實驗主義的計量經濟學 | 《基本有用的計量經濟學》導讀

實驗主義的計量經濟學 | 《基本有用的計量經濟學》導讀

來自專欄 計量模型與這個世界

一直以來，我對計量的認識是「描述歷史」的語言，屬於描述性研究的範疇。一個式子通常有清晰的角度、嚴謹地表達，信息量也通常比圖文高效，因此計量經濟學在描述性研究當中有自身獨特的優勢。所有描述性研究可能存在的缺點，計量經濟學都很難避免。因此，我對計量經濟學的各種缺陷的態度是十分寬容的。

不過，一部分計量學者試圖把計量經濟學從「描述分析」搞成「因果分析」，越來越多的實驗主義教材變得流行，這總是好事。因此，我讀了教材《基本有用的計量經濟學》，本期內容為原書第二章的讀書筆記。教材對中國的計量教育無疑是有功勞的，給人啟發，但也，遠不是金科玉律。（我想原書作者趙先生應該不會反對。例如第24頁「潛在結果的三個基本條件….」句子里，潛在結果四個字怕就是筆誤。）

實驗主義的觀點和基本方法論，在學者中的影響越來越廣泛，也伴隨著巨大的爭議。對實驗主義的批判，足以寫另一篇長文。不喜歡的工具，不用就好，不喜勿噴。

---

從一個經濟學例子開始。

分稅制是眾多經濟問題的重要原因，無論是昨天的土地財政還是明天的房產稅，都跟分稅制有複雜且顯然的某種因果關係。但是，如果細緻地考察裡面的因果關係，分稅制並不會必然導致房產稅，沒有分稅制未必就不會發生土地財政。分稅制確實作為一個原因存在，但是這個原因既不充分，也不必要。這讓我產生疑惑，經濟中的因果關係，究竟是什麼？

經濟生活當中存在大量的數據指標。實驗主義試圖在紛繁的數據當中發現較為嚴格的因果關係。他們關心因果關係，研究政策評價，聲稱可以篤定地解釋「某個行為帶來了什麼樣的後果」，」某個後果是基於什麼樣的原因「，並預言這樣的因果發現對未來的經濟管理決策有指導和啟發的意義。如果說A是B的原因，是不是說沒有A就不會有B呢？令學者困擾的是，我們並沒有觀測到沒有A的情形，因此我們所說的因果關係並不會理直氣壯。

因果推斷有一個基本問題，那就是，我們無法同時觀測到個體的所有潛在結果的現象。我們並不知道，如果分稅制制度沒有發生，後續的地方財政會是什麼樣的狀態。觀測值是我們知道的全部，因為沒有對比實驗，我們得到的因果關係可能不可靠。既然如此，觀測值並不能為我們識別因果帶來幫助，實驗主義決定，放棄對觀測值的依賴，只研究潛在結果。

---

實驗主義認為，如果對i 個體做干預，我們會觀測到潛在結果 ，如果不干預，相應地觀測到潛在結果 。我們只能觀測到其中一個，但我們可以用統計學的方法來估計另一個。也就是說，我們不計較最終觀測到了什麼 ，我們更在意潛在結果集合{ , }，在意介入干預這件事，對比不介入，究竟對應什麼樣的潛在結果集合{ , }.

潛在結果裡面通常不涉及概率。如果泛泛而談，我們可以說在名校讀書可以提高獲得高薪工作的概率。但具體到某一個同學，比如張三，如果他在去了名校讀書，我們可以在他畢業若干年內觀測到他有沒有獲得高薪工作；如果他沒去名校讀書，我們也可以在他畢業若干年內觀測到他有沒有取得高薪工作這件事。儘管兩個結果的取得，都有一定的偶然因素；但對張三來說，結果是有還是沒有，是百分百的事情。

經過了對潛在結果的定義，因果性研究變得容易。我們可以篤定地說，因為A所以B了。下面對因果關係做簡要的梳理。

---

在嚴格的「相關係數」被定義之後，人們普遍接受，相關性不是因果性。知乎有一位高中二年級的用戶，對因果關係做了詳細的總結：【綜述長文】因果關係是什麼？結構因果模型入門

我在這裡選幾個節選，並略摻私貨作為補充：

傳統計量因果基本上討論的是相關關係。

不相關事件定義為A.

