诺贝尔经济学奖授予了解相关关系是因果关系的人

提高最低工资对失业有多大影响？法治在经济发展中的重要性如何？延长监狱刑期对犯罪有什么影响？媒体的偏见是否影响投票行为？

这些都是社会科学的基本问题，回答这些问题不仅要试图了解两个现象是否相关，还要了解一个现象是否导致另一个现象。

今年的诺贝尔经济学奖被授予三位学者，他们帮助我们了解如何从观察数据中推断因果关系。加州大学伯克利分校的大卫-卡德、麻省理工学院的约书亚-安格里斯特和斯坦福大学的吉多-英本斯都对现在成为现代社会科学的核心部分，而不仅仅是经济学做出了开创性的贡献。

在物理科学中，了解因果效应的标准方法是通过 “随机对照试验（RCT）”。如果我们想知道某种心脏药物是否能减少心脏事件，那么黄金标准方法就是进行临床试验。

我们随机分配（比如100人）到 “治疗组”，接受心脏药物治疗，另外100人到 “对照组”，接受糖丸（”安慰剂”）。

然后我们可以看一下治疗组和对照组的平均心脏事件数量。差异就是心脏药物的因果效应。

而当可以进行RCT时，它是隔离因果效应的一个好方法。事实上，这种方法已经在经济学中得到了广泛的应用。

两年前，诺贝尔委员会将经济学奖授予埃斯特-杜弗洛、阿比吉特-班纳吉和迈克尔-克雷默，以表彰他们在发展经济学中使用随机试验。

但是，进行RCT并不总是可能的，甚至是不可取的。我们真的想把更长的刑期随机分配给某些人吗？我们怎么能把不同的经济体制分配给整个国家？将更好的父母随机分配给孩子呢？

这些道德、财政和实践方面的障碍意味着，对于社会科学中许多深刻的重要问题，我们必须转向观察数据–世界上刚刚发生的事情。

现在你可能会考虑收集大量的数据，比如上学的年限和以后的收入。

而且你可能能够观察到除学校教育和收入之外的其他东西–比如儿童的社会经济地位，他们父母的教育水平，他们学校的质量，以及更多。

但总是会有一些事情–可能是重要的事情–你无法获得数据，因此无法控制。

对研究人员来说，真正的坏消息是，控制几乎所有的东西甚至都没有帮助。既然不能控制一切，这种方法就注定要失败。

但有时，即使我们不能进行实验，大自然也会为我们做实验。例如，经济学中的一个大问题是教育对以后生活结果的影响–比如收入。很难随机分配额外的教育给人们，而且我们将不得不等待很长一段时间来发现其效果。

在一篇经典的论文中，Angrist和他的合作者Alan Kreuger利用了以下观察。在美国，孩子们至少要到一定年龄才能离开学校。

但在某一州，所有在同一年出生的孩子都在同一天开始上学–学年的第一天。

因此，一年中较早出生的孩子可以合法地比其他人更早辍学。而出生日期的随机性就像随机分配学校教育的数量一样，至少是平均而言。

因此，Angrist和Krueger可以利用出生的随机性来确定教育的回报率。这对我们应该在教育上花多少钱这样的政策问题有很大影响。

事实上，每一个公共政策问题都涉及了解一项拟议的政策对我们关心的某些结果的因果效应。这就是为什么它被称为 “政策”。如果没有良好的因果推断工具，我们就无法知道哪些政策运作良好，哪些是失败的。

卡德、安格里斯特和英本斯处于为研究人员开发一套经验性工具以可信地识别因果关系的最前沿。这就是为什么它有时被称为 “可信性 “或 “识别革命”。

今天，这些技术（自然实验、差分、回归不连续设计和工具变量技术）是每个实证经济学家工具包的核心部分。

在其他社会科学领域，尤其是在政治科学和法律学术领域，这种情况越来越多地出现。

值得注意的是，阿兰-克鲁格是这场经济学革命的一个关键部分，他非常令人钦佩，但也令人难过。他做出了根本性的贡献，如果不是两年前过早地去世，他很可能也会成为一名获奖者。