■王舒鴻，崔 欣，姚守宇

一、引言

相關(guān)關(guān)系和因果關(guān)系既有相似又有不同，而在經(jīng)濟(jì)學(xué)研究中，我們更加關(guān)注的是變量間因果關(guān)系的識(shí)別，而非統(tǒng)計(jì)上相關(guān)關(guān)系的判斷。因此，清楚地辨析統(tǒng)計(jì)上的相關(guān)關(guān)系或者真實(shí)的因果關(guān)系，是進(jìn)一步研究分析的前提。舉例來看，假設(shè)通過觀察，我們發(fā)現(xiàn)，中國股市近20年來的大盤走勢(shì)與非洲兒童平均身高的變化趨勢(shì)有著高度一致性，通過對(duì)二者進(jìn)行回歸，并利用統(tǒng)計(jì)推斷中的假設(shè)檢驗(yàn)原理，或許可以真的發(fā)現(xiàn)二者間的回歸系數(shù)具有高度的統(tǒng)計(jì)顯著性。然而，這是否真的能夠說明中國股市的發(fā)展?fàn)顩r與非洲兒童的平均身高確實(shí)存在著真實(shí)的因果關(guān)系呢？答案必然是否定的。

大量使用回歸分析等統(tǒng)計(jì)推斷方法來探究各變量間因果關(guān)系的文獻(xiàn)，忽略了一個(gè)重要前提。即在進(jìn)行統(tǒng)計(jì)推斷前，我們首先要通過模型推導(dǎo)或文獻(xiàn)推演來辨析變量間的內(nèi)在邏輯關(guān)系。只有在滿足上述前提的情況下，我們才可以利用統(tǒng)計(jì)推斷方法進(jìn)行參數(shù)估計(jì)，進(jìn)而識(shí)別兩者的因果效應(yīng)。因此，單純的統(tǒng)計(jì)推斷并不能幫助我們直接識(shí)別因果關(guān)系。所以，在探究中國股市大盤走勢(shì)與非洲兒童平均身高關(guān)系時(shí)，即使兩者在走勢(shì)上有著高度的相關(guān)性，但并沒有經(jīng)濟(jì)理論或內(nèi)在邏輯可以證明其因果性，那么二者間的關(guān)系便只能代表簡單的統(tǒng)計(jì)上的相關(guān)關(guān)系，而非真實(shí)的因果關(guān)系。在這種情況下，其利用統(tǒng)計(jì)推斷的方法來識(shí)別二者間的因果關(guān)系自然是沒有意義的。

進(jìn)一步深入分析，假設(shè)在進(jìn)行統(tǒng)計(jì)推斷前，我們可以獲取足夠多的經(jīng)濟(jì)理論支撐，現(xiàn)在我們考慮如何使用統(tǒng)計(jì)推斷的方法來探究大學(xué)教育和個(gè)人收入間的因果關(guān)系？通常，大多文獻(xiàn)會(huì)使用虛擬變量方法，即將接受大學(xué)教育的個(gè)體定義為1，而未接受大學(xué)教育定義0，然后進(jìn)行回歸分析，估計(jì)參數(shù)，進(jìn)而識(shí)別因果關(guān)系。那么在確保變量間擁有內(nèi)在邏輯的前提下，上述統(tǒng)計(jì)推斷的方法一定可以幫助我們識(shí)別最為準(zhǔn)確的因果關(guān)系嗎？答案同樣是否定的。仔細(xì)分析可以發(fā)現(xiàn)，即使我們可以通過虛擬變量方法來刻畫個(gè)體是否參加大學(xué)教育這一活動(dòng)，但是由于個(gè)體間巨大的差異性，其還存在著眾多影響個(gè)體收入且難以觀測的變量，如性格、遺傳等因素。然而上述難以觀測的遺漏變量不可避免的會(huì)引發(fā)模型解釋變量與隨機(jī)誤差項(xiàng)相關(guān)等內(nèi)生性問題，從而影響統(tǒng)計(jì)結(jié)果估計(jì)的一致性，進(jìn)而影響因果關(guān)系的識(shí)別。另外，即使在我們所有遺漏的變量都得到控制的情況下，也有可能會(huì)出現(xiàn)由于變量測量誤差①如果解釋變量測量不準(zhǔn)確，其測量誤差項(xiàng)也被納入到隨機(jī)干擾項(xiàng)當(dāng)中，從而造成估計(jì)結(jié)果不滿足一致性?；驑颖具x擇偏差②由于個(gè)體是否參加項(xiàng)目存在自我選擇，故參加項(xiàng)目者和未參加項(xiàng)目者可能存在系統(tǒng)差異，導(dǎo)致OLS估計(jì)結(jié)果不滿足一致性。而產(chǎn)生的內(nèi)生性問題，從而影響因果關(guān)系識(shí)別的準(zhǔn)確性。

對(duì)于上述研究而言，在探究接受大學(xué)教育和不接受大學(xué)教育這一活動(dòng)對(duì)于個(gè)體收入的影響時(shí)，只有通過探究同一個(gè)體接受大學(xué)教育和不接受大學(xué)教育兩種情況下收入的差距，才能準(zhǔn)確識(shí)別出大學(xué)教育對(duì)個(gè)人收入影響的因果關(guān)系。但是，正如人不能同時(shí)踏進(jìn)同一條河流一樣，一個(gè)人同時(shí)既接受大學(xué)教育也不接受大學(xué)教育的反事實(shí)現(xiàn)象無法觀測。因此，為克服上述傳統(tǒng)統(tǒng)計(jì)推斷中的內(nèi)生性弊端及反事實(shí)的不可觀測性問題，巧妙利用反事實(shí)理論框架和隨機(jī)化實(shí)驗(yàn)思想的因果推斷研究范式開始興起。

Panhans&Singleton（2016）稱近年來經(jīng)濟(jì)學(xué)的研究范式正在經(jīng)歷一場由統(tǒng)計(jì)推斷到因果推斷的轉(zhuǎn)變，越來越多的研究開始討論如何更加科學(xué)地識(shí)別變量間的因果關(guān)系，而非集中于估計(jì)量的統(tǒng)計(jì)顯著性問題。不同于經(jīng)典統(tǒng)計(jì)推斷利用樣本信息去對(duì)總體進(jìn)行參數(shù)估計(jì)，進(jìn)而依靠假設(shè)檢驗(yàn)以判斷估計(jì)結(jié)果統(tǒng)計(jì)顯著性的研究思路，因果推斷的關(guān)鍵特征是通過引入潛在結(jié)果框架去清晰地定義因果關(guān)系、利用隨機(jī)化實(shí)驗(yàn)的思想（克服不可觀測因素造成的影響）作為有效識(shí)別因果關(guān)系的基礎(chǔ)。這種從統(tǒng)計(jì)推斷到因果推斷的研究范式的轉(zhuǎn)變被Angrist&Pischke（2010）稱之為經(jīng)濟(jì)學(xué)經(jīng)驗(yàn)研究的“可信性革命”。

