诺贝尔经济学奖的全称为“瑞典中央银行纪念阿尔弗雷德·诺贝尔经济学奖(The Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel)”。这是瑞典中央银行为了纪念诺贝尔于1968年设立的一个专门表彰经济学领域杰出研究者的奖项,被广泛认为是经济学领域的最高奖。诺贝尔经济学奖的奖金与相关的评选、管理费用均由瑞典中央银行“永久性”地全额拨付给诺贝尔基金会。尽管该奖项并不属于诺贝尔遗嘱中所提到的五大奖项,但一般认为此奖项与其他五大奖项地位相同,并与其在同一典礼上颁授。
当地时间11日,2021年度诺贝尔奖项中的最后一项——诺奖经济学奖在瑞典揭晓。今年诺贝尔经济学奖一半授予戴维·卡德(David Card),表彰其对“劳动经济学的实证研究”的贡献。另一半授予约书亚·安格斯特(Joshua D.Angrist)和多·因本斯(Guido W.Imbens),表彰他们对“因果关系分析的方法论”贡献。
2021年诺贝尔经济学奖的奖金为1000万瑞典克朗(约合人民币737万元)。
2021年诺贝尔经济学奖获奖者
研究成果
诺贝尔经济学奖新闻稿表示,自然实验有助于解决重要社会问题!
今年的获奖者戴维·卡德(David Card)、约书亚·安格斯特(Joshua Angrist)和奎多·因本斯(Guido Imbens)提出了有关劳动力市场的全新见解,揭示了从自然实验中可获得何种因果关系结论。其研究方法已广泛扩展至其他领域,并彻底革新了实证研究。
很多重大社会科学问题均涉及因果关系。移民如何影响薪酬和就业水平?接受更长时间教育如何影响某个人的未来收入?由于无法获取任何参照物,因此很难回答。我们不知道如果减少移民或者那个人没有继续学业,未来将发生什么。其关键在于利用随机事件或政策变化等导致某些人群获得区别对待的场景,其方法论与医学临床实验颇具异曲同工之处。
卡德利用自然实验对最低工资、移民和教育的劳动力市场效应进行分析。在1990年代初的研究中,他凭一己之力挑战传统智慧并创造出新型分析方法和更多见解。研究结果显示,提高最低工资不一定导致工作机会减少。目前我们已得知,一个国家的国民收入可获益于新移民,然而较早期移民者或遭受负面影响。我们还认识到,学校资源对学生将来在劳动力市场所获成功的重要性远超此前想象。
不过,解读源自自然实验的数据颇具难度。例如,将某组(而非另一组)学生的义务教育年限延长一年,不会以同样方式影响到该组每个人。有些学生无论如何都会继续学业,对他们而言教育的价值往往无法代表整个组别的看法。那么,是否有可能对于增加一个年度学习的效果得出任何结论?1990年代中期,安格斯特和因本斯解决这一方法论问题,证明了如何从自然实验得出因果关系的精准结论。
诺贝尔经济学奖委员会主席弗雷德里克森(Peter Fredriksson)指出,
"卡德对社会核心问题的研究以及安格斯特和依姆本斯的方法论贡献表明,自然实验是一个丰富的知识源泉。其研究成果极大提升了我们解答关键因果问题的能力,从而使整个社会获益无穷。"
获奖者介绍
戴维·卡德(David Card)
卡德1956年出生于加拿大,1978年在加拿大皇后大学获得学士学位,1983年获得普林斯顿大学的经济学博士学位,毕业后加入芝加哥大学任教。此后,他先后辗转于普林斯顿、哥伦比亚、哈佛等顶尖学府,并最终“落户”加州大学伯克利分校,随后执教至今。

卡德的研究集中在劳动经济学领域,其研究兴趣包括最低工资、教育回报、移民和不平等在内的诸多领域。
值得一提的是,身为加州大学伯克利分校教授的卡德还曾在万众瞩目的哈佛歧视亚裔诉讼案中出任被告经济学专家。
数年前,哈佛大学卷入一场官司。一个反平权组织代表部分亚裔学生指控哈佛在其招生过程中存在歧视行为,并要求哈佛予以赔偿。当时,该案成为全美一个重大社会关注热点。面对这一严重指控,哈佛大学不敢怠慢。为了论证自己在招生中并不存在对于特定族裔的歧视,哈佛校方专门邀请卡德作为被告经济专家对本科招生数据进行定量分析并撰写研究报告作为呈堂证供。最后,麻省联邦地区法官驳回原告对哈佛在录取过程歧视亚裔申请人的指控
约书亚·安格斯特(Joshua D. Angrist)
约书亚·安格斯特(Joshua D. Angrist)于1960年出生于美国俄亥俄州。1982年,安格斯特毕业于欧柏林学院(Oberlin College)。此后,他于1987年和1989年先后获得普林斯顿大学的硕士和博士学位。毕业后,安格斯特曾先后任教于哈佛大学和以色列的希伯来大学。从1994年开始,他受聘于麻省理工学院直到现在。
安格斯特和皮斯克合著的两本关于因果推断的教科书——《基本无害的计量经济学》(Mostly Harmless Econometrics)和《精通计量学》(Mastering Metrics)已经成为了经济学系学生学习该领域的最重要参考书。
安格斯特还获得过很多荣誉。他曾经于2011年获得过冯·诺伊曼奖,而在2013年,他则被汤森路透评为“引文桂冠奖”。
奎多·因本斯(Guido W. Imbens)
奎多·因本斯(Guido W. Imbens)1963年出生于荷兰的格德拉普。1983年,他从荷兰伊拉斯谟大学毕业并获得学士学位。此后,他分别在英国的赫尔大学和美国的布朗大学获得硕士和博士学位。1991年博士毕业后,他进入了哈佛大学执教,直到1997年离开。此后,他相继任教于加州大学洛杉矶分校和加州大学伯克利分校,并曾在亚利桑那州立大学和欧洲大学学院访学。2006年,他回到了哈佛大学任教6年后再度离开。2012年至今,他一直担任斯坦福大学经济学教授。
自然实验如何解答重大问题


