跳轉到

2021 · 懸案：沒有隨機實驗時，如何證明「是政策造成的」？#

2021 諾貝爾經濟學獎（瑞典央行紀念獎）：大衛·愛德華·卡爾德 David Edward Card（加拿大／美國，1956– ）— 表彰他「對勞動經濟學的實證貢獻」；喬舒亞·大衛·安格里斯特 Joshua David Angrist（以色列／美國，1967– ）與吉多·威廉·赫爾梅斯·因本斯 Guido Wilhelmus Imbens（荷蘭／美國，1955– ）— 表彰他們「對因果關係分析方法論的貢獻」。

懸案（案情提要）#

2021 年的案子處理實證經濟學最核心的難題——因果推斷：

  1. 當政策不是隨機分配時，怎麼知道效果？ 觀察資料裡，處理組與對照組在政策前就不同（選擇偏誤）；
  2. 「準實驗」的證據力有多少？ 雙重差分、工具變數、斷點設計——它們各自的假設是什麼？假設被違反時怎麼知道？
  3. 勞動經濟學的核心爭論：最低工資提高會不會減少就業？移民會不會「吃掉」_native 的工作？
  4. 異質性：同一政策的平均效果，可能掩蓋了對不同群體的巨大差異（誰受益、誰受害）。

卡爾德的答案是自然實驗的紀律；安格里斯特與因本斯的答案是方法論的系統化——他們把「假設—推論—局限」寫成可被審查的文本。

前因#

年份 事件
1980s Card 進入普林斯顿（Ashenfelter 的指導）
1988 Card 的〈自然實驗的最低工資研究〉——1984 年聖地牙哥最低工資的一時效性變動提供了「準實驗」
1990 Card & Krueger《Minimum Wages and Employment》（美國 NJ 與 PA 的餐飲業）：差異的差異（DiD）的經典
1994 Card 的〈 immigrants and the minimum wage〉
1995 Card 的《_selection bias in labor market studies》
2000 Card 的《北愛爾蘭移民與勞動市場》（對「移民搶工作」論的自然實驗反駁）
2004 Card 的「處理效應異質性」的文獻
2007 Card 的反對「同工同酬要求的歧視證據」爭議（《新經濟學家》），引發長期的政治風波
1990s Angrist 在普林斯顿（Ashenfelter 指導），Imbens 在史丹佛
1995 Imbens & Angrist〈Identification and Estimation of Local Average Treatment Effects〉：LATE 定理
1999 Angrist & Imbens 的《Identification and Estimation of Causal Effects of Interventions on a Treated Population》
2001 Angrist 的《Necessary but Not Sufficient: The Limitations of Natural Experiments in Policy Evaluation》
2009 Angrist & Pischke《Mostly Harmless Econometrics》
2010 Angrist、Imbens、Pischke 的《Mastering Metrics》
2016 Angrist & Imbens 的《Identification and Estimation of Causal Effects of Interventions on a Treated Population》（修訂版）
2021 得獎；委員會同時表彰「實證貢獻」（Card）與「方法論貢獻」（Angrist、Imbens）——這在諾貝爾獎史上是首次以「方法 vs 應用」的方式切分獎項

調查#

線索一：卡爾德——自然實驗的四類證據#

卡爾德的核心方法論：尋找「政策由外生規則決定」的場合，而非依賴主觀的經濟理論。他的分類：

類型 例子 識別假設
歷史事件＋時間差異 最低工資的時效性變動、戰時配給 趨勢外生
地區差異＋時間差異（DiD） 兩州政策不同時點 平行趨勢
行政邊界（border design） 移民政策、州際邊界的稅制 邊界不影響流動方向
隨機化（制度性） H-1B 簽證的抽籤（1994 年之後）、駕照的年齡限制 隨機化有效

卡爾德的最低工資研究（1988–1990）：新澤西 1980–81 最低工資由 3.35 升到 3.80（低於聯邦），而賓州維持聯邦水準。DiD 設計：

\[ \hat{\beta} = \left( \Delta Y_{NJ} - \Delta Y_{PA} \right) \]

結果：最低工資提高沒有造成就業減少（在受影響的產業中甚至微幅增加），與傳統理論的預測相反——這顛覆了 1990–2010 年代美國經濟學界的主流共識（Neumark–Wascher 的「Jobs Kill」研究也支持這一支）。

Card 的移民研究（1990，1994）：利用美國—加拿大邊界的「準隨機」地理與政策差異，發現：

\[ \text{移民流入} \;\Rightarrow\; \text{本地 native 的工資幾乎不變、就業幾乎不變} \]

這直接反駁了「移民搶走美國人工作」的論斷——也讓卡爾德成為 2013–2016 年美國移民政策辯論中的核心人物。

線索二：安格里斯特與因本斯——LATE 定理#

1995 年的 LATE 定理是全案最重要的技術artifact。設定：

  • 工具變數 \(Z\) 影響處理 \(D\)，但只透過 \(D\) 影響結果 \(Y\)（排除性限制）；
  • 獨立性：\(Z\) 與 \((Y(0), Y(1))\) 獨立；
  • 單調性（monotonicity）：\(Z\) 從不使原本會接受處理的人改變接受（無「defiers」）。

則比率估計量（ Wald 估計量）收斂到：

\[ \hat{\tau}_{\text{Wald}} \xrightarrow{a.s.} \text{LATE} = E[Y(1) - Y(0) \mid D(1) = D(0) = 1] \]

