在中國人的傳統觀念中，世間萬物，有因才有果，有果必有因。可是，人類經濟活動如此復雜，我們真的有能力把握其中的因果關系嗎？

2021年諾貝爾經濟學獎頒給了“用因果推斷的方法在經濟學領域中的實證研究”：美國加州大學伯克利分校經濟學教授戴維·卡德（David Card）因其對勞動經濟學的實證貢獻獲得了一半的獎項，美國麻省理工學院福特經濟學教授喬舒亞·安格里斯特（Joshua D. Angrist）和美國斯坦福大學經濟學教授吉多·因本斯（Guido W. Imbens）因他們對于因果關系分析的方法論的貢獻而分享了另外一半的獎項。卡德的研究領域主要在勞動經濟學，但他用的方法主要是因果推斷（雙重差分）；而安格里斯特和因本斯的獲獎理由主要是因果推斷。

因果關系——看上去如此天經地義的問題值得一個諾貝爾獎？究竟什么是計量經濟學中的因果推斷？此次獲得諾獎的三位經濟學家在因果推斷領域作出了哪些貢獻？又對現實社會有著怎樣的意義？澎湃新聞對浙江工商大學經濟學教授李井奎進行了專訪。

李井奎

李井奎是安格里斯特的著作《基本無害的計量經濟學——實證研究者指南》的譯者之一，他還自己創作了經濟學科普著作、因果推斷研究入門讀物《大偵探經濟學——現代經濟學中因果推斷革命》。

李井奎認為，近30年來，伴隨著數據可得性的改善和計量經濟學的發展，現代經濟學爆發了一場因果推斷革命。這場因果推斷革命，使得經濟學家的工作變得越來越有趣，經濟學家也越來越像偵探——從紛繁復雜的世事以及各色各樣的數據中，使用因果推斷的計量工具，探尋一個又一個積年“懸案”背后的真相，解開了一個又一個歷史、社會和經濟的謎團。

《大偵探經濟學——現代經濟學中因果推斷革命》

揭開因果關系的神秘面紗

澎湃新聞：你是從什么時候開始了解經濟學中的因果推斷問題的？

李井奎：我第一次接觸“因果推斷”，就是因為安格里斯特（Angrist）與皮什克合著的那本《基本無害的計量經濟學》（Mostly Harmless Econometrics: An Empiricist's Companion）。2009年，我那時還在讀博士，這本書的第一譯者郎金煥博士在網上看到了這本書的電子版初稿，我們當時讀了之后很是感到震撼。尤其是這本書前兩章討論的“反事實結果”（counterfactual outcome）框架，我們理解起來很感吃力。那時候我已經是博士三年級了，算得上是一個很好學的人。這樣一本計量經濟學的教科書看不懂，反而激起了我的求知欲。

澎湃新聞：當時最讓你覺得難以理解的地方在哪里？

李井奎：過去我們對因果關系的理解，總是認為有因有果，無論執果求因有多么困難，總是以為果與因都是清楚明白地可以被觀察到的。我們想不到的是，因果關系其實并不能這樣定義，要真正定義因果關系，必需借助于“反事實結果”，而之所以稱為“反事實”指的是沒有在事實上發生過。過去，我們考察因果關系，是借助于理論模型，“因”是外部環境參數，“果”則是模型的結論，也就是說，如果外部參數發生變化，那么模型結論就發生變化。“反事實結果”又稱為“潛在結果”，它不是真實發生的。

借用19世紀英國哲學家約翰·斯圖亞特·穆勒（John Stuart Mill）在邏輯學名著《邏輯體系》中曾經探討的對因果關系說法就是：如果A吃了某道菜之后死了，那么，只有當A同時又沒有吃這道菜之后還活著，這兩種狀態都為我們所觀察到時，我們才能說，這道菜是A死去的原因。也就是說，只有當我們觀察到A吃了某道菜死了，A沒有吃這道菜時的生死情況是反事實結果，或者說潛在結果。

這就跟我們過去對因果關系的理論思考完全不一致。在認識因果關系上，最開始人們是很難接受這樣的觀念的。20世紀的英國哲學家羅素甚至將因果關系視為一種迷信。而同一時期得到發展的統計學，更是認為“相關不是因果”，恪守著因果關系是無法通過統計學加以研究的戒條。

