试图分析它们。在某种程度上，这与那种旧式的亚当·斯密观点不同，即把经济视为一个完美运作的、我们只应欣赏的工具。我认为这是一种区别。