相比傳統(tǒng)的統(tǒng)計(jì)推斷，因果推斷的一個(gè)重要特點(diǎn)是強(qiáng)調(diào)實(shí)驗(yàn)設(shè)計(jì)，其以隨機(jī)化實(shí)驗(yàn)為基礎(chǔ)，對(duì)潛在結(jié)果進(jìn)行建模，而不是對(duì)觀測結(jié)果建模，通過科學(xué)的實(shí)驗(yàn)設(shè)計(jì)，使數(shù)據(jù)自動(dòng)呈現(xiàn)因果效應(yīng)，盡量避免模型設(shè)定或函數(shù)形式之類的假設(shè)，從而更好地識(shí)別因果關(guān)系，計(jì)算出因果效應(yīng)。由于因果推斷主要借助的是隨機(jī)化的實(shí)驗(yàn)思想，故而新的研究范式有時(shí)也被稱為計(jì)量經(jīng)濟(jì)學(xué)的“實(shí)驗(yàn)學(xué)派”（Angrist&Pischke，2017），其主要代表人物有Card&Krueger（1994）、Card（2015）以及 Angrist&Pischke（2017）等。

借助于上述研究范式轉(zhuǎn)變的背景，本文以統(tǒng)計(jì)推斷與因果推斷為主線，主要闡述了以下三個(gè)問題：（1）相關(guān)關(guān)系與因果關(guān)系的聯(lián)系與區(qū)別。（2）回歸分析得到的是否一定是因果關(guān)系，而其因果關(guān)系又是否可靠。（3）什么是基于隨機(jī)實(shí)驗(yàn)思想的因果關(guān)系推斷新風(fēng)尚。在分析以上幾個(gè)問題的同時(shí)，使讀者進(jìn)一步理解內(nèi)生性問題，以及為什么社會(huì)科學(xué)研究強(qiáng)調(diào)的一定是因果關(guān)系的識(shí)別，而非統(tǒng)計(jì)相關(guān)的判斷。

二、相關(guān)關(guān)系與因果關(guān)系的聯(lián)系與區(qū)別

為更好地理解后面兩個(gè)問題，首先要明確相關(guān)關(guān)系和因果關(guān)系間的區(qū)別。相關(guān)關(guān)系和因果關(guān)系是一對(duì)十分相似的概念，但它們之間卻又有著巨大的不同?？偟膩碚f，有相關(guān)關(guān)系卻不一定有因果關(guān)系，但有因果關(guān)系就必定存在相關(guān)關(guān)系。相關(guān)關(guān)系指的是二者在變化趨勢(shì)上存在著某種程度的一致性，而因果關(guān)系強(qiáng)調(diào)的則是一種前和后的關(guān)系，是因?yàn)槟硞€(gè)變量發(fā)生變化而導(dǎo)致了另外一個(gè)變量隨之發(fā)生改變，其強(qiáng)調(diào)的是二者之間存在某種理論邏輯上的關(guān)聯(lián)，需要去確定二者間具體的依存關(guān)系。具體來說，對(duì)于A導(dǎo)致B發(fā)生變化的因果關(guān)系的確立，其必須滿足以下三個(gè)條件：（1）A和B相關(guān)；（2）A必須發(fā)生在B之前；（3）所有其他的因素C都已經(jīng)被排除。只有同時(shí)滿足上述三個(gè)條件，才可以說A和B之間確實(shí)存在著某種程度上的因果關(guān)系。

盡管從定義上可以把二者的區(qū)別說得十分清楚，但是當(dāng)面對(duì)具體問題時(shí)，區(qū)分相關(guān)關(guān)系和因果關(guān)系并沒有那么簡單，非常容易掉入相關(guān)陷阱中，那些看似合情合理的例子，卻并不存在因果關(guān)系。例如：每年溺水兒童數(shù)量和雪糕銷量成明顯的正相關(guān)關(guān)系，但是二者間卻不存在因果關(guān)系。是由于溺水兒童數(shù)量的增加，才導(dǎo)致的雪糕銷量的提升嗎？或者是因?yàn)檠└怃N量增加了，從而導(dǎo)致溺水兒童數(shù)量增加？其實(shí)都不是，兩者之間呈現(xiàn)正相關(guān)可能是由其共同原因——天氣導(dǎo)致的。由于天氣炎熱，人們渴望用雪糕消暑，雪糕銷量會(huì)增加；同樣地，在炎熱的天氣中，選擇游泳的人增多，溺水兒童也相應(yīng)增多。溺水兒童數(shù)量和雪糕銷量并沒有因果關(guān)系，只是共同受天氣因素影響，從而表現(xiàn)出簡單的統(tǒng)計(jì)正相關(guān)而已。

類似的例子：攜帶打火機(jī)與肺癌發(fā)病率之間可能有相關(guān)關(guān)系，但二者間的因果關(guān)系也不成立。并不是因?yàn)閿y帶打火機(jī)才導(dǎo)致肺癌發(fā)病率上升的，而是使用打火機(jī)抽煙，煙草中的有害物質(zhì)導(dǎo)致了肺癌發(fā)病率上升。攜帶打火機(jī)和肺癌發(fā)病率相關(guān)是因?yàn)橛兄餐脑蚓褪浅闊?，因?yàn)槌闊煟詳y帶打火機(jī)，同樣因?yàn)槌闊煟苑伟┌l(fā)病率上升。導(dǎo)致肺癌發(fā)病率上升的原因并不是因?yàn)閿y帶了打火機(jī)，所以兩者之間并不是因果關(guān)系，只是因?yàn)橛泄餐蚨w現(xiàn)出的統(tǒng)計(jì)上的相關(guān)關(guān)系而已。

一個(gè)更加模糊且看起來合情合理的因果關(guān)系，但卻也有可能只是相關(guān)關(guān)系的例子是：某案例表明，閱讀科學(xué)博客越多的人，其科學(xué)素養(yǎng)水平就越高，那么二者間是否具有因果關(guān)系？這是一個(gè)看似合乎情理的例子，所以許多人可能就會(huì)誤認(rèn)為二者間一定存在因果關(guān)系，但實(shí)際上二者間可能僅存在著某些雙向因果關(guān)系。我們無法區(qū)分是閱讀科學(xué)博客越多的人，其科學(xué)素養(yǎng)水平就越高，還是科學(xué)素養(yǎng)高的人本來就喜歡讀博客。那么在此模棱兩可的情況下，二者間因果關(guān)系的判斷可能并不穩(wěn)健。