A若成立則B 幾不會發生—>若B發生則推斷A不成立。

【沒有直接討論B發生時A成立的概率，這個概率通常不容易求，這是一個重要的缺點，招致大量的批評：對P值的批評|Enough，就這幾個理由顛來倒去】

樸素的反事實因果：有A則有B，無A則無B

格蘭傑因果：如果觀測到A在前面發生，那麼接下來觀測到B的概率將較高。

貝葉斯因果：通常也是基於觀測值。條件概率較無條件概率有變化，則有因果關係。

實驗主義的因果定義：因為A發生而不是沒發生， 結果導致了事件 (兩個結果相減)

這確實是我們希望研究的一種因果關係。面對選擇要不要做A的時候，這樣的因果關係可以幫助我們預見到，做了會怎麼樣，不做會怎樣，以此幫助我們決策。我們甚至不關心觀測到什麼，那是另一回事。潛在結果的比較之差本身，就是干預帶來的結果。背後的科學思想，大概有對照實驗_百度百科作為基礎。

這兩個結果，有一個最終發生了，並被觀測到；另一個沒有發生，所以需要我們去估計。估計這種「反事實的結果」，就是實驗主義研究當中的重要工作。

---

下面是一個斷點回歸的例子：

黃埔軍校為中國的近現代歷史培養了大量的軍事將領，然而，黃埔軍校所提供的教育，是不是士官卓越軍事才能的原因呢？

這裡有一個問題，我們只能觀測到，那些這些讀過黃埔軍校的人所表現出來的才能 ；但我們沒辦法觀測到，如果這些人沒有考上（對照實驗/或者叫控制實驗），同一個人在社會上磨練到相同的年齡，會表現出怎麼樣的軍事才能 。第二種潛在結果並沒有發生，需要特別估計。為什麼有人被分配到被黃埔軍校影響，有人被分配到不受影響？既然觀測到的都是優秀的人，沒被觀測到的都是不夠優秀的人，這裡的分配原則是不夠隨機的。觀測值不能直接拿來估計潛在結果。

倘若有足夠多的數據，哪些人考上了（與上學的人擁有相似的初始才能）但是沒去上學。這些人可以幫助我們估計 不幸的是，但這類數據通常太少。

我們還有另一個辦法，去尋找那些差一點考上的人和剛剛好考上的人，考慮到微弱的差距充滿了隨機性，不妨把兩類人當成具有相似的初始才能，然後用差一點就能考上的人，去估計那些剛剛好能考上的人的 . 這裡有一點需要補充，沒考上的人所表現出來的才幹，並不能被拿來估計那些取得高分而錄取的那些將領的 .大家的初始才能是不同的。

上面的例子當中，我們找了一個斷點，然後在斷點附近設計了實驗。為了更好地描述因果效應，下面定義幾個因果效應參數:

平均因果效應：

例：一個軍官上黃埔軍校帶來的影響

干預組的平均因果效應：

僅計算受過干預的樣本（他們的 是猜出來的），得到

例：那些上黃埔軍校的人，上黃埔軍校帶給他們的影響。

控制組的平均因果效應：

僅計算未受干預的樣本（他們的 是猜出來的），得到

例：那些沒上黃埔軍校的人，如果當初上黃埔軍校，將會帶給他們什麼影響。

實證研究的內容，就是對上述參數的估計。

如果一個對象，被分配到干預組或者控制組（或稱對照組）的這種分配是具有一定隨機性的，這種分配如果沒有選擇偏差，則可以用回歸方法得到相關因果效應參數的估計。

例如，如果無論是否干預，所有樣本的潛在 是相同的，那麼可以用控制組的觀測結果替代干預組的 ，回歸分析的結果等價於對干預組的平均因果效應的考察。反過來同樣成立，如果無論是否干預，所有樣本的潛在 是相同的，那麼可以用干預組的觀測結果替代對照組的 ，回歸分析的結果等價於對控制組組的平均因果效應的考察。

---

導讀到此結束，實驗主義的研究觀念大抵如此，但有豐富的細節，並不是一篇導讀能概況的。

不知道這樣的因果研究，各位讀者滿意么？

推薦閱讀：