今年三位诺贝尔经济学奖得主证明,自然实验能够解答包括诸如最低工资以及社会福利、最低工资和移民如何影响劳动力市场等社会核心问题。他们还澄清了通过这种研究方法究竟能够得出哪些因果关系的结论。他们的成果彻底革新了经济科学的实证研究。
如果需要做出明智的决策,我们必须知晓自己选择所造成的后果,这适用于个人决定和公共政策的制定:年轻人希望知道其做出的教育选择对他们的收入有何影响;政治家想了解其考虑的一系列改革对就业和收入分配所起的作用。然而,由于我们永远不知道如果采用不同选项后未来会发生什么,解答这类普遍存在的因果关系问题谈何容易。
通过随机实验是设立因果关系的一个方法,即研究人员通过随机分配把实验对象分配至实验组和参照组,该方法被用于调查新药的有效性。研究人员通过随机抽签将个人分配到治疗组。这种方法被用于调查新药的有效性,但并不适合调查很多社会问题。比方说,我们无法通过随机实验决定谁上高中或不上高中。
尽管存在上述挑战,新科诺奖得主业已证明,很多社会重大问题均可得到解答。他们的解决方案是使用自然实验——现实生活中出现的类似随机实验的场景。此类自然实验可能出于自然发生的随机变化、制度性规则、或政策变更。
在其1990年代初的开创性工作中,卡德通过上述方式分析了部分劳动经济学的核心问题,例如最低工资、移民和教育造成的影响。卡德的研究成果挑战了传统智慧并创造了全新研究方法,此后卡德进一步为此做出重大贡献。总体而言,相比30年前,目前我们对劳动力市场的运作模式具有更为深入的理解。
自然实验有一个重要方面与临床试验截然不同。在临床试验中,研究人员完全可以控制让哪些试验对象接受治疗(干预组),以及那些试验对象未接受治疗(对照组)。在自然实验中,研究人员依然能够获取实验组和对照组的数据。
但与临床试验不同的是,自然试验的研究对象可自行选择是否接受研究人员施加的干预手段,从而使得解读自然实验的结果更为困难。
在1994年进行的一项创新性研究中,安格斯特和因本斯展示了何种因果关系结论可从自然实验(其中研究人员不能迫使试验对象参与或不参与某个研究项目)中获取。他们建立的研究框架彻底改变了研究人员通过自然实验或随机抽样调查数据处理实证问题的方式。
自然实验的具体案例
让我们用一个具体案例说明自然实验的操作方法。某个具备社会责任感并积极思考自己未来的年轻人可能提出这样一个问题:如果选择延长学习时间,你能多挣多少钱?回答该问题的第一步可查看收入和教育程度关系的数据。可以想象,接受教育年限越长的人收入越高。举例而言,1930年代出生在美国的男性,每多接受一年教育,其平均收入增加7%。
那么,我们能否得出这样的结论,即多接受的每一年教育都会让你的年收入增加7%?
答案是否定!那些选择长期接受教育的人与选择短期教育者在诸多方面有所不同。例如,某些人可能对于学习和工作均有天赋。这些人可能会继续学业,但即使辍学他们也可能获得不菲的收入。另一个场景是,只有那些期待教育带来高回报的人才会选择投入更多学习时间。
如果希望调查收入如何影响寿命,你也会发现类似的问题。数据显示,高收入者往往更长寿——但高寿者真的是因为其收入较多吗?还是由于其具备的其他属性让这些人活得又长赚得也多?我们很容易想到更多类似案例,让我们有理由怀疑其相关性是否真的是由于其存在的因果关系所致。
那么,如何利用自然实验对额外教育年限是否影响未来收入进行研究呢?安格斯特及同事克鲁格(Alan Krueger,现已去世)在一篇具有里程碑意义的论文对此予以展示。

美国义务教育法规定:只要年满6周岁的儿童,都需要在当年9月份入学。而只有年满16周岁的青少年才可以离开学校,辍学回家。
论文作者发现这一规定造成这样一种神奇场景:如果孩子12月31日出生,那么在9月(还未满6岁)就要入学,但来年1月1日出生的孩子得等到下一年度9月(也就是6岁9个月快7岁)才能入学,几乎比前一年12月31日出生的孩子晚一年入学。平均而言,第一季度出生的孩子入学实际平均年龄约为6.45岁;而第四季度出生的孩子入学实际平均年龄约为6.07岁。
那些在第一季度出生的孩子,比第四季度出生的孩子,理论上可能少上将近一年的学(极端案例: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;而比TA早出生一天的同学,那么,他就需要在上完一整年课才能合法地离开学校进入社会)。
这样一来,美国的义务教育法就创造了一个自然实验环境。通过把16岁辍学孩子分成了两组:一组是出生月份较早的那些孩子,另一组则是出生月份较晚的孩子。由于后者必须比前者多上一段时间学才能辍学,因此对于调查多读一年书产生收入差异的研究而言,第一组成为对照组,而第二组则为干预组。
如果能够找到足够多分别为1月1日和12月31日出生的16岁辍学孩子,研究人员通过比对上述两组辍学儿童今后的平均收入,即可知晓多上一年学造成的收入差异。
在上述研究中,论文作者利用制度性规则造成的入学年龄差异作为一个工具变量,对于年龄造成的收入差异给出一个完美的因果关系结论。这是因为出生日期不会受到家庭背景或社会地位的影响。如果样本足够大,两组辍学学生的收入差异完全可以视为多读一年书所造成的影响。
由于人的出生时间纯属偶然,安格斯特和克鲁格通过自然实验建立一个因果推断关系,表明教育时间的延长导致收入增加:多接受一年教育对收入产生9%的影响。出乎意料的是,该影响的强度超过教育和收入间的关系(7%),如果有抱负又聪明的人具有高水平教育和收入(不管教育程度如何),结果应该适得其反;其相关性程度应该超过因果关系。这一观察结果提出有关如何解释自然实验成果的新问题——这些问题后来由安格斯特和因本斯给予了答案。
人们倾向于相信让自然实验得以成立的场景异乎寻常,尤其是那些可以用来解答重要问题的情形。过去30年的研究表明,情况并非如此:自然实验频繁发生。例如,它们可能源自某个国家某些地区的政策变化、高等教育的录取线或税收/福利制度的收入门槛,这意味着部分人士接受某种干预,而另一些类似群体则未被干预。因此,无意产生的随机性将人群划分为实验组和参照组,为研究人员提供发现因果关系的机会。
