点击上方蓝字，关注“传承Legacy”

回复“001”，围观传承君朋友圈，要注明一个理由才会通过哦

传承君，坐标美国，经历过学术+投行+创业，有趣有理想的现实主义者。这是个聊养育牛娃渣娃、油腻职场创业、真实北美见闻、与你共同成长的圈子，值得一看再看。

我的诺贝尔经济学奖预测比专业机构还准

啊！

昨天在公号发了诺贝尔经济学奖的文章回顾，顺带提了两句。结果，这两句都一语中的，今天都应验了。

第一句，诺贝尔经济学奖预测一向不准，不用看。

果然，看看专业机构预测和众多财经媒体包括《21世纪经济报道》、新浪财经等，选出来的5个热门人选，David Audretsch， David Teece, Joel Mokyr，Carmen M. Reinhart，Kenneth S. Rogoff。

没有一个中，连方向的边都不沾。

除了也叫David 以外。不过，在西方，叫David就好比在中国姓李一样，多到数不清，没有任何意义。

第二句，还有不少没拿诺奖的无冕之王，微观偏多。

哈哈，今天公布的正是最著名的无冕之王——微观劳动经济学领域的David Card和Joshua D. Angrist。

其实，微观经济学中，劳动经济学就是较早发展起来最最重要的分支，然而，这个古老的领域却一直没有获得诺贝尔奖，尽管这些经济学家在学术界的声望丝毫不亚于诺奖得主，因此，他们也常常被成为经济学界中的无冕之王。

诺贝尔经济学奖终于与时俱进

长久以来，诺贝尔经济学奖都存在滞后性。

因为理论的验证需要时间，时间沉淀才能体现伟大理论的价值。所以，诺贝尔经济学奖常常颁奖的理论都已经非常旧了，那些经济学家都七老八十，早已过了学术巅峰期。

已经成熟的理论也意味着能研究都被研究完了，也不是学术热点，和未来学术发展方向。

以至于那些经济学家们，常常都是得了诺贝尔奖，人们才想起，哦，原来他还没拿诺奖吗？以为他早就拿过了呢！

但最近这些年，很多经济学研究的创新都在实证领域。一来，随着计量方法的不断完善，有足够多的实证工具进行研究；二来，随着人们生活的数据变得越来越完善，也给实证研究提供了足够多的数据养分支持。

同时，这也为跨学科研究提供了可能，因为实证研究的计量方法，在不同学科之间几乎是相通的。

当然，实证也有很多惊人的发现

，对现代社会的政策制定、理解个体的选择等做出了很多解释。

这些领域往往属于应用微观计量经济学领域，因为微观经济学数据多得多。宏观无非就是各个国家GDP，利率，失业率等等指标。而微观数据就不胜枚举，有个体数据，家庭数据，企业数据，工资收入，出生年份，教育年限，消费习惯等等各种各样的数据。因为各种微观数据，还衍生出了公司金融、公共政策、劳动经济学、教育经济学、市场营销、工业组织、健康经济学、社会不平等、政治经济学、城市经济学、环境经济学等等分支。

因此，如今的经济学研究，应用微观领域实际比宏观大得多。但诺贝尔经济学奖却一直有偏爱宏观的传统。截止至2021年，诺贝尔经济学奖一共颁发了53次，共有89人获奖。获奖者研究领域包含宏观经济学的占9次，比其它任何领域都要多。

这就造成，诺贝尔经济学奖似乎与如今的经济研究热点话题和未来方向脱节

，

除了致敬已经进入教科书的各位理论大拿，对于仍然活跃在经济研究领域的学者没有太大指导意义。

直到2019年，瑞典皇家科学院那几位评委貌似开窍了，竟然颁给了非常“时髦”的RCT随时对照实验研究方法，这可是真的与时俱进啊！诺贝尔经济学奖首次开始往引领未来发展方向的道路上走。三位获奖者都不到60岁，最小的才46岁，全部都绝对是仍然活跃在学术圈的主力，也说明了他们的方法是多么新颖。

诺贝尔奖没有等30年再给他们颁奖，而是选择2019年颁奖，跟以前诺奖往往等到80，90岁才给人发奖大相径庭。也说明诺贝尔经济学奖貌似有洗心革面的迹象，不希望他们颁奖的时候人们都因为研究理论过时、方法过时、研究热点过气等已不再关注这个领域，颁奖仅仅是致敬、纪念。