因此，從上述分析中可以看到，因果關(guān)系與相關(guān)關(guān)系，這兩種情況是很容易被混淆的，一旦混淆，就會(huì)影響我們的判斷，從而做出錯(cuò)誤的決策。所以，搞清楚因果關(guān)系和統(tǒng)計(jì)相關(guān)是非常有必要的。

三、回歸分析與因果關(guān)系

社會(huì)科學(xué)研究強(qiáng)調(diào)的是因果關(guān)系的識(shí)別，而非統(tǒng)計(jì)上相關(guān)關(guān)系的判斷，我們希望借助計(jì)量、統(tǒng)計(jì)等技術(shù)工具幫助我們對(duì)于因果關(guān)系進(jìn)行有效識(shí)別。然而，在沒有任何理論假設(shè)的前提下，統(tǒng)計(jì)學(xué)是不可能幫助我們識(shí)別出因果關(guān)系的，借助統(tǒng)計(jì)學(xué)等工具做出的回歸分析結(jié)果僅僅代表了變量背后的相關(guān)關(guān)系，所謂的OLS只不過是一種系數(shù)估計(jì)方法罷了，而因果關(guān)系的識(shí)別則需要理論和技術(shù)兩方面的嚴(yán)謹(jǐn)論證。所以說，單純的回歸分析得到的參數(shù)估計(jì)結(jié)果充其量只能稱之為二者間的相關(guān)關(guān)系而非真實(shí)的因果關(guān)系。

想要對(duì)于因果關(guān)系進(jìn)行有效識(shí)別，就要求我們?cè)诨貧w之前需要用經(jīng)濟(jì)理論去建立模型，真正的分析兩個(gè)變量間的內(nèi)在邏輯關(guān)系，或者即使無法建立數(shù)學(xué)上的理論模型，也需要我們用文獻(xiàn)來推演出想要研究的變量間到底存在何種內(nèi)在邏輯，進(jìn)而提出研究假設(shè)。只有先進(jìn)行上述理論分析，再帶著目標(biāo)去做回歸來驗(yàn)證我們的邏輯推演正確與否，接著利用得到的回歸結(jié)果去識(shí)別其因果關(guān)系才是有意義的。上面論述的也就是我們傳統(tǒng)意義上的統(tǒng)計(jì)推斷，當(dāng)進(jìn)行完理論分析之后，我們可以借助統(tǒng)計(jì)學(xué)模型，利用樣本信息去對(duì)總體進(jìn)行參數(shù)估計(jì)，進(jìn)而依靠假設(shè)檢驗(yàn)以判斷估計(jì)結(jié)果統(tǒng)計(jì)顯著性，進(jìn)而去識(shí)別所謂的因果關(guān)系。

我們暫且不討論，我們的理論推導(dǎo)過程是否正確、假設(shè)的推演是否真實(shí)可信，假設(shè)我們上述過程沒有任何問題，那么進(jìn)行理論分析后做回歸進(jìn)行的因果關(guān)系識(shí)別，其結(jié)果又一定是真實(shí)可靠的嗎？經(jīng)典的計(jì)量經(jīng)濟(jì)學(xué)為保證參數(shù)估計(jì)量具有良好的性質(zhì)，在進(jìn)行回歸之前通常會(huì)對(duì)模型提出若干假設(shè)，如高斯—馬爾可夫假設(shè)（CLRM）。當(dāng)然，在實(shí)際研究中，上述理論假設(shè)條件無法全部滿足，因而又衍生出“單方程計(jì)量經(jīng)濟(jì)學(xué)放寬基本假設(shè)的模型”，其主要討論了異方差、序列相關(guān)、多重共線性等問題。上述三個(gè)問題其實(shí)并不會(huì)影響因果關(guān)系的識(shí)別，我們只需要利用White（1980）的異方差一致性標(biāo)準(zhǔn)誤差或Newey&West（1987）的序列相關(guān)及異方差一致性標(biāo)準(zhǔn)誤差進(jìn)行修正即可。

“單方程放寬基本假設(shè)”后的四大問題除以上三個(gè)外，還有內(nèi)生性問題，即隨機(jī)解釋變量問題。談到因果關(guān)系的有效識(shí)別，則繞不開內(nèi)生性問題，內(nèi)生性問題是我們處理起來最為棘手的問題，但卻也是審稿人最喜歡問的問題。上述的異方差、序列相關(guān)以及多重共線性問題，我們可以通過一些技術(shù)手段處理掉，但處理內(nèi)生性問題卻并不容易。一旦內(nèi)生性問題沒有辦法得到很好控制，那么我們的參數(shù)估計(jì)結(jié)果將會(huì)有偏且非一致，利用這種有偏的回歸結(jié)果做出的因果關(guān)系推斷并不能讓我們信服。所以，人們完全有理由去質(zhì)疑利用存在內(nèi)生性問題的回歸結(jié)果做出的因果關(guān)系的識(shí)別。

上述所謂的內(nèi)生性問題，其實(shí)就是計(jì)量經(jīng)濟(jì)學(xué)上的隨機(jī)解釋變量問題，要解釋清楚內(nèi)生性問題還是需要從經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)對(duì)于模型做出的假設(shè)談起。計(jì)量經(jīng)濟(jì)學(xué)的一個(gè)經(jīng)典假設(shè)是，解釋變量是確定性變量而非隨機(jī)性變量。何謂確定性變量和隨機(jī)性變量，我們一般把外生變量稱之為確定性變量，其外生于整個(gè)模型系統(tǒng)，與整個(gè)模型系統(tǒng)無關(guān)，所以不論整個(gè)模型系統(tǒng)如何發(fā)生改變，它都是不受影響和不發(fā)生改變的，因而它相對(duì)整個(gè)模型系統(tǒng)而言具有一定確定性。相反，我們一般把具有某種概率的隨機(jī)變量稱之為內(nèi)生變量，內(nèi)生變量內(nèi)生于整個(gè)模型系統(tǒng)，其既受模型系統(tǒng)的影響，同時(shí)也對(duì)整個(gè)模型系統(tǒng)有影響，所以其不能滿足上述確定性條件，因而存在著某種程度上的隨機(jī)性。

