劳工报酬、政府补贴，今年诺贝尔经济学奖能解释很多时事寻找纷乱现实中的随机性

寻找纷乱现实中的随机性，然后利用随机性这把刀，斩断其他干扰因素，找出我们需要的因果关系。
文/巴九灵
在自然科学中，做实验的地位是非常重要的，尤其是在大众的印象里，做实验就等于科学研究。在经济学领域也是一样，如果我们不做实验，仅仅通过观察到的数据来对比，那往往会得出一些让人哭笑不得的结论。
举个例子，如果我们比较从医院出来的人的健康状况，和没有去医院的人的健康状况，会发现平均下来，没有去医院的人健康状况更好。于是我们得出结论：医院让人不健康，因此关掉所有的医院就有助于提高人群的健康水平。
这个结论显然是荒谬的，去医院的人，和不去医院的人根本无法构成一个对照组来做实验。
然而，经济学所关注的领域，恰恰有太多这样无法做实验，但是又很重要的问题。比如医保、养老金制度的改革：在政策推出之前，可以有很多论证，但发生了就是发生了，我们也不可能回到没有发生的状态，换一种选择再观察一遍。

文章图片
再比如劳动力的供给和工资之间的关系。一个地区的劳动力供给就是有限的，而劳动力的自然增长往往和其他的因素密切相关，这些因素也会影响到工资本身。
这时候要做实验，理想的状态下就需要随机从一个省“调拨”一大群劳动力去另外一个省，观察该地区劳动力冲击所带来的影响，但显然这种实验是现实中任何一个理性政府都不能去做的——让很多人背井离乡，放弃自己的生活、家人和环境，生活工作都得不到保障，仅仅只是为了做一个实验去验证某个政策的结果。
但是这些问题，又能对社会产生深刻的影响。往小了说，国家的政策关系着很多人自己的工作前景、职业选择以及居住地选择；往大了说，一项政策是不是应该推出，这个论证过程本身也确实需要经济学来验证。
而这，就是今年诺贝尔经济学奖得主们的贡献——拟自然实验。
今年的诺奖并非是像之前那样，用于奖励某一个开宗立派的祖师。他们的贡献，尤其是Angrist和Imbens ，横跨经济学的各个领域，深刻而显著地影响了整个实证经济学的研究。无数的顶刊文章，很多国家的政策分析，都得益于他们在经济学方法论上的卓越贡献。

文章图片
可以说，现在的经济学家，尤其是使用数据来进行分析的实证经济学家，几乎没有人不曾读过Angrist和Imbens的著作，没有人不曾用过他们的方法。
比如说，最近有的公司债务缠身引起了大家的关注。那么如果我们要研究政府补贴对公司债务的影响，应该怎么做呢？直接比较不同地区不同公司是不行的，因为公司往往会观察当地政府的各种优惠，来选择是不是在当地建厂，这就跟只有生病的人去医院一样，对比的结果没有什么说服力。
而完全通过理论论证也有难度：有了政府补贴，公司可能会减少自己的债务，因为自己有了补贴，就足够扩张了；但另一种可能是有了政府补贴之后，公司可以承担更高的债务了，所以会更加大手大脚地借债。
观察的数据不可靠，理论上两种可能又都有。那么对地方政府而言，要不要针对某个行业给补贴呢？如何进行政策的评估？
观察数据的不可靠性，在经济学中被称为“内生性” ，本质在于各种因素的内在逻辑互相纠缠，而最终的数据体现出来的是综合结果，无法把里面的逻辑分开。
Angrist和Imbens的贡献，就是要寻找这些纷乱逻辑中的随机性，然后利用随机性这把刀，斩断其他干扰我们判断的因素，找出我们希望真正观察到的因果关系。

文章图片
01.自然实验
在上面的例子里，我们就需要找到一个“出乎意料的事件”来作为“拟自然实验” 。
比如说，美国很多地方政府的选情是很胶着的，有时候民主党胜利，有时候共和党胜利。而两个党派对于补贴的态度是有明显区别的。那么，在双方势均力敌的地区，谁赢谁输，都是公司无法预料的。甚至可以说取决于随机的一些因素——比如说投票当天在下雨，一些比较贫穷的选民不愿意去投票了，这可能就让民主党输了。
那么，我们把这些势均力敌，仅仅以很少的比例分出胜负的地区拿出来，就构成了一个对照组和处理组：民主党获胜的地区补贴力度大，而共和党获胜的地区补贴力度小。这种情况下，补贴对于公司而言，就是一个外生的、公司无法进行事先选择的冲击。我们就可以进一步控制其他的一些社会经济变量，来通过回归分析，得出政府补贴对公司债务规模的平均影响。