澎湃新聞：你剛才提到了“反事實結果”框架是解決因果推斷難題的關鍵。你能給我們詳細介紹“反事實結果”究竟是怎么回事嗎？

李井奎：這一框架可以追溯到統計學家魯賓(Donald B. Rubin)提出的基于處理效應（Treatment Effect）的因果推斷理論。關于因果關系的思想在上個世紀二、三十年代就已經開始有了一些突破，但統計學界長時間以來不接受因果推斷，他們認為因果推斷不可能被研究。直到上個世紀70年代哈佛大學的統計學教授魯賓提出基于“處理效應”的因果推斷理論，也就是后來在經濟學界廣泛應用的“反事實結果”框架，才逐漸為人們所接受。在我的《大偵探經濟學》一書的序章里，對“反事實框架”有詳細的介紹。差不多與魯賓教授同時，人工智能領域的權威專家朱迪亞·珀爾提出了因果關系的演算法——因果圖（causual diagrams）框架。（編者注：朱迪亞·珀尓(Judea Pearl)，現加州大學洛杉磯分校計算機科學教授，“貝葉斯網絡”之父，2011年因創立因果推理演算法獲得圖靈獎。）

澎湃新聞：Angrist和Imbens今年會獲獎，正是因為將經濟學中常用的工具變量(IV)框架和統計學中常用于因果推理的“反事實結果”（counterfactual outcome）框架相結合，提出了“局部平均干預效應”。他們的這一發現對經濟學界的貢獻是什么？

李井奎：魯賓的因果推斷框架提出之后，引起了很多學科的重視，經濟學顯然是受到其影響最深的領域之一。但這個思想一開始并沒有進入到經濟學界，直到上個世紀90年代才開始有學者使用這個方法。其中David Card教授、Angrist教授就是其中的先鋒，值得特別提到的是已經去世的艾倫·克魯格教授，他在這個領域也非常杰出。

可以說，經濟學中的因果推斷理論在過去幾十年受勞動經濟學的學者影響最大，此次獲獎的David Card和Angrist是其中的杰出代表。因為在勞動經濟學里有很多需要精確性進行解答的問題。例如，上大學到底能不能帶來收入的增加？數據表明，上了大學的人肯定比沒上大學的人畢業若干年之后平均收入更高。但上了大學的這部分群體所取得的收益，很可能并不僅是源于大學教育本身帶來的收益，還混雜了個人能力、家庭背景、社會關系等等其他因素。這些因素使得評估的結果不準確，這就不能把使用回歸估計出來的上大學與否這個變量的系數看成是因果效應了。

計量經濟學將客觀經濟活動中的變量分為相關關系（隨機關系）和因果關系。相關關系是指兩個以上的變量的樣本觀測值序列之間表現出來的隨機數學關系。因果關系是指兩個或兩個以上變量在行為機制上的依賴性，作為結果的變量是由作為原因的變量所決定的，原因變量的變化引起結果變量的變化。具有因果關系的變量之間一定具有統計上的相關關系，而具有相關關系的變量之間并不一定具有因果關系。

經濟學中因果推斷有五種方法：隨機試驗方法、回歸方法（傾向得分匹配方法）、雙重差分方法、斷點回歸方法以及工具變量（IV）方法。因果關系研究是可以在隨機控制實驗中得到完全展示的，但是隨機控制實驗是人為地設計實驗，可是很多的社會生活當中的問題都不可能使用隨機控制實驗來研究。我們一般只能拿到觀測性的數據，這種數據的產生不是根據研究者的意愿搜集得到的，比如我們的GDP數據、家庭住戶調查數據等等都是觀測性數據。

在“反事實結果”框架中，可將“干預”之后的實際狀態與沒有進行“干預”的“反事實”狀態之間的區別定義為這項“干預”的因果效應。從事因果推斷的經濟學家給出的方案是，如果從觀測性數據中尋找到一種自然實驗的情境，在控制一些因素后，讓是否接受“干預”完全隨機，就可以通過比較“干預組”的平均表現和“對照組”的平均表現來獲得因果效應。

通過這個方法，再去觀察上大學的那個群體和沒有上大學的群體，對比他們的平均結果，就可以得出因果關系，又稱為平均干預效應。

經濟學的經驗研究轉向

澎湃新聞：諾貝爾經濟學獎近三年里有兩次都頒給了實證研究，這對中國有什么啟示？

李井奎：諾獎基本上是獎勵理論和方法，其實這兩次都是獎給方法的，包括2019年的獎項也是表彰他們在經濟學方法上的貢獻。這說明經濟學正從傳統的注重理論與數理模型轉到注重實證和經驗研究。當然這并不是說理論和模型不再重要，事實上它們依然非常重要，只是說經驗研究的比重增加了。這次David Card教授獲獎就非常明顯，他是完全做經驗研究的。

傳統的經濟學重模型、重理論，比如，他們認為像最低工資法就是會造成失業，這個結論有理論基礎，幾乎認為是不可懷疑的信條，所以當card教授得到相反的結論時就很受質疑。直到現在，理論派和經驗派之間的斗爭仍然很激烈。David Card關于最低工資的文章是雙重差分這種因果推斷方法的應用典范，但后來有批評指出他們在數據收集方面存在一些問題，David Card自己后來也做了相應的修正。可是自然實驗的問題正在于，這些數據只能發生一次，不可能再收集。一旦發生過就不能重復，只能等到下一次再有這樣的機會。