關(guān)于另一個(gè)計(jì)量模型的經(jīng)典假設(shè)，即解釋變量與回歸方程隨機(jī)干擾項(xiàng)無關(guān)。一般而言，外生變量是確定性變量，其外生于整個(gè)模型系統(tǒng)，所以其自然與回歸模型的殘差不會(huì)相關(guān)。而內(nèi)生變量內(nèi)生于整個(gè)系統(tǒng)，其是隨機(jī)性變量，既受模型系統(tǒng)的影響，又會(huì)影響整個(gè)模型系統(tǒng)，所以其很可能會(huì)與回歸方程的殘差項(xiàng)相關(guān)（殘差可以代表很多因素，其中就包括整個(gè)模型系統(tǒng)無法量化的那些變量因素）。我們把這種內(nèi)生性變量或者說隨機(jī)性變量與回歸方程殘差相關(guān)的問題，稱之為內(nèi)生性問題或者說隨機(jī)解釋變量問題。

一般而言，產(chǎn)生內(nèi)生性問題的原因主要有三種：遺漏解釋變量、解釋變量測量誤差和雙向因果關(guān)系。正如上述所說，內(nèi)生性問題會(huì)使得參數(shù)估計(jì)結(jié)果有偏且非一致，進(jìn)而導(dǎo)致因果關(guān)系的識(shí)別結(jié)果不可靠，所以在傳統(tǒng)思路下，我們一般會(huì)使用工具變量法（IV）去解決上述問題，當(dāng)可以找到多個(gè)相互獨(dú)立的工具變量時(shí)，就可以使用常說的廣義矩估計(jì)方法（GMM）。

總之，簡單的回歸分析得到的不一定是因果關(guān)系，只有先進(jìn)行理論分析，帶著目標(biāo)進(jìn)行回歸，消除異方差、序列相關(guān)性等問題，并進(jìn)一步克服內(nèi)生性，才有可能有效的識(shí)別因果關(guān)系。

但是，在因果關(guān)系識(shí)別時(shí)，面對(duì)某些外生沖擊，例如接受大學(xué)教育和不接受大學(xué)教育、高速公路收費(fèi)和高速公路不收費(fèi)等，想探究其對(duì)結(jié)果變量的影響，傳統(tǒng)的統(tǒng)計(jì)推斷只是根據(jù)可以觀測的數(shù)據(jù)進(jìn)行估計(jì)研究，受個(gè)體異質(zhì)性等影響，很難獲得真正的因果效應(yīng)。于是，基于隨機(jī)實(shí)驗(yàn)思想的因果關(guān)系推斷新風(fēng)尚逐漸興起，新的研究范式更好的解決了統(tǒng)計(jì)推斷無法準(zhǔn)確識(shí)別因果關(guān)系的問題，為因果關(guān)系的有效識(shí)別提供了新方法。

四、基于隨機(jī)實(shí)驗(yàn)思想的因果關(guān)系推斷新風(fēng)尚

上文闡述了關(guān)于因果關(guān)系識(shí)別的問題，其主要思路仍是我們傳統(tǒng)意義上的統(tǒng)計(jì)推斷，即當(dāng)我們進(jìn)行完理論分析或者假設(shè)推演之后，可以借助統(tǒng)計(jì)學(xué)模型，利用樣本信息去對(duì)總體進(jìn)行參數(shù)估計(jì)，進(jìn)而依靠假設(shè)檢驗(yàn)以判斷估計(jì)結(jié)果統(tǒng)計(jì)顯著性，然后去識(shí)別所謂的因果關(guān)系。但是，由于我們無法確定進(jìn)行的理論分析或者推演的假設(shè)的完全正確性，且我們利用回歸結(jié)果進(jìn)行的因果關(guān)系識(shí)別也很有可能受到所謂的內(nèi)生性問題的影響，從而使其識(shí)別結(jié)果不牢靠。是否存在一些更新的方法可以對(duì)統(tǒng)計(jì)推斷方法進(jìn)行補(bǔ)充、完善、拓展，并能較好的識(shí)別“統(tǒng)計(jì)推斷”無法準(zhǔn)確識(shí)別的因果效應(yīng)呢？

正如前文所言，經(jīng)濟(jì)學(xué)的經(jīng)驗(yàn)研究正在經(jīng)歷一場由統(tǒng)計(jì)推斷到因果推斷的研究范式轉(zhuǎn)變，新的研究思想和研究方法正悄然出現(xiàn)。相比于傳統(tǒng)的統(tǒng)計(jì)推斷，因果推斷的思想主要基于反事實(shí)理論框架。所謂反事實(shí)理論框架就是和我們能夠觀測到的現(xiàn)實(shí)情況相反的一種狀態(tài)（Rubin，1980）。變量X與變量Y因果關(guān)系可以表達(dá)為，當(dāng)X成立時(shí)Y的結(jié)果與X不成立時(shí)Y的反事實(shí)結(jié)果之間的差異，如果這種差異存在且在統(tǒng)計(jì)上顯著，則稱變量X對(duì)變量Y是有因果關(guān)系的，否則二者之間就不存在因果關(guān)系。這一思想最早來源于Mill（1974）的差異法（Method ofDifference），通過比較某一現(xiàn)象出現(xiàn)和不出現(xiàn)的情況，如果在這兩種情況中，只有一點(diǎn)不同而其他條件都相同，那么這一點(diǎn)就是造成兩種情況的原因，而兩種情況的差異就是這個(gè)原因的因果效應(yīng)（Holland，1986）。

在利用反事實(shí)理論框架去清晰定義因果關(guān)系后，因果推斷將利用隨機(jī)化實(shí)驗(yàn)的對(duì)照思想去進(jìn)行因果關(guān)系的識(shí)別。隨機(jī)化實(shí)驗(yàn)的思想最早是由Fisher（1935）提出的，他用女士品茶判斷其是否具有鑒別能力的例子說明，除了先加奶還是先加茶這一條件變化外，實(shí)驗(yàn)時(shí)杯子等器具在各方面的完全相同是不必要的。在任何實(shí)驗(yàn)中，不可能將可觀測的和不可觀測的差異都控制住，而隨機(jī)化實(shí)驗(yàn)的好處就是不需要控制其他的潛在影響因素，我們關(guān)注的是原因變量選取的隨機(jī)化，其他可能影響因素間的差異都是偶然的、隨機(jī)的，可由隨機(jī)定律控制而不會(huì)影響估計(jì)結(jié)果（簡單來說，由于實(shí)驗(yàn)的隨機(jī)性，其他非主要因素間的影響可以總體抵消掉）。因此，隨機(jī)化的關(guān)鍵作用在于平衡除原因變量外的其他影響因素，故隨機(jī)化是實(shí)驗(yàn)得到可信因果效應(yīng)的關(guān)鍵（趙西亮，2017）。在因果關(guān)系的實(shí)證分析中，最優(yōu)選擇當(dāng)然是隨機(jī)化實(shí)驗(yàn)，但基于倫理道德的考慮，加之隨機(jī)實(shí)驗(yàn)的時(shí)間、經(jīng)濟(jì)成本較高，所以隨機(jī)實(shí)驗(yàn)在現(xiàn)實(shí)中的實(shí)施處處受限。在隨機(jī)化實(shí)驗(yàn)不可以進(jìn)行的情況下，借助自然條件的擬隨機(jī)化實(shí)驗(yàn)方法的應(yīng)用得到了關(guān)注和重視。