无冕之王终获奖

今年，诺贝尔经济学奖更是发给了经济学领域一直早该拿诺奖却一直没有拿的无冕之王——劳动经济学家

。

劳动经济学一直是应用微观经济学的一个大分支，因为个人、家庭数据很早就有，所以也是应用微观经济学早期就有的分支，因此也比较成熟。很多应用微观计量的使用方法，如双重差分法，工具变量法，最早都是在劳动经济学领域应用，成为经典案例。因此，大多数打算从事应用微观经济研究的博士、学者多多少少都学过或者了解劳动经济学那几篇经典文章。

那几篇经典文章的作者，却一直没有获得诺贝尔奖，一直陪跑，到最后，连预测榜都上不了了，有人甚至预言，或许他们可能这辈子都拿不到诺贝尔奖了，但丝毫不影响他们在大家心目中的地位，影响力甚至大于很多其他诺奖得主，是公认的无冕之王。

面对偏心的瑞典皇家科学院，就像一个孩子面对偏心的父亲，你又有什么办法？

尽管学术界呼声高涨，年年有人呼吁遗珠，瑞典皇家科学院那几个评委就像深山老林的道士，貌似听不见，你又能怎样？

直到今天，这个早在10年前就应该获得诺贝尔奖的劳动经济学家们终于获奖了。

但瑞典皇家科学院依然偏心，劳动经济学家David Card分一半，剩下一半由两位对因果关系方法研究作出重要贡献的经济学家平分。简言之，我们颁奖给你是有一半因为你的方法，你的劳动经济学的贡献只占一半。

David Card

对比起以前公司金融、环境经济学、行为经济学等等都可以以一个学科拿到完整的诺奖，对劳动经济学分支的鄙视也真是太显而易见了。

总的来说，至少有比没有好，至少遗憾没有继续，也算一个进步。如果劳动经济学喊冤，那健康经济学等众多分支还没有诺贝尔奖，也不知何时能拿到诺贝尔奖的呢！

为啥劳动经济学不受诺奖青睐

其实，我大概也了解为啥诺贝尔奖不青睐于这些分支学科，或者不青睐于实证研究。

简言之，实证研究大多数普通人是能听得懂研究问题的。比如，最低工资会不会提高失业率啊？人们多读一年书，收入会提高多少？有大学文凭和读完大学但没有文凭的人相比，收入高多少（就是大学文凭那一张纸，到底值多少钱？）你看，这些问题，就是这次获奖者经典论文里研究的问题，大家是不是都惊讶地发现都听懂了？大家都听懂了，对于诺贝尔奖，就显得很浅显，不够高深。

不仅问题大家都能听懂，连研究方法，你发现，貌似大家也都能听懂。比如，研究最低工资会不会提高失业率，作者就对比了新泽西州和宾州两个相邻的小镇，新泽西州颁布提高了最低工资，而宾州没有，因为小镇相邻，所以它们的环境、经济水平等状况几乎可以看成一样，人们也很容易迁徙，唯一区别就是新泽西州提高最低工资而宾州没有。

于是，作者选取这两个小镇的快餐店（受到最低工资影响最明显的行业）进行了两个对比，一个是新泽西和宾州各自在颁布法案之前之后对比，另一个是新州和宾州的之前之后的差值对比，就是说如果新泽西州在颁布法案之后比之前有变化，而宾州没有变化，因为没颁布法案前新州和宾州几乎一样，或者新州的变化比宾州要大且显著，那么法案之后的差值肯定就是由于法案导致的，这就叫Difference-in-Differences双重差分法。

最后得出结论，新州之前之后的变化相对于宾州变化并不显著，因此，提高最低工资对于失业无显著影响。

这跟经济学原理的常识，提高最低工资将提高失业，相违背。因此，这篇论文受到广泛关注。之后，有很多经济学家攻击这篇论文，也有很多其他论文研究类似问题，既有会提高失业，也有不会提高失业、反而提高穷人收入从而促进经济的结论，但不妨碍最有名的就是这篇论文了。

其实，溪汐觉得这个争议很好解释。经济学家们难道都忘了一个最基本的经济学概念——弹性，就是对于价格的敏感度。如果对于一个企业来说，人力是刚需，对于很多餐馆等小企业，如果有那么多客人，就需要那么多人力去招呼客人，还有类似卡车司机，美容院等，那么提高最低工资当然不会造成失业，而是把部分利润从企业主转移到员工身上，自然还会提高穷人收入，从而促进就业。