了解劳动力市场
最低工资的影响
在1990年代初,传统经济学家的观点是,最低工资高企导致就业率下降,因为这将增加企业用工成本。然而,支持上述结论的证据并不完全令人信服;很多研究确实表明,最低工资与就业率之间存在负相关性,但后者意味着高失业率确实由最低工资提高导致的吗?因为上述负相关性完全可以通过相反方式进行解读:当失业率逐步上升,雇主得以设定较低工资标准,从而引发人们呼吁提高最低工资。

卡德和克鲁格通过一个自然实验研究最低工资标准提高如何影响就业状况。1990年代初,新泽西州的最低时薪从4.25美元增加至5.05美元;然而仅研究新泽西州增加最低时薪后的就业状况无法为上述问题提供一个可靠答案,这是因为随着时间推移,其他众多因素同样会对就业产生影响。如同随机试验,研究人员需要一个除了最低工资没有变化,其他因素与实验组保持一直的对照组。
卡德和克鲁格注意到邻州宾夕法尼亚没有提高最低工资。当然,新州和宾州之间也存在诸多差异,但是两州边界地区的劳动力市场应该相差无几,于是两位论文作者研究了新泽西州和宾州两个相邻小镇,除了新州提高最低工资而宾州没有之外,两个小镇的就业环境、经济水平几乎如出一辙。因此如果两个小镇的就业状况发生任何变化,其原因可以解读为最低工资标准升高造成的影响。
论文作者选取两个分别位于新州和宾州相邻小镇的快餐店(该行业工资水平很低,因此最低工资相当重要),并分别对比两个快餐店在新州提升最低工资标准前后的就业情况的变化,然后进一步对比两个店就业情况变化的差异数据。该研究方法被称为双重差分法(Difference-in-Differences)。与此前研究相反,两位论文作者发现新州最低工资上升对两个快餐店就业人数没有产生显著影响。卡德在1990年代初期其他几项研究中也得出同样结论。
卡德在1990年代初期进行的工作也导致了新的研究方法进行的工作也导致了新的研究。试图解释没有对就业产生负面影响的原因。一种可能的解释是公司可以通过提高价格的形式将增加的成本转移到消费者身上,而不会造成需求的明显减少。另一种解释是,在当地劳动力市场占主导地位的公司可以保持低工资。
移民与教育研究
另一个重要问题在于移民如何影响劳动力市场。为了解答该问题,我们首先要知道如果没有任何移民的情形。由于移民很可能定居在劳动力市场蓬勃发展的地区,因此仅比较移民数量多寡的地区不足以建立因果关系。美国历史上发生的某个独特事件催生一项自然实验,通过该实验卡德调查了移民对劳动力市场的影响。1980年4月,菲德尔·卡斯特罗出乎意料地让所有希望离去的古巴公民离开该国。5月至9月间,12.5万古巴人移民美国。其中很多人居住在迈阿密,从而导致迈阿密的劳动力增加约7%。为了研究蜂拥而入的劳动者对劳动力市场的影响,卡德将迈阿密的工资和就业趋势与四个其他城市同类参数进行对比。

尽管劳动力供应暴增,但卡德没有发现教育程度较低的迈阿密居民遭受负面影响。相对其他城市,该群体工资并未下降,失业率也没有上升。这项研究催生大量全新实证工作,让我们现在对移民的影响具有更深入的理解。例如,后续研究表明,移民增加对很多美国当地出生人群的收入具有积极影响,而对较早移民者产生负面影响。对于该现象的一种解释是,本地人可以专门从事那些需要良好母语技能的工作,而这些工作无需与移民竞争即可获得。
有关学校资源对学生未来在劳动力市场获得成功产生何种影响,卡德同样做出重要贡献。他的研究成果再次质疑传统观点!此前研究表明,资源增加与学校表现(以及今后劳动力市场机遇)的相关性非常低。但是,问题在于此前的而研究工作未将补偿性资源配置纳入考量范围。例如,对于学生成绩欠佳的学校,决策者很可能加大教学质量投资。
为了核查学校资源对学生日后在劳动力市场的成功起到何种作用,卡德和克鲁格对在同一个州生活但在不同州长大成人者(例如,阿拉巴马州或爱荷华州长大成人的加州居民)的教育回报进行对比。研究人员的设想是,从不同地方移居加州且教育程度相似者具备可比性。如果其教育回报有所不同,那么原因很可能在于阿拉巴马州或爱荷华州对教育系统的投资具有差别。卡德和克鲁格发现教育资源非常重要:同一个州内,实验对象的教育回报与就读学校教师关注度(体现为师生比)呈正相关性。
该项成果也激励了更多新研究的问世。如今,相对强有力的实证结果表明,教育投资对学生日后在劳动力市场的成功产生影响。这种影响对于弱势群体背景学生尤为显著。
这也意味着就读学校的质量对于学生(尤其是弱势群体背景学生)毕业后在劳动力市场的表现具有积极作用。
局部平均处理效应
安格斯特和因本斯展示如何通过自然实验推断因果关系的精确结论。自然实验与临床试验有所不同,因为研究人员无法完全控制哪些试验对象接受试验。
因果关系研究新框架
在所有现实场景下,干预的
效果(例如额外教育对收入的影响)因人而异,立志接受高等教育的学生不太可能在16岁辍学。由于
我们无法迫使任何人接受干预,因此实证
研究也存在类似问题。因此
最终选择参与的群体成员很可能是那些相信自己将从中获益者。然而,分析数据的研究人员只知其然(哪些人参与实验),但不知其所以然(那些人为何参与)。当我们不知道实验对象的加入只是因为自然实验(或随机实验)提供了机会,还是别的什么原因。那么教育和收入间的因果关系如何得以成立?

1990年代中期的一项颇具影响力的研究中,安格斯特和因本斯解决了这个问题。具体而言,他们会提出以下问题:在何种情形下,我们可以通过自然实验预估特定干预的效果,例如计算机课程,当效果因人而异,且我们无法完全控制哪些实验对象能够参与,我们该如何估算和解读这种影响呢?