即「順從者（compliers）」的平均處理效應。

LATE 的深遠含義：當處理效應異質時，沒有一個「平均處理效應」是可以被識別的——我們只能識別「受工具變數影響的那部分人」的效果：

\[ \text{ATE} = \pi_C \cdot \text{LATE}_C + \pi_A \cdot \text{LATE}_A + \pi_D \cdot \text{LATE}_D \]

其中 \(\pi_C\) 是順從者比例（可由工具變數的第一階段估計），\(\pi_A\) 是「永遠接受者」、\(\pi_D\) 是「拒絕者」。工具變數估計的是「局部」效果，其外推需要假設 \(\pi_C\) 與各組的 LATE 相近——這是 2021 年得獎演說的主軸。

線索三：安格里斯特的「必要但不充分」——自然實驗的清單#

2001 年的這篇論文是實證經濟學方法的「讀者須知」，它為自然實驗提出七個必備條件（部分借用 Shiller 的「自然實驗十誡」）：

  1. 趨勢外生性（未受處理影響）；
  2. 沒有系統性挑選（無 selection on unobservables into treatment）；
  3. 沒有溢出效應（no spillovers）；
  4. 沒有預期反應（anticipatory behavior）；
  5. 沒有一般的均衡效應（no general equilibrium effects）；
  6. 有明確的反事實定義；
  7. 沒有測量誤差的系統性來源。

最關鍵的直覺（Angrist–Pischke 的說法）：

當研究者選擇「令人信服的制度細節」時，多半是因為那些細節與結果無關——而如果制度細節與結果無關，它也無法用來識別因果。

這句話是對「自然實驗」的溫和但深刻的批評：研究者往往無法說清「為何這個工具變數有效」，因此推論的穩健性必須靠多個識別策略的三角驗證（triangulation）與安慰劑檢定（placebo tests）來建立。

線索四：因本斯的「設計的實驗」與「因果圖」#

因本斯（與 Rubin）的另一項貢獻是因果圖（Causal Diagrams）與潛在結果框架的系統化，以及「設計的實驗」（designed experiments）與「觀察性研究」的界線：

  • 隨機化實驗：內生性被設計消除，但有外部有效性問題；
  • 觀察性研究：需要可檢驗的假設（exchangeability / ignorability），而這類假設在本質上不可檢驗，只能被論證與敏感性分析支持：
\[ Y_i(d) = Y_i(1) \cdot D_i + Y_i(0) \cdot (1 - D_i) \]
\[Y(1) \perp D \mid X \quad (\text{可忽略性 / exchangeability})\]

因本斯的方法論核心命題：因果推斷不是「找到正確的模型」，而是「明確交代推論所依賴的假設，並展示結論在這些假設下的穩健性」。

線索五：2021 年的分工——「實證貢獻」與「方法論貢獻」#

委員會的措辭刻意分成兩半：

  • Card：以自然實驗重新檢驗勞動經濟學的核心命題（最低工資的就業效果、移民對本地工人的影響），並改變了政策討論的基礎；
  • Angrist 與 Imbens：方法論的系統化——LATE 定理、自然實驗的必備條件、因果圖、以及把「識別」提升為經濟學的核心概念。

這在諾貝爾獎史上是第一次明確區分「用方法改變世界」與「把方法本身做嚴謹」。

理論裁決#

裁決一：因果效應的識別必須交代其假設；在處理效應異質時，只有「受工具變數影響者」的平均效應可被識別：

\[ \hat{\tau}_{\text{Wald}} \to \text{LATE} = E[Y(1)-Y(0) \mid D(1) = D(0) = 1] \]

裁決二：自然實驗的力量與弱點都被系統化：它能提供外生變異，但必須滿足「必要但不充分」的七項條件；研究者無法觀察到自己的識別假設是否成立，因此必須靠多策略三角驗證、安慰劑檢定與敏感性分析來建立可信度。

裁決三：隨機化不是萬靈丹：它解決內生性，但外部有效性（scaling、general equilibrium、implementation）成為新的難題——這正是 2019 年 Banerjee–Duflo–Kremer 案的焦點。

裁決四：設計的實驗與觀察研究的界線必須被明確標示：隨機實驗推論的是「樣本中的平均效應」，觀察研究推論的是「在可忽略性假設下的效應」；兩者不可混用。

裁決五（實證倫理）：因果推斷的報告標準應包括——估計量、假設、標準誤、識別策略的細節、以及在替代假設下的敏感性；任何宣稱「政策有效」的結論，若未交代這些，就不具備政策可信度。

後果#

領域 影響
政策應用 最低工資（美國多州的最低工資提高未造成顯著的就業損失）、移民政策、罪犯的「工作證」制度（Baltimore 的破除逮捕令計畫）、911 後的航空安全規則、工資補貼
學術 「識別」成為實證經濟學的第一主題；Angrist–Pischke 的教科書成為全世界實證工作者的聖經；LATE 與異質處理效應成為預設語言
公共論述 「自然實驗」的證據被用於政策辯論（Card 的移民研究被反移民者攻擊、Angrist 與 Pischke 的最低工資研究成為工會的武器）；2010s 的「實證政治」
爭議 學術界內部的「方法論聖戰」（2019–2021 年的 replication crisis 與 Angrist、Imbens、Imai、Keele 的辯論；Card 與 Kish 的統計之爭）；Card 的性別歧視研究引發的政治風波（2016 年遭白宮經濟顧問委員會撤稿）
跨獎 1989 Haavelmo（抽樣理論）、2000 Heckman–McFadden（選擇偏誤）、2019 RCT 三人組（隨機化與外部有效性）、2015 Deaton（面板與結構問題）

關聯#