2021诺贝尔经济学奖揭晓:授予三位经济学家,利用自然实验分析劳动力市场

许超、叶桢
他们因通过自然实验方法在劳动经济学方面的研究,以及在因果关系方法论方面的贡献而获奖。

瑞典皇家科学院当地时间10月11日宣布,将2021年诺贝尔经济学奖授予David Card,另一半联合授予Joshua D. Angrist和Guido W. Imbens。他们因通过自然实验方法在劳动经济学方面的研究以及在因果关系方法论方面的贡献而获奖。

David Card,1956年生于加拿大圭尔夫,现为加州大学伯克利分校经济学教授,美国与加拿大双重国籍。Joshua D. Angrist,1960年出生于美国俄亥俄州哥伦布市,现为麻省理工学院经济学教授。Guido W. Imbens,1963年出生于荷兰埃因霍温,现为斯坦福大学应用计量经济学与经济学教授,美国与荷兰双重国籍。

据介绍,自然实验指一种受试个体(群体)被自然地或被其他非观察者控制因素暴露在试验或控制条件下的一种试验研究方法。与随机试验不同,其控制方式并非由实验者选择,所以其本质上是一种观察实验。

对于三位学者的获奖原因,瑞典皇家科学院在颁奖词中写道:

三位诺贝尔奖得主在20世纪90年代初的贡献表明,利用自然实验可以回答有关因果关系的重要问题。

他们的贡献相互补充和加强:Angrist和Imbens对自然实验的方法论见解,以及Card对这一方法在重要问题上的应用,为其他研究人员开辟了道路。

我们现在有了一个连贯的框架,这意味着我们知道应该如何解释这类研究的结果。获奖者的工作彻底改变了社会科学的实证研究,显著提高了研究界回答对我们所有人都非常重要的问题的能力。

“提高最低工资的负面影响很小”

加拿大经济学家David E.Card与美国经济学家Alan B.Krueger(2019年去世)由于在劳动力市场方面做出具有政策导向性的实证研究,已于2006年荣获伊萨劳动经济学奖。

两位学者的研究集中在最低工资政策、教育投入的回报、移民问题等方面,通过运用双重差分模型、自然实验研究以及元分析等方法质疑了传统经济学的固有结论。

在最低工资方面,上世纪90年代初的传统经济学观点是,提高最低工资会导致就业减少,因为这会增加企业的工资成本。

但支持这一结论的证据并不完全令人信服:确实有许多研究表明最低工资和就业之间存在负相关关系,但这真的意味着更高的最低工资会导致更高的失业率吗?

为了调查提高最低工资如何影响就业,David Card和Alan Krueger仔细研究了新泽西州和宾夕法尼亚州东部的就业市场(最低工资上涨)。

相关研究显示,提高最低工资的负面影响较30年前所认为的要小得多。这项开创性的研究导致了大量的后续研究。

对于Card研究结论,后续研究认为可能的解释是,企业可以在需求没有显著下降的情况下,以更高的价格将增加的成本转嫁给消费者。另一种解释认为,主导当地劳动力市场的公司可以保持低工资;提高最低工资意味着更多的人想要工作,从而增加了就业。

“教育背景影响就业”

David Card的另一大研究贡献则是在移民和教育领域。

通过研究上个世纪80年代的迈阿密劳动市场(短期内大量古巴移民涌入),Card发现:尽管劳动力供应大幅增加,受教育程度低的迈阿密当地居民并没有受到负面影响。

后续研究表明,增加移民对许多在美国出生的群体的收入产生积极影响,而较早移民的人则受到负面影响。对此的一种解释是,当地人转向需要良好母语技能的工作,这使得他们不必与移民竞争工作。

David Card在教育回报领域的研究再次质疑了之前的经济学观点:学校资源对于学生教育回报很重要,教育回报随着教师密度的增加而增加(传统观点认为学校资源与教育回报相关性较弱)。

现在有强有力的实证已经表明,教育投资会影响学生以后在劳动力市场上的成功;对于来自弱势教育背景的学生来说,这种影响尤其明显。

“因果关系研究的新框架”

在因果关系方面,现实情况下干预的效果——例如,额外的教育对收入的影响——因人而异。同时自然实验对个体的影响是不同的。这使得相关研究者很难探究具体的因果关系。

Joshua Angrist和Guido Imbens在20世纪90年代中期的一项有影响力的研究中解决了这个问题。更具体地说,他们问了以下问题:在什么情况下可以使用自然实验来估计特定干预的效果,当效果在个体之间不同,研究者不能完全控制谁参与时,如何估计这种影响,以及如何解释这种影响?

Joshua Angrist和Guido Imbens研究证明,通过应用两步过程(工具变量法)来估计程序的效果是可能的:第一步调查自然实验如何影响参与项目的概率;第二步在评估实际方案的效果时考虑这个概率。这使得即使没有关于谁真正受到自然实验影响的信息,研究人员也可以估计这个项目的影响。

相关研究的一个重要的结论是,只有在那些因自然实验而改变行为的人群中,才有可能估计其影响。

由Angrist和Imbens开发的框架已经被研究观察数据的研究人员广泛采用。通过阐明建立因果关系所必需的假设,他们的框架也增加了实证研究的透明度——从而增加了可信度。

风险提示及免责条款
市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。