稍微简化一点,我们可以想象这样一项自然实验,它会把实验对象随机分配至实验组和对照组。前者有资格参与一个项目而后者则没有。安格斯特和因本斯证明,通过两步法流程(亦称之为工具变量法)预估项目效果颇具可行性。第一步调查自然实验如何影响实验对象的参与概率;第二步则在评估项目实际影响时考虑上述概率。根据安格斯特和因本斯仔细斟酌制定的一系列假设,研究人员得以估算该项目的影响。即便他们对哪些实验对象真正受到自然实验的影响毫不知情。
一个重要结论是,我们只能估计那些被自然实验改变行为的人群受到的影响。这意味着,安格斯特和克鲁格关于多接受一年教育对收入影响的结论(他们的估算是9%)只适用于那些到了16岁即离校辍学的孩子。尽管无法确定具体哪些孩子属于该群体,但我们可以确定其规模。因此该群体所受影响被命名为局部平均干预效果(简写为LATE)。
因此,安格斯特和因本斯准确地展示了从自然实验中得到的因果结论。他们的分析也和随机实验有关,在随机实验中,我们无法完全控制哪些实验者参与到干预之中,而几乎所有现场实验同样如此。安格斯特和因本斯开发的研究框架已被分析数据的研究人员广泛采用。通过澄清建立因果关键必需的假设条件,其研究框架也增加了实证研究的透明度,可信度也随之水涨船高。
一场实证研究的革命
今年诺奖得主在1990年代初的贡献表明,通过自然实验能够解答因果关系的重要问题。三位获奖者所作的贡献相得益彰:安格斯特和因本斯对自然试验的方法论见解;卡德则将该方法论应用于重大问题,为其他研究人员指明了方向。目前,我们拥有一个连贯自洽的研究框架,该框架使我们获悉如何解读这类研究成果。三位经济学家的工作为社会科学的实证研究带来革命性变化,显著提升了研究人员对那些关乎所有人重要利益问题的解答能力。
因果推断研究背景
作为万物的灵长,人类天性当中就包含了对因果关系的好奇。当看到一桩新事物的时候,人们总是会不禁地问:“这东西为什么会这样?它背后的原因到底是什么?”比如,在战国时期著名诗人屈原的长诗《天问》中,就围绕天地万物运行的因果一口气提出了170多个问题。
在古人看来,因果关系是神圣的,具有极高的价值。据说,曾经有人问过古希腊哲学家德谟克里特,因果关系到底有什么价值,这位哲人的回答是,对他来说,一个因果关系的价值要胜过一个波斯的王位——尽管这个回答是出自一位哲人之口,但它确实也在一定程度上道出了因果关系在人们心中的重要地位。
由于因果关系对人们来说是如此的重要,因此至少从两千多年前开始,人们就已经开始了对因果问题的相关理论探究。例如,亚里士多德在其著作当中,就曾经提出了著名的“四因说”,把事物的原因分为了“形式因”、“质料因”、“动力因”和“目的因”,并提出了用枚举和归纳来推测因果的操作方法。到了文艺复兴时期,弗朗西斯·培根等学者则开始用归纳法来分析事物的因果。随后,约翰·穆勒则在自己的著作《逻辑体系》(注:中译由严复先生翻译,题目为《穆勒名学》)中对通过归纳确定因果关系的思路进行了详细的论证,并提出了五种分析因果关系的方法。后来,这五种方法被学界统称为称为“穆勒五法”。由于穆勒本人是古典经济学的重要代表人物,因此经济学界或许有权利宣称早在19世纪时,经济学人已经开始了对因果问题的研究。
不过,和穆勒的讨论相比,现代经济学意义上的因果关系还是有很大不同的。如果说,在穆勒时代,因果推断更多是一种基于哲学的探索,那么现代意义上的因果推断则更多是一种统计上的努力。
在现代经济学中,曾经有两个和因果相关的理论先后受到了人们的重视:
前一个理论是所谓的“格兰杰因果”(Granger Causality)理论。这种因果理论关系的是两组时间序列之间的关系。例如,我们观察了几十年的收入和消费数据,发现从收入的变化可以从统计上解释消费的变化,但反过来不行,那我们就可以说收入是消费的原因,但反之不然。需要指出的是,尽管“格兰杰因果”理论帮助其提出者克莱夫·格兰杰(Clive W.J. Granger)斩获了2003年的诺贝尔经济学奖,并且其在现实当中也有很多应用,但关于“格兰杰因果”究竟能不能属于真正意义上的因果关系,学界是一直存在争论的。并且随着计量技术的发展,“格兰杰因果”已经在学界被逐渐边缘化。
后一个理论则是由统计学家鲁宾(Donald B. Rubin)提出的基于干预效应(Treatment Effect)的因果推断理论。而如果从思想上,这一理论的源头则至少可以追溯到上世纪前半期的著名统计学家耶日•内曼(Jerzy Neyman)。
1923年,当时还是华沙大学博士生的内曼就对因果问题进行过考虑。在他看来,所谓的因果关系,应该是基于一种“干预”(treatment)进行前后被干预对象表现的差别。比如,一亩地如果不用化肥,可以产五百斤的粮;如果用了化肥,可以产八百斤,那么这中间差的三百斤就是使用化肥这个“干预”所产生的因果效应。不过,这里就产生了一个问题:从理论上讲,要看一个因果关系的大小,就应该看同一亩地在施肥这个现实状态和不施肥这个反事实(counterfactual)状态下的产量对比。但是,一亩地怎么可能比较这两种状态呢?显然这就存在一个悖论。内曼提出的一个方案是,可以用对照试验来解决这个问题。比如,可以找一千亩地,随机地把它们分成两组,把其中的一组视为“干预组”(treatment group),另一组作为“对照组”(control group)。对于“干预组”的地,都施用化肥,而对“对照组”的地,则什么也不做。最后,研究者只需要对比“干预组”和“对照组”的平均亩产量,就可以得到最终的因果效应。
应该说,内曼的方法是十分有建设性的。事实上,在他的方法提出后,就立即被很多学科采纳了。甚至在一直被认为不能进行实验的经济学领域,也催生出了实验的方法,而采用实验方法的迪芙洛(Esther Duflo)和班纳吉(Abhijit Banerjee),也于2019年获得诺贝尔经济学奖。
需要说明的是,尽管实验的方法可以在很多条件下帮助我们识别因果效应,但是在很多情况下,实验根本无法进行。比如说,如果我们要分析某种食物的致癌性,那么从理论上讲,最好的办法就是找一个“对照组”和一个“实验组”,让一组人吃这种食物,另一组人则不吃,然后比较这两组人的癌症患病率。但是,除了极少数的科学狂人之外,恐怕没有人会同意这个方案,因为它实在是违背了伦理。换言之,在现实当中,是否接受“干预”很难是一个随机现象。在这种条件下,直接比较两组人的表现就不再能直接表达出因果效应。以吸烟和癌症为例,有一种理论就认为,有些人之所以爱吸烟,就是因为含有某种基因,而这种基因本身就能让人更容易得癌症。因此,表面上看起来的吸烟导致的高致癌率,其实是因为这种基因所引起的。
