劳工报酬、政府补贴，今年诺贝尔经济学奖能解释很多时事( 二 ) 寻找纷乱现实中的随机性

相当于耗费人力财力无数的竞选游戏，在经济学家这儿变成了实验，可以借力打力来研究社会经济更深层的逻辑。

文章图片
Angrist和Imbens对自然实验进行了进一步的分类，分为双重差分和断点回归两种。
02.双重差分
今年的另外一位获奖者DavidCard ，是劳动经济学领域的大牛。他的贡献主要不是在方法上，而是在劳动经济学领域的开创性贡献，尤其是他的文章里面，广泛应用了刚才说的“双重差分”方法。
最低工资和劳动需求的关系，初级经济学的书本上往往会说两者是反向联系的——最低工资越高，劳动力需求越少，失业的人也就越多。这也成为了一个反对设置最低工资的论据，但事实真的是这样吗？
DavidCard构建了一个拟自然实验。他选择了两个州相邻的地方，相邻的区域无论是经济还是人文都非常接近，区别就在于按照州作为分界线，一边最低工资涨了，另一边没有。这就是很好的对照组和控制组。

文章图片
DavidCard发现，其实书本上写的也不全是对的——最低工资增加的新泽西，并没有显著减少对初级劳动力的需求。
可以说， DavidCard这项研究，给低收入人群的福利提升，提供了坚实的实证基础，并且启发了后来一系列的劳动力政策相关的研究。我们现在每天能在新闻里面看到很多劳工保护、低收入人群福利等相关的政策， DavidCard实启其端。
双重差分具体的做法很简单：
第一步，先把新泽西和宾夕法尼亚州最低工资还没发生变化时刻的劳动力供给相减，得到的结果就是两个相邻地区固有的差异；
第二步，等到新泽西州法案实施之后，再把两个地区的劳动力供给减一次，得到的是新的地区差异；
第三步，把新的地区差异，减去第一步获得的固有差异，我们就得到了最低工资提升的政策效果。
图示就是这样的：

文章图片
灰色线是宾夕法尼亚，蓝色线是新泽西。中间的虚线就是政策实施的时间点。可以明确看到，当新的区域差异，减去固有的区域差异之后，我们就得到了真实的政策效果。这个方法因为需要减两次，所以称之为双重差分（Difference-in-Difference）。
03.断点回归
Angrist和Imbens的贡献并不仅仅是双重差分。在有一些情况下，如果连对照组也找不到怎么办呢？那就用“断点回归” 。
比如我们想知道，到底是学校造就了学生，还是学生造就了学校？同一个人上高中还是上职高，有没有区别？区别到底有多大？
这也是无法做实验的，我们没办法把一个本来上了高中的学生随机分配到职高去，也没办法把职高的学生随机提到高中来。做这样的实验会改变人的一生，无论是实验伦理还是实际情况都不允许。
这个时候怎么办呢？核心还是在确定性的结果里面寻找随机性。这里面的随机性就来自中考。因为考试必然存在发挥的问题，也就是在分数线上下的一个狭窄区间，这些考生可以看作是差不多的，是命运的手把他们随机分到了普通高中和职业高中。

文章图片
【劳工报酬、政府补贴，今年诺贝尔经济学奖能解释很多时事】构建了这个自然实验之后，我们就可以用分数线上下的这部分学生来作为样本，研究随机分配到高中和职高，对一个人未来发展、薪酬的影响了。