利用反事實(shí)理論框架，隨機(jī)化實(shí)驗(yàn)的思想進(jìn)行因果關(guān)系識(shí)別，我們首先定義一個(gè)處理效應(yīng)的二元變量，Di={0,1}。其中：當(dāng)Di等于1時(shí)，代表個(gè)體i接受了處理；當(dāng)Di等于0時(shí)代表個(gè)體i沒有接受處理。是否接受處理是由原因變量Xi決定的，所以Xi也稱為“分組變量”，故而處理變量可以表示為：

同時(shí)，我們也要定義潛在結(jié)果變量Y，其中：Y0i表示個(gè)體i沒有接受處理的結(jié)果變量；Y1i表示個(gè)體i接受處理的結(jié)果變量：

那么基于反事實(shí)理論框架，這個(gè)處理的因果效應(yīng)就可以通過簡單差分得到：

然而，在現(xiàn)實(shí)生活中，我們不可能同時(shí)在同一個(gè)個(gè)體i上觀測到上述兩個(gè)潛在結(jié)果的值。結(jié)合上文例子，我們無法同時(shí)觀測到一個(gè)人接受大學(xué)教育與不接受大學(xué)教育所帶來的兩個(gè)收入結(jié)果，其中：當(dāng)接受大學(xué)教育時(shí)，可以獲得確定的潛在結(jié)果Y1i的值，但是同一個(gè)體不接受大學(xué)教育的潛在結(jié)果Y0i的值將無法知曉；同樣，獲得了個(gè)體不接受大學(xué)教育時(shí)的潛在結(jié)果Y0i時(shí)，就無法得到其接受大學(xué)教育后的潛在結(jié)果Y1i。

事件一旦發(fā)生，就無法得知其不發(fā)生時(shí)的反事實(shí)情況，這種現(xiàn)象被稱為反事實(shí)的不可觀測性，是因果推論中的基本問題（Holland，1986）。我們只能觀測到接受了處理的個(gè)體和沒有接受處理的個(gè)體的結(jié)果變量，而接受了處理的個(gè)體若不接受處理時(shí)的情況和未接受處理的個(gè)體若接受處理時(shí)的情況我們無法獲得。所以為了更加精確地識(shí)別因果關(guān)系，克服選擇性偏差問題，我們只能將重點(diǎn)放在實(shí)驗(yàn)組和對(duì)照組的選取上，精心挑選出一個(gè)控制組與實(shí)驗(yàn)組進(jìn)行比較從而識(shí)別因果效應(yīng)。

在接受大學(xué)教育和不接受大學(xué)教育對(duì)個(gè)體收入影響的因果推斷中，最好的研究對(duì)象就是一對(duì)雙胞胎，雙胞胎的年齡、性別、父母學(xué)歷、成長環(huán)境等都是一致的，其中：一個(gè)接受大學(xué)教育設(shè)為實(shí)驗(yàn)組，得到潛在結(jié)果Y1i；另外一個(gè)不接受大學(xué)教育設(shè)為控制組，得到潛在結(jié)果Y0i。最終，兩人的收入差距Y1i-Y0i就是大學(xué)教育對(duì)個(gè)體收入的因果效應(yīng)。確實(shí)早有學(xué)者Krashinsky（2000）采用過同卵雙胞胎數(shù)據(jù)，在控制各種差異的情況下研究受教育年限、婚姻狀況等因素對(duì)工資收入的影響。

并且近年來，基于反事實(shí)理論框架和隨機(jī)化實(shí)驗(yàn)思想的因果推斷在政策評(píng)估方面得到了廣泛應(yīng)用。過去學(xué)者在研究政策效應(yīng)時(shí)，往往只是通過定性分析。倘若在定性分析的基礎(chǔ)上可以加入基于經(jīng)濟(jì)數(shù)據(jù)的實(shí)證研究，我們便可以有效提高政策評(píng)估的科學(xué)性，并進(jìn)一步揭示變量間的因果效應(yīng)。而因果推斷則為政策評(píng)估提供了基于經(jīng)濟(jì)數(shù)據(jù)的新方法，從而可以幫助我們更好地識(shí)別政策效應(yīng)。從現(xiàn)有文獻(xiàn)看，巧妙的因果推斷方法大概有傾向值匹配（Propensity Score Matching，PSM）、雙重差分（Difference in Difference，DID）、斷 點(diǎn) 回 歸（Regression Discontinuity Designs，RDD）等。這些方法在近兩年的經(jīng)濟(jì)學(xué)頂級(jí)期刊上占據(jù)了半壁江山，掀起來一股因果推斷識(shí)別的新風(fēng)尚。

（一）斷點(diǎn)回歸

斷點(diǎn)回歸方法最早是由美國心理學(xué)家Campbell（1958）設(shè)計(jì)出來，Thistlethwaite&Campbell（1960）正式發(fā)表了關(guān)于斷點(diǎn)回歸分析的文章，在其提出非實(shí)驗(yàn)條件下，斷點(diǎn)回歸是處置處理效應(yīng)的一種有效方法。Lee（2008）提出，在隨機(jī)實(shí)驗(yàn)不可得的情況下，RDD可以避免統(tǒng)計(jì)推斷中參數(shù)估計(jì)的內(nèi)生性問題，從而真實(shí)反映變量間的因果關(guān)系。RDD的主要原理是：存在一個(gè)關(guān)鍵變量，當(dāng)該變量大于某一臨界值時(shí)，接受處理效應(yīng)，作為實(shí)驗(yàn)組，而當(dāng)變量小于臨界值時(shí)，則不接受處理效應(yīng)，可以視作對(duì)照組。如圖1所示，當(dāng)結(jié)果變量y和原因變量x的線性關(guān)系在x=c處存在一個(gè)斷點(diǎn)，變量x由小于臨界值c到大于臨界值c，結(jié)果變量y出現(xiàn)了一個(gè)跳躍，且個(gè)體在x=c附近時(shí)，其他影響因素沒有差別，那么造成y在c處跳躍的唯一原因就是由x導(dǎo)致的處理效應(yīng)。所以，這個(gè)跳躍就可以視為在x=c處Di對(duì)y的因果效應(yīng)。