基于以上原因,鲁宾在分析因果问题的时候,并没有沿用内曼所建议的实验方法。不过,他保留了内曼关于因果效应的定义,认为它应该被定义为“干预”之后的实际状态与没有进行“干预”的“反事实”状态之间的区别。那么,怎么样才能计算出这两个状态之间的差别呢?他给出的方案是,如果可以创造一种环境,在控制一些因素后,让是否接受“干预”可以成为一种随机的事件,那么就可以通过比较接受“干预组”的平均表现和“对照组”的平均表现来获得因果效应了。或者更为通俗地说,尽管在现实当中,有时候我们没法进行实验,但是如果可以设法模拟出一个类似的随机试验环境,那么内曼的结论就依然是适用的。比如,如果我们可以找到两组人,通过一定的分析,认定他们从事前看选择吸烟和不吸烟的概率是相同的,那么我们就可以通过比较这两组人的癌症发病率来推断因果效应了。
鲁宾的因果推断框架一经提出,就立即引起了很多学科的重视。而经济学界显然是受到其影响最深的领域之一。在鲁宾之后,“因果推断”开始逐渐占领了经济学专业杂志,随后又开始逐渐占领了教科书,进而成为了显学。
5项因果推断的应用利器
鲁宾为因果推断的研究提供了必要的概念和框架,那么如何才能将这个框架进行应用。换言之,就是如何去创造一个“干预组”和“干预组”独立于其他各种因素的环境。从现有的文献看,目前经济学家们比较常用的方法主要有五种:
第一种是“倾向性得分匹配”(propensity score matching)。这种方法的提出者,就是鲁宾和他的合作者保罗·罗森鲍姆(Paul Rosenbaum)。
这种方法的思路很简单,就是如前面说的,直接从“干预组”和“对照组”当中找出两组人来,保证他们事前选择是否接受干预的概率相同,然后对其表现进行比较。
具体来说,我们可以考虑两组人的各种特征对于是否接受“干预”的影响。比如,一个人是不是抽烟会取决于很多因素,例如年龄、性别、财富、地位、工作等大量因素都会影响抽烟的概率。利用统计学的方法,我们可以把每种因素的影响大小计算出来,最后就可以计算出每个人吸烟的概率。随后,我们就可以把“干预组”和“对照组”当中概率近似的人分别拉在一起进行比较。比如,在两组人当中,都有一部分人从事前看有70%的概率可能吸烟,从事后看,确实吸了烟的人癌症患病率是3%,而没有吸烟的人的患病率是1%,那么这一批人当中,吸烟对癌症发病率的因果作用就是2%。研究者可以重复以上过程,把所有概率的人都进行一个对比,得到很多组差值,最后把这些差值进行平均,就得到了我们所要的因果效应。
第二种方法是回归分析(Regression Analysis)。如果要详细考察回归的历史,我们至少可以追溯到达尔文的那位表弟高尔顿。事实上,正是一些甚至不被他自己看好的研究催生了现代统计学中的一个重要工具——回归。
要用纯文字介绍回归并不很容易,但大致上讲,它可以被描述为一个求解条件均值的问题。举例来说,假如我们要对一个地区的房产价格及其影响进行分析。影响房产的因素很多,地段、楼层、户型、面积都会影响房价。但作为研究者,我们希望确切地知道,如果给定其他因素不变,其中的每一个因素究竟是怎么影响房价的。或者更为具体的说,我们希望把房价表示成一个由各种因素影响的公式,在每个因素前面,都有一个数字,它们都可以表示给定其他因素不变,这个因素对于房价的影响大小。得到这个公式的步骤,就是回归。
在统计当中,实现回归的方法很多,最常见的就是所谓的“最小二乘法”。很显然,如果我们所考虑的每一个因素都是一个外生给定的量,而不受其他隐藏条件的影响,那么回归就可以很好地控制那些无关紧要的因素,通过观察我们关注的因素前面的系数,就可以得到鲁宾意义上的因果效应。
第三种方法是所谓的“工具变量法”(Instrumental Variable Method)。这种方法是用来干预所谓的“内生性”(endogeneity)问题的。
如前所述,在鲁宾的分析框架当中,要求在控制了各种变量后,“干预组”和“对照组”在事前接受干预的概率是相同的。但在现实当中,干预变量很可能受到某些不能观察的因素的影响,因而即使控制了所有可以观察的变量,我们也很难构造出一个鲁宾模型所要求的那个条件。这时,我们就可以引入工具变量来进行干预。
举个最简单的例子,需求曲线可能是经济学家最为津津乐道的模型了。需求曲线是一个再简单不过的模型,它只是需求量和意愿支付价格之间的关系,而一旦有了这个模型,经济学家们就可以得到很多结论。但是,问题在于有人能确切说出一个市场上的需求曲线是什么样的吗?有人可能说,这个不难啊,我们不是有市场的历史数据吗?把所有时期的数据找来,看一下每一个时期价格和市场销量的关系,用回归得到一个公式不就行了吗?但这显然是有问题的。在现实当中,我们看到的每个时期的销量都是供给和需求共同作用的结果,因此,我们就很难简单地把市场上的销量视为需求量。为了要把需求分离出来,我们就必须要分离出供给的影响。
那么,怎么从市场的销量当中分析出供给的影响呢?一个方法,就是寻找一个只会影响供给,而不会影响其他因素的变量,用它的变化来推测供给的变化。比如,在渔业市场上,鱼的供给量是和天气密切相关的,因此我们就可以通过统计来得到这种关系。如果我们知道了每一个历史时刻的天气状况,就可以推测出每一个时间的供给曲线。如果我们熟悉供给模型,就可以知道,随着供给曲线的外生移动,它会和需求曲线交出一个个的点,而通过这些点,我们就可以识别出需求曲线中价格和需求量之间的关系,而借助这个模型,就可以知道每一单位需求量对于消费者意愿支付的因果影响。在这个例子中,天气只会通过供给来影响销量,因此它就是本模型当中的一个工具变量。工具变量是来自于原模型之外的,但借助它,我们就可以看清模型内部的关系。
值得一提的是,在所有常用的因果推断方法中,工具变量法可能是唯一一个由经济学家原创的。之所以说是“可能”,这个方法的提出者据说是一位名不见经传的经济学家菲利普·莱特(Philip Wright),他研究的是植物油的关税这样一个小众的领域。而碰巧的是,他的儿子斯威尔·莱特(Swell Wright)却是一位鼎鼎大名的统计学家,所以究竟这个方法是父子两人中的哪一个提出的,本身就成了一桩悬案。