但如果对于一个企业来说，人力并不是刚需，提高最低工资就裁员用机器替代了，比如，洗衣店，银行柜台、麦当劳等可以自助服务的企业，自然会造成失业。

所以，溪汐总结，提高最低工资会不会造成失业，需要计算每个行业乃至每个店对于人力工资的弹性，几乎不可以一概而论。不计算弹性，争吵除了多发几篇论文，没有意义。

第二个问题，人们多读一年书，收入会提高多少？如果上篇论文是双重差分法最著名的论文，那么这篇论文就是工具变量法（Instrumental Variable)的典范。

经济学有很多因果关系是互为因果，到底谁是因，谁是果，就像先有鸡，还是先有蛋，说不清道不明。比如，家庭对子女教育的影响，到底是因为父母重视教育，所以子女成绩好，还是因为生了一个成绩好的子女，父母因此重视子女教育？因为孩子教育都只有一次，所以无法证明。

对于人们多读一年书，收入会提高多少？这个问题，最最难的地方就在于影响收入的因素太多了，你怎么证明是多读了一年书的关系，而不是家庭出身、社会关系等等其他因素呢？

作者发现了一个神奇的规定情景，美国义务教育法规定：只要当年年满6岁的儿童，都需要在该年9 月份入学。而只有年满16岁，青少年才可以离开学校，辍学回家。

美国是当年只要年满6周岁就可以在该年9月份入学，所以，如果孩子12月31日出生，那么在9月还未满6岁就入学了，但 1月 1日出生的孩子就不行，等下一年9月都6岁9个月快7岁才能入学，就比前一年12月31日出生的孩子晚一年入学。平均而言，出生在第一季度的孩子，入学时大约是6.45岁。而出生在第四季度的孩子，入学时的平均年龄大约是6.07岁。

这样一来，那些在第一季度出生的孩子，比第四季度出生的孩子，理论上就可以少上将近一年的学。也就是说，如果一个人的生日是1月1日，那么，在他16岁到来那一年，过了1月1日就可以辍学去工作了；而如果他的生日是12月31日，那么，他就需要上完全年的学才能合法地离开学校，离开课堂。

但我们都知道，12月出生的孩子几乎跟1月出生的孩子没有区别，而在哪个月份出生几乎随机，不可能对收入有显著影响，所以他们的唯一区别就是12月出生的比1月出生的多上了一年学。

这样一来，美国的义务教育法就创造了一个自然的实验环境。它把在16岁辍学的孩子分成了两组：一组是生日在一年当中比较早的那些孩子，我们把他们称为A组；一组是生日在一年当中比较晚的孩子，我们把他们称为B组。由于B组的孩子比A组要多上一段时间的学，所以，对于我们估计多读一年书所带来的收入差异来说，B组就是实验组，那么，A组就自然成了对照组。

假如有许多人都是1月1日出生的，也有许多人是12月31日出生的，而这些人都在16岁生日到来那天辍学了，那么，我们把这两组人未来的平均收入进行比较，其间的差别就是多读一年书带来的收益了。

在这个研究中，作者神奇地找到了一个人的出生季节，作为一个工具变量。而工具变量法，最难的地方，就是找到一个完美的工具变量。这个出生季节，就堪称完美。

首先，出生季节并不会受家庭背景、社会地位的影响，就算有人算着日子怀孕，也不是为了提高收入，还有个成功概率问题，样本够大，就可以看成几乎完全随机。其次，出生季节又完美地把人群分成了多读一年书和少读一年书，而不受其他因素影响，跟收入也没有关系。因此，如果在模型里，多读一年书通过出生季节对收入产生了影响，那么，就一定排除了其他因素，而仅仅因为多读一年书对收入带来的影响。

这就是这次获奖者最著名的两篇论文，你是不是发现，对于诺奖的研究方法，竟然自己似乎也听懂了，或者似懂非懂？

就因为劳动经济学与普罗大众息息相关，其实具有很多现实意义，但大家都能看懂，就显得不够高级，一直不受诺奖青睐。

而以往诺贝尔奖获得者，甭管他的研究领域叫多么普通的词，什么新制度，创业，契约等等，他们大多数研究的问题普通人压根听不懂，研究方法和模型更加没有办法用直白的语言讲述给普罗大众听，反而备受青睐。

就像诺贝尔文学奖，啥时颁过给畅销书作家呢？

最该拿奖已去世，或促成今年劳动经济学获奖

以上两篇获奖论文，他们有个共同作者，也是最该获得诺贝尔经济学奖、最著名的劳动经济学家——Alan Krueger，可惜，他在2019年3月16日在家中已经自杀身亡，年仅58岁。