圖1 斷點(diǎn)回歸示意圖

用斷點(diǎn)回歸方法識(shí)別政策效應(yīng)時(shí)，當(dāng)個(gè)體的某一變量的值大于臨界值時(shí)，個(gè)體接受政策干預(yù)，當(dāng)其小于臨界值時(shí)，個(gè)體不接受政策干預(yù)。一般來說，同一個(gè)體接受政策干預(yù)和不接受政策干預(yù)的結(jié)果無法同時(shí)獲得。而在斷點(diǎn)回歸方法中，就可以把小于臨界值的個(gè)體看為一個(gè)很好的對(duì)照組來反映不接受政策干預(yù)時(shí)的結(jié)果。特別是在變量連續(xù)的情況下，在臨界值附近的實(shí)驗(yàn)組和對(duì)照組樣本的差異可以較好地反映政策干預(yù)對(duì)結(jié)果變量的影響。經(jīng)典案例有Chen etal.（2013）觀察到的一條天然的分割線——秦嶺淮河線，即以秦嶺淮河線作為臨界線，其中：淮河以北地區(qū)，政府用燃煤的方式提供暖氣，視為接受政策干預(yù)；而淮河以南地區(qū)，并沒有供應(yīng)暖氣，視為未接受政策干預(yù)?；春觾砂妒纸咏膬蓚€(gè)地區(qū)，理論上其他各變量可以看作是連續(xù)的，也就是說其他的影響變量在南北兩岸沒有較大差異，而南北兩岸唯一的區(qū)別就是有沒有通過燃煤供暖，所以淮河以南可以作為很好的對(duì)照組，通過與實(shí)驗(yàn)組比較，識(shí)別政策干預(yù)效應(yīng)。

Trochim（1984）綜合了前人的理論和方法，又將斷點(diǎn)回歸分為兩類：一類是確定型（Sharp RDD），個(gè)體在臨界值一邊接受處理效應(yīng)的概率為1，在另一邊接受處理效應(yīng)的概率為0；另一類是模糊型（Fuzzy RDD），個(gè)體在臨界值附近，接受處理效應(yīng)的概率則是單調(diào)變化的。斷點(diǎn)回歸雖然是擬隨機(jī)化實(shí)驗(yàn)，但其結(jié)果與隨機(jī)化實(shí)驗(yàn)結(jié)果的相似性卻極高（Lee&Lemieuxa，2010）。特別是近年來，在Hahn etal.（2001）對(duì)斷點(diǎn)回歸策略的識(shí)別條件、估計(jì)方法等進(jìn)行理論證明后，斷點(diǎn)回歸方法逐漸成為評(píng)估政策的重要方法，并廣泛應(yīng)用于教育領(lǐng)域（Chiang，2009）、社會(huì)保障（雷曉燕等，2010）、政府選舉（Ferreira&Gyourko，2009）、政 府 轉(zhuǎn) 移 支 付（Buettner，2006；Dahlberg et al.，2006）、房屋升值（Greenstone&Gallagher，2008）和空氣質(zhì)量評(píng)估方面（Almond et al.，2009；Fu&Gu，2014；曹靜等，2014）。

（二）雙重差分

雙重差分最早出現(xiàn)在經(jīng)濟(jì)學(xué)領(lǐng)域是在20世紀(jì)70年代（Ashenfelter，1978），Heckman&Robb（1985）最早提出使用雙重差分法評(píng)估政策實(shí)施績效，隨后，DID便開始廣泛應(yīng)用于政策評(píng)估。Card（1990）用DID評(píng)估了移民政策對(duì)工資和就業(yè)的影響。Puhani（2000）評(píng)估了波蘭1991年實(shí)施的失業(yè)救濟(jì)政策對(duì)失業(yè)持續(xù)期的影響。而在我國，周黎安和陳燁（2005）則首先引用雙重差分法，對(duì)農(nóng)村稅費(fèi)改革政策效果進(jìn)行了雙重差分的實(shí)證檢驗(yàn)。李科等（2014）將雙重差分應(yīng)用于金融市場，研究融資融券制度是否有利于矯正被高估的股價(jià)。陳林和伍海軍（2015）梳理了從周黎安開始的、國內(nèi)使用雙重差分的文獻(xiàn)，對(duì)國內(nèi)的研究成果進(jìn)行分類和評(píng)述，并指明使用雙重差分時(shí)必須要注意的問題。梁權(quán)熙和曾海艦（2016）運(yùn)用DID研究獨(dú)立董事制度是否有利于降低公司股價(jià)崩盤風(fēng)險(xiǎn)。劉瑞明和趙仁杰（2017）研究了匿名審稿制度是否推動(dòng)了中國經(jīng)濟(jì)學(xué)進(jìn)步。王庶和岳希明（2017）評(píng)估了退耕還林工程的實(shí)施對(duì)農(nóng)民增收、非農(nóng)就業(yè)等方面的政策效應(yīng)。錢雪松和方勝（2017）運(yùn)用雙重差分研究了擔(dān)保物權(quán)制度對(duì)民營企業(yè)負(fù)債融資的影響。

雙重差分法就是將兩個(gè)虛擬變量及其交乘項(xiàng)加入到回歸方程中，既能控制樣本間不可觀測的個(gè)體差異，又能控制隨時(shí)間變化的不可觀測的總體因素影響，從而可以無偏地估計(jì)如政策效果等因果關(guān)系。

下面舉例簡單說明雙重差分在政策評(píng)估方面的應(yīng)用。在美國，勞動(dòng)者加入工會(huì)的現(xiàn)象比較普遍。假設(shè)：（1）在某一政策出臺(tái)前就已經(jīng)加入工會(huì)的個(gè)體Di=1，而沒有加入工會(huì)的個(gè)體Di=0；（2）在某一年政府出臺(tái)了一項(xiàng)政策，政策出臺(tái)前Tt=0，而政策出臺(tái)后Tt=1。現(xiàn)在，我們要探究政府出臺(tái)的政策對(duì)勞動(dòng)者收入的影響。如圖2所示，在政策實(shí)施前（pre）勞動(dòng)者個(gè)體之間就存在加入工會(huì)（Di=1）和不加入工會(huì)（Di=0）的差異，其收入的條件期望函數(shù)分別為E（Y10）和E（Y00）。在政策實(shí)施后（post）勞動(dòng)者個(gè)體間是否加入工會(huì)的個(gè)體差異仍然存在，新收入的條件期望函數(shù)分別為E（Y11）和E（Y01）