第四种方法是所谓的“倍差法”,或者“双重差分法”(Difference in Differences Method)。从某种意义上讲,这种方法其实是对控制实验法的一种拓展。如前所述,如果要想从一个控制实验当中识别出因果关系,那么就需要保证“干预”选取的随机性,也就是要让“干预组”和“对照组”的表现在事先是没有差异的。但是,在现实中,干预很难做到这么随机,“干预组”和“对照组”的事先表现总会有一定的差异。在这种情况下,怎么识别因果关系呢?一个办法就是,分别记录下干预发生前后“干预组”和“对照组”的两次差值,然后用干预后的差减去干预前的差。如果在干预前后,这两组对象之间差值的变化仅仅来自于干预活动的话,那么这个“差值的差”就是干预所带来的因果效应。
最早发现并应用“倍差法”的是公共卫生学家。早在19世纪,英国的公共卫生学家约翰·斯诺(John Snow)就用这个方法研究了饮水质量和霍乱之间的关系。当时,他猜测饮用水的不清洁很可能是导致霍乱的一个重要原因,但却很难找到证据。巧的是,一个“自然实验”的发生为他研究这个问题创造了条件。当时,伦敦的饮用水是由两个水厂供应的,而其中的一个水厂正好发生了搬迁,从一个水质较差的地区搬到了一个水质较好的地区。斯诺就利用这个自然实验的机会,记录下了搬迁前后两个水厂供水地区的霍乱发生率,并计算了相应的双重差分。通过分析,他就得到了水质和霍乱发生率之间的因果关系。
第五种方法是所谓的“断点回归设计”(Regression Discontinuity Design)。这个方法最早是由心理学家坎贝尔(Donald T. Campbell)和西斯尔维特(Donald  Thistlewaite)共同提出的。这个方法的要义是:一个干预的发生与否,是和某一个指标的断点相关的。这时,我们只需要比较一下这个断点两边对象的相关表现就可以得到因果关系。
例如,我们是不是能上大学,能不能上重点大学,主要就是看分数。假设在某一年,高考录取线是500分,那么这个分数之上的人就可以上大学,而低于这个分数的就不能上大学。但是,我们知道在现实中,高考分数是有很强的随机性的,考501分的人和考499分的人,水平很可能是难分伯仲的。因此,把断点两边的人对照起来看,我们就创造了一个近似的控制实验环境。如果我们对上大学的教育回报率感兴趣的话,只要比较一下这两个群体的人的收入,就可以找到答案了。
通过倾向性得分匹配、回归、工具变量法、倍差法,以及断点回归设计这五项利器,经济学家们就可以在实践当中将鲁宾的因果推断框架切实落地了。而在应用和发展这些工具的经济学家当中,这次斩获诺奖的“三剑客”毫无疑问都是其中的佼佼者。
经济学的新变化
实验经济学和实践贡献近年来愈发受到重视。近几年的诺贝尔经济学奖均颁给了在实验经济学领域做出了巨大贡献的经济学家。一个主要原因是,实验经济学能够通过更加可靠且实际的因果分析,针对广泛的社会问题提供更加有效的政策建议。无论是卡德、安格斯特还是因本斯,三位经济学家都是通过将自然实验法、双重差分模型或改进后的非实验性数据应用于微观经济学中的具体领域中(如就业、教育、医疗、反恐、政策效果以及移民研究),从而为解决复杂的社会问题提供了更加可靠的因果分析与经验证据。
经济学更需要批判精神。三位经济学家的学术追求均反映了批判性精神对学术创新的重要性。长期以来,在主流经济学中,经验微观经济学领域没有受到足够重视。三位新晋诺奖获得者的学术贡献帮助经验微观经济学从传统经济学已有结论的束缚中解脱出来。在卡德、安格斯特和因本斯的学术生涯中,他们一次次通过丰富的实证结果和严密的因果分析成功反击了主流经济学界的不同质疑。这反映了经济学界需要更多具有批判性精神和创新精神的经济学家,在质疑传统经济学的固有结论基础上,新一代经济学家需要通过大胆的实证创新和小心的因果推断引领经济学迈向更加多元化的发展方向。

历届诺贝尔经济学奖得主及主要贡献

诺贝尔经济学奖是瑞典国家银行为纪念阿尔弗雷德·诺贝尔而设立的奖项。虽然经济学奖并非根据阿尔弗雷德·诺贝尔的遗嘱所设立的,但在评选步骤、授奖仪式方面与诺贝尔奖相似。1968年起,奖项由瑞典皇家科学院每年颁发一次,颁奖遵循对人类利益做出最大贡献的原则。1969年(瑞典国家银行成立300周年庆典时)第一次颁奖。
基本事实
以下是有关诺贝尔经济学奖的一些基本数据:
  • 自1969年至2020年,诺贝尔经济学奖已经颁发了52次,共有84人获奖。在经济学奖的52次颁奖中,共有25次授予了一位获奖者,20次授予了两位获奖者,7次授予了三位获奖者。
  • 诺贝尔经济学奖得主的平均获奖年龄为66岁,是所有领域中得奖者平均年纪最大的奖项。迄今为止,最年轻的诺贝尔经济学奖得主是埃丝特·迪弗洛( Esther Duflo),但她在 2019 年获奖时已经 46 岁。
  • 俄裔美国经济学家赫维茨(Leonid Hurwicz)在2007年以90岁高龄获奖,是当时诺贝尔奖史上年纪最长的得主,翌年6月病逝。这个纪录直到2018年才被物理学奖得主、96岁获奖的美国科学家阿斯金(Arthur Ashkin)给打破。此外,最高龄诺贝尔奖得主排行榜第三名也是经济学家,美国学者沙普利(Lloyd S. Shapley)因创建稳定分配理论,在2012年以89岁高龄成为诺贝尔奖得主。
  • 女性诺贝尔经济学奖得主:埃莉诺·奥斯特罗姆( Elinor Ostrom)是第一位女性经济学奖得主。埃莉诺·奥斯特罗姆 (Elinor Ostrom) 于2009年获奖。埃丝特·迪弗洛 (Esther Duflo)于 2019 年获奖,成为第二位女性获奖者。
  • 诺贝尔经济学奖夫妻获奖者:2019年诺贝尔经济学奖得主班纳吉(Abhijit Banerjee)与迪弗洛(Esther Duflo)都是美国麻省理工学院(MIT)经济学教授,是史上第一对共享诺贝尔经济学奖的夫妇。时年46岁的迪弗洛,不仅是史上第二位获得经济学奖的女性,也是史上最年轻的经济学奖得主。
以下,我们介绍历届诺贝尔经济学奖得主及其主要贡献。
2020年
保罗·米尔格龙(美国)
罗伯特·威尔逊(美国)
获奖理由:改善拍卖理论和发明全新拍卖模式。
2019年
阿比吉特·班纳吉(美国)
埃斯特尔·杜弗洛(美国)
迈克尔·克雷默(美国)
获奖理由:为减轻全球贫困所采取的实验性方法。
2018年
保罗·罗默(美国)
威廉·诺德豪斯(美国)
获奖理由:在创新、气候和经济增长方面研究的杰出贡献,他们设计了一系列方法来解决我们时代最基本和最紧迫的问题——如何创造长期可持续的经济增长。