經濟學研究中的經驗派與理論派經常展開論戰。David Card和Angrist的許多文章使用的是所謂的簡約式方法（reduced-formal approach），但計量經濟學中還發展出了一派叫“結構計量”方法的，先有模型，然后用數據去擬合模型當中的參數，再來做因果推斷，這個推斷就有了理論模型作為基礎。這次獲獎的Imbens實際上也做過許多結構計量的研究，他與魯賓有很多合作，二人還合作寫過書。

總體而言，這次諾獎表彰的都是他們30年前的成果——通過自然實驗來解答社會的核心問題，如最低工資、教育如何影響收入等。不過，西方的學者都不會固守在一個“陣地”上，這幾位學者也都還在不斷地做新的東西。

澎湃新聞：為什么諾獎今天賦予了自然實驗如此大的時代意義？

李井奎：在當今的時代，數據的可得性增強了很多，此外還有計算機處理數據能力的大大提高，這在上個世紀80年代是不可以想象的。但在經濟思想上，這些研究未必就更深刻。

一場認知的革命

澎湃新聞：你將因果推斷研究稱為經濟學領域的一場革命，為什么這么說？

李井奎：這是一場認知上的革命。過去我們以為可能回答不了一些問題的因果關系，但這幾十年的進展告訴我們，還是有一些方法可以去推動對這些問題的解答的。從這個意義上講，這是認知層面的一個進步。此外，因果識別方法如今已經基本上進入經濟學研究的主流，也進入到了教科書中，這增加和擴充了我們的知識，在這個層面上，當然是意義很重大的。

我認為所有的學科都是在尋找真相，每一個學科都為真相建立了一套邏輯，經濟學也可以使用數據和更精密的方法，提高經濟邏輯接近真相的概率。我寫《大偵探經濟學》這本書，盡管是以因果推斷為主線、系統地介紹了因果推斷的方法，但我同時也通過10個主題大量地還原了歷史、制度和社會環境的細節，從這些方面去討論重要的社會問題。我希望通過經濟學研究的因果推斷去揭示真相之后，能夠提供一種如何看待真相并對真相本身進行反思的路徑，對宏觀的社會經濟問題提供更縱深的理解和更精確的回答，并最終提高我們對經濟邏輯的信心。

澎湃新聞：因此在這個層面上，你眼中的經濟學的因果推斷很像偵探在做推理？

李井奎：取這個書名的直接原因是我女兒很喜歡一些偵探故事。我去年在哈佛訪學期間著手寫這本書，我記得是去年的5月6號，哈佛經濟系的梅里莎·戴爾教授獲得了去年的約翰·貝茨·克拉克獎，我偶然看到她的關于墨西哥毒品戰爭的文章。讀這篇文章時，突然想到這真像一個探案的故事——經濟學家，尤其是實證學者，他們的工作就像是在探案，搜集各種各樣的證據，然后用精細的方法告訴你真相，并且讓我們相信這就是真相。

就像福爾摩斯作為偵探需要有很多知識儲備一樣，一個優秀的做經驗研究的經濟學家也要有相關的知識儲備：首先要懂因果推斷的基本方法，其次需要“上天入地”尋找數據，第三要去思考其中內在的邏輯和作用機理，排除掉其他的邏輯。

我去年在哈佛大學上計量經濟學課，有一次的課后閱讀作業是讓我們閱讀David Card教授為哈佛大學打官司所做的證詞。哈佛大學被亞裔學生控告存在入學錄取歧視，哈佛就請了David Card來做調查。那份證詞大概有七八百頁，但是他最后的結論是：既沒有證據證明存在歧視，現有證據也不能證明不存在歧視。

這個例子就說明，因果關系研究并不是絕對的，并不是任何問題都可以使用到因果關系，因為真正的自然實驗并不是那么容易尋找到。

澎湃新聞：有評論認為，因為中國經常通過試點的方式來進行經濟改革，我們做自然實驗的環境很優越。

李井奎：這一點未必。美國有50個州，某些州執行了某項政策或新的法案，有些則沒有，那么就可以有很多的比較。我們中國當然也會發生大量的自然實驗，但是政策試點的問題在于，有一些地區之所以被選中做試點，可能是被有意識的選擇的，這就會使它們與那些沒有被做試點的地區相比存在特殊性，從而可能有一些遺漏的變量。理想的自然實驗是通過擲骰子來選擇哪個地區該試點。

澎湃新聞：中國經濟學界對因果推斷的研究處于什么樣的階段？

李井奎：我們進展非常快，尤其是2013年-2014年之后。因為大量的數據是在那個時候才有的。我們在2009年剛接觸《基本無害的經濟學》這本書時，還做不了這方面的研究，因為拿不到數據。后來北大國家發展研究院、人大和復旦大學等都建設了自己的數據庫，我們中國的學者當前在這個領域做得非常好，絲毫不遜色于英美。