圖2 不同個(gè)體在政策前后的作用效果圖

通過以上分析，構(gòu)造雙重差分最基礎(chǔ)的回歸方程式為：

結(jié)合上圖，在A、B、C、D四點(diǎn)的期望結(jié)果變量依次為：在A 點(diǎn)：E（Y00）=β0；在B點(diǎn)：E（Y01）=β0+β2；在C點(diǎn)：E（Y10）=β0+β1；在D點(diǎn)：E（Y11）=β0+β1+β2+β3。

則要求的雙重差分估計(jì)量為：

由于不同的個(gè)體在政策實(shí)施前的收入水平就有差距，所以雙重差分的主要思路不是直接對(duì)比樣本在政策前后均值的變化，而是對(duì)個(gè)體的數(shù)據(jù)進(jìn)行回歸，從而對(duì)比兩類個(gè)體在政策前后的薪水變化率有無區(qū)別（第一次差分是同類個(gè)體前后自己差分將數(shù)值變?yōu)樵鲩L率，第二次差分則是兩類個(gè)體的增長率進(jìn)行差分），以達(dá)到判斷政策對(duì)結(jié)果變量的因果效應(yīng)。

但是雙重差分在評(píng)估政策時(shí)也存在局限性，其前提條件是接受政策干預(yù)的實(shí)驗(yàn)組和未接受政策干預(yù)的對(duì)照組的結(jié)果變量隨時(shí)間變化的路徑是平行的，也就是說兩組實(shí)驗(yàn)結(jié)果的時(shí)間趨勢(shì)應(yīng)該一致。如圖2，對(duì)照組結(jié)果變量在政策干預(yù)前后的變化趨勢(shì)為由C點(diǎn)到B點(diǎn)，如果實(shí)驗(yàn)組和對(duì)照組一樣，在不接受政策干預(yù)時(shí)，那實(shí)驗(yàn)組的前后變化趨勢(shì)應(yīng)該是由A點(diǎn)到E點(diǎn)。線CB和線AE平行才能確切評(píng)估由E點(diǎn)到D點(diǎn)的政策干預(yù)效應(yīng)。若兩者的變化趨勢(shì)不一致，再應(yīng)用DID方法就會(huì)出現(xiàn)誤差，但現(xiàn)實(shí)生活中，無法根本保證對(duì)照組和實(shí)驗(yàn)組結(jié)果變量時(shí)間趨勢(shì)上的一致性。

（三）傾向值匹配

傾向值的概念最早來源于Rosenbaum&Rubin（1983），是指在控制其他影響因素的情況下，個(gè)體被某個(gè)變量影響的條件概率。一般情況下，在探究原因變量和結(jié)果變量關(guān)系時(shí)，會(huì)受到許多其他因素的影響，很難測度原因變量對(duì)結(jié)果變量影響的凈效應(yīng)。例如，探究上大學(xué)和不上大學(xué)對(duì)未來收入的影響，年齡、性別等其他因素也會(huì)影響到是否上大學(xué)對(duì)未來收入的影響。這些其他因素的影響被稱為“選擇性偏差”（Selection Bias），通過將其他因素納入到一個(gè)logistic回歸模型中，就可以得到一個(gè)預(yù)測個(gè)體受原因變量影響的概率，也就是傾向值（Rosenbaum&Rubin，1983）。而此處的匹配是指將受原因變量影響的個(gè)體和不受原因變量影響的個(gè)體進(jìn)行配對(duì)。

“傾向值匹配”就是將有相同或相近傾向值的兩組是否受原因變量影響的個(gè)體進(jìn)行配對(duì)。傾向值匹配的主要思想就是將實(shí)驗(yàn)組和控制組中具有相同或相近傾向值的個(gè)體進(jìn)行配對(duì)，其他影響因素已經(jīng)在傾向值匹配的過程中被控制起來，所以實(shí)驗(yàn)組和控制組之間的差異只能是由原因變量引起，從而可以用控制組中個(gè)體結(jié)果變量的結(jié)果估計(jì)實(shí)驗(yàn)組個(gè)體的反事實(shí)結(jié)果。通過傾向值匹配，可以控制或消除選擇性偏差，從而保證研究結(jié)果中因果關(guān)系的可靠性。例如，探究上大學(xué)和不上大學(xué)對(duì)未來收入的影響。傾向值匹配就是根據(jù)傾向值將上過大學(xué)的人和沒有上過大學(xué)的人一一配對(duì)，傾向值相同或相似保證了個(gè)體上大學(xué)的概率是相同或相似的，從而保證了匹配的個(gè)體除是否上大學(xué)這一變量外，其他條件如年齡、性別等因素都被控制起來。進(jìn)行匹配后，未來收入的差異就只能歸于是否上大學(xué)，從而得到是否上大學(xué)與未來收入因果效應(yīng)的凈效應(yīng)。

Rosenbaum&Rubin（1983）最先提出可以利用傾向值匹配消除混雜因素引起的偏差，但是并沒有得到重視。近幾年，傾向值匹配才被廣泛應(yīng)用各個(gè)領(lǐng)域，并成為政策評(píng)估的常用方法。Michael（1999）對(duì)德國東部實(shí)施的旨在使勞動(dòng)力適應(yīng)社會(huì)轉(zhuǎn)型的脫產(chǎn)培訓(xùn)項(xiàng)目進(jìn)行了PSM評(píng)估。Gilligan&Hoddinott（2007）用PSM評(píng)估了2002年在埃塞俄比亞實(shí)行的應(yīng)急食物救援政策的效應(yīng)。國內(nèi)學(xué)者同樣用傾向值匹配的方法進(jìn)行政策效應(yīng)的評(píng)估，例如：陳飛和翟偉娟（2015）利用傾向值匹配法研究農(nóng)戶土地流轉(zhuǎn)決策的福利效應(yīng)；孫文凱和王乙杰（2016）基于微觀面板數(shù)據(jù)，將傾向值匹配和雙重差分法結(jié)合，研究父母外出務(wù)工對(duì)留守兒童健康的影響；張?zhí)烊A和張少華（2016）在研究國有企業(yè)偏向性政策對(duì)資源配置效率的扭曲時(shí)，運(yùn)用傾向值匹配法構(gòu)建與國有企業(yè)特征類似的非國有企業(yè)對(duì)照樣本；王庶和岳希明（2017）同時(shí)運(yùn)用了雙重差分和傾向值匹配的方法研究退耕還林工程的政策效應(yīng)；杜興強(qiáng)和譚雪（2017）在研究國際化董事會(huì)對(duì)公司現(xiàn)金股利分配的影響時(shí)，用傾向值匹配的方法控制了國際化董事會(huì)與現(xiàn)金股利之間的內(nèi)生性問題。國內(nèi)還很多其他學(xué)者對(duì)PSM進(jìn)行了應(yīng)用（周康，2015；劉亞洲等，2016，張耀杰等，2017）。