2017年
理查德·H·泰勒(美国)
获奖理由:理查德·塞勒将心理上的现实假设纳入到经济决策分析中。通过探索有限理性,社会偏好和缺乏自我控制的后果,他展示了这些人格特质如何系统地影响个人决策以及市场成果。
2016年
奥利弗·哈特(英国)
本特·霍姆斯特罗姆(芬兰)
获奖理由:在契约理论方面的卓越贡献,将相关理论用于公司,企业治理及金融危机期间流动性问题的研究。
2015年
安格斯·迪顿(英国)
获奖理由:对消费、贫困和福利的分析。
2014年
让·梯若尔(法国)
获奖理由:对理解和监管行业中少数重要公司的理论研究尤其出色,即他对寡头垄断现象的研究。
2013年
尤金·法马(美国)
拉尔斯·皮特·汉森(美国)
罗伯特·希勒(美国)
获奖理由:表彰他们对资产价格的经验分析。
2012年
埃尔文·罗斯(美国)
罗伊德·沙普利(美国)
获奖理由:创建“稳定分配”理论,并进行“市场设计”的实践。
2011年
克里斯托弗·西姆斯(美国)
托马斯·萨金特(美国)
获奖理由:研究政策变量在宏观经济运行中扮演的角色,在宏观经济学中对成因及其影响进行实证研究。
2010年
彼得·戴蒙德(美国)
戴尔·莫滕森(美国)
克里斯托弗·皮萨里季斯(塞浦路斯)
获奖理由:对“经济政策如何影响失业率”理论进行了进一步分析。
2009年
埃莉诺·奥斯特罗姆(美国)
奥利弗·威廉森(美国)
获奖理由:奥斯特罗姆因为“在经济管理方面的分析、特别是对公共资源管理的分析”获奖;威廉森则因为“在经济管理方面的分析、特别是对公司边界问题的分析”获奖。
2008年
保罗·克鲁格曼(美国)
获奖理由:整合了此前经济学界在国际贸易和地理经济学方面的研究,在自由贸易、全球化以及推动世界范围内城市化进程的动因方面形成了一套理论。
2007年
莱昂尼德·赫维奇(美国)
埃里克·马斯金(美国)
罗杰·迈尔森(美国)
获奖理由:在创立和发展“机制设计理论”方面作出卓出贡献。
2006年
埃德蒙·费尔普斯(美国)
获奖理由:在上个世纪60年代后期对当时盛行的“菲利普斯曲线”理论提出了挑战。
2005年
罗伯特·奥曼(以色列)
托马斯·谢林(美国)
获奖理由:通过对博弈论的分析加深了对冲突与合作的理解。
2004年
芬恩·基德兰德(挪威)
爱德华·普雷斯科特(美国)
获奖理由:在动态宏观经济学领域中作出重要贡献。
2003年
罗伯特·恩格尔(美国)
克莱夫·格兰杰(英国)
获奖理由:在处理经济时间序列的两个关键性质:时变波动性和非平稳性时,所开创的统计分析方法。
2002年
丹尼尔·卡尼曼(美国)
弗农·史密斯(美国)
获奖理由:在心理和实验经济学研究方面所做的开创性工作。 
2001年
迈克尔·斯彭斯(美国)
乔治·阿克尔洛夫(美国)
约瑟夫·斯蒂格利茨(美国)
获奖理由:在“对充满不对称信息市场进行分析”领域作出重要贡献。
2000年
詹姆斯·J·赫克曼(美国)
丹尼尔·L·麦克法登(美国)
获奖理由:发展广泛应用在经济学以及其他社会科学中对个人和住户的行为进行统计分析的理论和方法。尤其是,赫克曼对分析选择性样本的理论和方法的发展,麦克法登对分析离散抉择的理论和方法的发展。
1999年
罗伯特·门德尔(加拿大)
获奖理由:对不同汇率体制下货币与财政政策以及最适宜的货币流通区域所做的分析使他获得这一殊荣。
1998年
阿马蒂亚·森(印度)
获奖理由:对福利经济学几个重大问题做出了卓出贡献,包括社会选择理论、对福利和贫穷标准的定义、对匮乏的研究等。
1997年
罗伯特·默顿(美国)
迈伦·斯科尔斯(美国)
获奖理由:罗伯特·默顿对布莱克-斯科尔斯公式所依赖的假设条件做了进一步减弱,在许多方面对其做了推广;迈伦·斯科尔斯给出了著名的布莱克-斯科尔斯期权定价公式,该法则已成为金融机构涉及金融新产品的思想方法。
1996年
詹姆斯·莫里斯(英国)
威廉·维克瑞(美国)
获奖理由:詹姆斯·莫里斯在信息经济学理论领域做出了重大贡献,尤其是不对称信息条件下的经济激励理论;威廉·维克瑞在信息经济学、激励理论、博弈论等方面都做出了重大贡献。
1995年
罗伯特·卢卡斯(美国)
获奖理由:倡导和发展了理性预期与宏观经济学研究的运用理论,深化了人们对经济政策的理解,并对经济周期理论提出了独到的见解。
1994年
约翰·纳什(美国)
约翰·海萨尼(美国)
莱因哈德·泽尔腾(德国)
获奖理由:在非合作博弈的均衡分析理论方面做出了开创性成果,对博弈论和经济学产生了重大影响。
1993年
道格拉斯·诺斯(美国)
罗伯特·福格尔(美国)
获奖理由:道格拉斯·诺斯建立了包括产权理论、国家理论和意识形态理论在内的“制度变迁理论”;罗伯特·福格尔用经济史的新理论及数理工具重新诠释了过去的经济发展过程。
1992年
加里·贝克尔(美国)
获奖理由:将微观经济理论扩展到对人类相互行为的分析,包括市场行为。
1991年
罗纳德·科斯(英国)
获奖理由:揭示并澄清了经济制度结构和函数中交易费用和产权的重要性。
1990年
默顿·米勒(美国)
哈里·马科维茨(美国)
威廉·夏普(美国)
获奖理由:在金融经济学方面做出了开创性工作。 
1989年
特里夫·哈维默(挪威)
获奖理由:建立了现代经济计量学的基础性指导原则。
1988年
莫里斯·阿莱斯(法国)
获奖理由:在市场理论及资源有效利用方面做出了开创性贡献,对一般均衡理论重新做了系统阐述。 
1987年
罗伯特·索洛(美国)
获奖理由:对增长理论做出卓越贡献,提出长期的经济增长主要依靠技术进步,而不是依靠资本和劳动力的投入。
1986年
詹姆斯·布坎南(美国)
获奖理由:将政治决策的分析同经济理论结合起来,使经济分析扩大和应用到社会—政治法规的选择。
1985年
弗兰科·莫迪利安尼(美国)
获奖理由:第一个提出储蓄的生命周期假设,这一假设在研究家庭和企业储蓄中得到了广泛应用。
1984年
理查德·约翰·斯通(英国)
获奖理由:国民经济统计之父,在国民帐户体系的发展中做出了奠基性获奖理由,极大地改进了经济实践分析的基础。
1983年
罗拉尔·德布鲁(美国)
获奖理由:概括了帕累拖最优理论,创立了相关商品的经济与社会均衡的存在定理。罗拉尔·德布鲁的工作改写了现代数理经济学,他的影响在各个领域都能看到,他不仅引入了许多重要的新概念,而且对国内外同事和学生产生了许多强有力的影响。德布鲁最杰出的获奖理由或许还是间接性的。他用词准确,分析有说服力,始终强调把一种理论与其解释截然分开,这一切对经济学中分析方法和分析工具的选择产生了深刻而卓绝的影响。
1982年
乔治·斯蒂格勒(美国)
获奖理由:在工业结构、市场的作用和公共经济法规的作用与影响方面,做出了创造性成果。乔治·斯蒂格勒长期从事有着鲜明经验主义导向的研究工作,涉及的范围非常广泛,其中尤以在市场活动研究和产业结构分析中所做的获奖理由最为重要。他的研究工作之一是调查经济立法如何影响市场。他对经济立法效力的研究使得管制立法的产生,并为经济学研究开创了一个全新的领域。斯蒂格勒的成就确立了他在市场及产业结构应用研究中的领导地位。由于斯蒂格勒研究的突出特色,他还被公认为是“信息经济学”和“管制经济学”的创始人,同时也是经济学和法学交叉研究的带头人之一。
1981年
詹姆士·托宾(美国)
获奖理由:阐述和发展了凯恩斯的系列理论及财政与货币政策的宏观模型,在金融市场及相关的支出决定、就业、产品和价格等方面的分析做出了重要贡献。托宾的获奖理由涵盖经济研究的多个领域,在诸如经济学方法(econometric methods)、风险理论(risk theory)等内容迥异的方面均卓有建树,尤其是在对家庭和企业行为(household and firm behaviour)以及在宏观经济学纯理论和经济政策的应用分析方面独辟蹊径。
1980年
劳伦斯·罗·克莱因(美国)
获奖理由:以经济学说为基础,根据现实经济中实有数据所作的经验性估计,建立起经济体制的数学模型。由于克莱因的努力,经济计量模型的编制已经广泛使用。经济计量模型现在可在全世界找到,不仅在科学机关中,而且也在公共行政、政治组织和大企业中。在经济科学的领域中,很少有人像劳伦斯·克莱因那样拥有这么多的后继者和这么大的影响。
1979年
威廉·阿瑟·刘易斯(英国)
西奥多·舒尔茨(美国)
获奖理由:在经济发展方面做出了开创性研究,深入研究了发展中国家在发展经济中应特别考虑的问题。他们所提出的著名的“二元经济”模型理论为他赢得了极大的声誉并引起了广泛的科学辩论,由此形成了对刘易斯原来的前提的一系列发展和补充,该模型亦被运用于实际以验证其应用性。有趣的是刘易斯的简单模型分析不只表明了发展中国家贫困的根本理由,也有助于对第三世界各国的历史和统计发展模式做多方面的透视。
1978年
赫泊特·亚·西蒙(美国)
获奖理由:对于经济组织内的决策程序进行了研究,这一有关决策程序的基本理论被公认为关于公司企业实际决策的见解。
1977年
戈特哈德·贝蒂·俄林(瑞典)
詹姆斯·爱德华·米德(英国)
获奖理由:对国际贸易理论和国际资本流动作了开创性研究。
1976年
米尔顿·弗里德曼(美国)
获奖理由:创立了货币主义理论,提出了永久性收入假说。他主张在通货膨胀与货币供给之间有着一个紧密而稳定的连结关系,亦即通货膨胀的现象应该是以联邦储备银行对全国经济提供的货币数量为基准;他强烈反对以金融政策作为需求管理的手段,并且主张政府在经济上扮演的角色应该被严格限制。他亦深信经济自由,最终将导致政治自由。
1975年
列奥尼德·康托罗维奇(前苏联)
佳林·库普曼斯(美国)
获奖理由:康托罗维奇创立了享誉全球的线形规划要点;库普曼斯将数理统计学成功运用于经济计量学,把资源最优利用这一传统经济学问题,由定性研究和一般定量分析推进到现实计量阶段,对线性规划方法的建立和发展做出了开创性贡献。
1974年
弗·冯·哈耶克(澳大利亚)
纲纳·缪达尔(瑞典)
获奖理由:深入研究了货币理论和经济波动,并深入分析了经济、社会和制度现象的互相依赖。他们的大多数研究工作指向最宽广意义上的经济问题,特别是美国黑人问题和发展中国家的贫困问题,缪达尔寻求把经济分析联系到社会的、人口的和制度的条件。哈耶克把他的研究领域扩大到包括像经济制度的法律构架之类的因素,以及有关个人、组织和不同社会制度发挥作用的方式的问题。两人都对经济政策问题深感兴趣,并且因此也研究了我们社会中组织的、制度的和法律的条件的变化。
1973年
华西里·列昂惕夫(前苏联)
获奖理由:发展了投入产出方法,投入产出分析为研究社会生产各部门之间相互依赖关系,特别是系统地分析经济内部各产业之间错综复杂的交易提供了一种实用的经济分析方法。
1972年
约翰·希克斯(英国)
肯尼斯·约瑟夫·阿罗(美国)
获奖理由:深入研究了经济均衡理论和福利理论。
1971年
西蒙·库兹列茨(美国)
获奖理由:在研究人口发展趋势及人口结构对经济增长和收入分配关系方面做出了巨大贡献。他通过对大量历史统计资料的整理和比较,阐述了人口增长和人口结构、国民总收入、生产率、产业结构、收入分配结构、产品使用结构、国际经济流量等经济变量在经济增长过程中的变化趋势、变化特点及相互间的联系,为经济增长研究领域提供了权威性的统计资料,对经济增长过程作了以经验为依据的解释,指出经济增长是通过技术进步及资本主义社会的结构、制度和意识形态的相应调整而实现的。
1970年
保罗·安·萨默尔森(美国)
获奖理由:发展了数理和动态经济理论,将经济科学提高到新的水平。他的研究涉及经济学的全部领域。他根据所考察的各种问题,采用了多种数学工具,使用了既包括静态均衡分析,也包括动态过程分析的方法,这对当代微观经济学和宏观经济学许多理论的发展,都有一定的影响。
1969年
简·丁伯根(荷兰)
拉格纳·弗里希(挪威)
获奖理由:发展了动态模型来分析经济进程,在经济学的研究方法上和经济学的计量分析技术上,以及在把经济理论运用于经济政策的制定等实际应用方面的突出获奖理由拉格纳·弗里希是经济计量学的奠基人,简·丁伯根是经济计量学模式建造者之父。
参考资料:
https://www.nobelprize.org/prizes/economic-sciences/2021/summary/
https://www.nobelprize.org/uploads/2021/10/popular-economicsciencesprize2021.pdf
https://www.nobelprize.org/prizes/facts/facts-on-the-prize-in-economic-sciences/
https://mp.weixin.qq.com/s/Tek9JQ9Bvx4AJoOCZ-7Fqg
更多精彩:
相关阅读:

作者:本号综合,版权归属作者/原载媒体所有。


喜欢本文?欢迎关注/置顶/点赞/加入留学家长公益交流社群:
继续阅读
阅读原文