傳統(tǒng)的統(tǒng)計(jì)推斷，即當(dāng)我們進(jìn)行完理論分析或者假設(shè)推演后，借助統(tǒng)計(jì)學(xué)模型進(jìn)行參數(shù)估計(jì)，進(jìn)而依靠假設(shè)檢驗(yàn)判斷估計(jì)結(jié)果的顯著性，從而識(shí)別所謂的因果關(guān)系。首先，我們無法確定進(jìn)行的理論分析或者推演的假設(shè)的正確性。其次，由于內(nèi)生性等問題的存在，使因果識(shí)別的結(jié)果變得并不可靠。而興起的基于隨機(jī)實(shí)驗(yàn)思想的因果關(guān)系推斷新風(fēng)尚，運(yùn)用反事實(shí)理論框架清晰定義因果關(guān)系，利用隨機(jī)化實(shí)驗(yàn)的對(duì)照思想進(jìn)行因果關(guān)系的識(shí)別，可以有效克服內(nèi)生性問題，消除選擇性偏差，從而得到無偏的估計(jì)因果關(guān)系。而且因果推斷的新方法如RDD、DID、PSM等在政策效應(yīng)的評(píng)估方面得到了廣泛應(yīng)用。

五、結(jié)論

清楚辨析變量間是相關(guān)關(guān)系還是因果關(guān)系是進(jìn)一步研究的基礎(chǔ)，而用傳統(tǒng)的統(tǒng)計(jì)推斷方法識(shí)別因果關(guān)系時(shí)，存在著模型設(shè)定、內(nèi)生性等問題，致使統(tǒng)計(jì)推斷對(duì)變量間因果關(guān)系的識(shí)別很可能并不可靠。于是新的研究范式興起，因果推斷以隨機(jī)化實(shí)驗(yàn)為基礎(chǔ)，對(duì)潛在結(jié)果建模，通過科學(xué)的實(shí)驗(yàn)設(shè)計(jì)，使數(shù)據(jù)自動(dòng)呈現(xiàn)因果效應(yīng)，盡量避免模型設(shè)定或函數(shù)形式之類的假設(shè)，從而更好地識(shí)別因果關(guān)系，進(jìn)而計(jì)算因果效應(yīng)。

本文以統(tǒng)計(jì)推斷和因果推斷為主線，主要闡述了兩者間的聯(lián)系與區(qū)別、由傳統(tǒng)的統(tǒng)計(jì)推斷得到的因果關(guān)系是否可靠以及什么是基于隨機(jī)實(shí)驗(yàn)思想的因果關(guān)系推斷新風(fēng)尚等問題。本文認(rèn)為：

（1）隨著經(jīng)濟(jì)學(xué)的研究范式由統(tǒng)計(jì)推斷向因果推斷轉(zhuǎn)變，結(jié)合具體問題來分清相關(guān)關(guān)系和因果關(guān)系顯得尤為重要。其中：相關(guān)關(guān)系僅指二者在變化趨勢(shì)上存在著某種程度的一致性，而因果關(guān)系強(qiáng)調(diào)的是二者之間存在的某種理論邏輯上的關(guān)聯(lián)。如果混淆這兩個(gè)概念，則會(huì)影響我們的判斷，從而做出錯(cuò)誤的決策。

（2）傳統(tǒng)意義上的統(tǒng)計(jì)推斷是當(dāng)進(jìn)行完理論分析后，借助統(tǒng)計(jì)學(xué)模型，利用樣本信息對(duì)總體進(jìn)行參數(shù)估計(jì)，進(jìn)而依靠假設(shè)檢驗(yàn)以判斷估計(jì)結(jié)果的統(tǒng)計(jì)顯著性，從而識(shí)別所謂的因果關(guān)系。但是，這種統(tǒng)計(jì)推斷由于內(nèi)生性等各種問題，其對(duì)因果關(guān)系的識(shí)別并不可靠。

（3）目前經(jīng)濟(jì)學(xué)界的研究范式正逐漸興起一股因果推斷新風(fēng)尚，其通過引入反事實(shí)理論框架清晰地定義因果關(guān)系，利用隨機(jī)化實(shí)驗(yàn)的思想識(shí)別因果效應(yīng)，并逐步將斷點(diǎn)回歸法、雙重差分法、傾向值匹配法等引入經(jīng)濟(jì)學(xué)各領(lǐng)域中，并進(jìn)一步識(shí)別各類具體問題中的因果關(guān)系，以期求得求因果關(guān)系的凈效應(yīng)。

此外，因果推斷的方法在政策評(píng)估方面得到了廣泛應(yīng)用，其基于經(jīng)濟(jì)數(shù)據(jù)，通過反事實(shí)理論框架和隨機(jī)化實(shí)驗(yàn)的思想彌補(bǔ)了傳統(tǒng)政策研究時(shí)只是定性分析的不足，可以進(jìn)一步揭示變量間的因果關(guān)系，從而可以幫助相關(guān)研究有效識(shí)別政策效應(yīng)，提高政策評(píng)估的科學(xué)性。相信在以后的外生沖擊和政策評(píng)估類的研究中，RDD、DID、PSM等方法會(huì)作用于更多領(lǐng)域并發(fā)揮更大作用。

希望通過以上幾個(gè)問題的分析，本文想要強(qiáng)調(diào)的是：社會(huì)科學(xué)研究強(qiáng)調(diào)的一定是因果關(guān)系的識(shí)別，而非統(tǒng)計(jì)相關(guān)的判斷。不論是經(jīng)典的統(tǒng)計(jì)推斷，還是如今熱門的因果推斷，只要實(shí)驗(yàn)設(shè)計(jì)得好，都可以發(fā)揮巨大作用，關(guān)鍵是我們需要搞清楚問題背后的癥結(jié)所在，理解問題的本質(zhì)，進(jìn)而選用適當(dāng)?shù)姆椒ㄟM(jìn)行科學(xué)的探索研究。