引入因果關系分析的本科計量經濟學教學改革研究

摘? 要：現代計量經濟學已經進入一個以因果識別為重要理論方法的新時代。該文分析國內外高校計量經濟學教學改革現狀和現代計量經濟學范式的轉變，提出引入因果關系分析的計量經濟學課程改革的意義，介紹計量經濟學引入因果關系分析的改革內容設計。該文對于提升本科計量經濟學教學水平，培養本科計量經濟學人才具有意義。

關鍵詞：本科；因果推斷；計量經濟學；教學改革；范式轉變

中圖分類號：G642? ? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：2096-000X（2024）09-0009-05

Abstract： Modern econometrics has entered a new era with causal identification as an important theoretical approach. This paper analyzes the current situation of econometrics teaching reform in domestic and foreign universities and the transformation of modern econometric paradigm， puts forward the significance of econometrics course reform by introducing causal analysis， and introduces the reform content design of econometrics course by introducing causal analysis. This paper is of significance to improve the teaching level of undergraduate econometrics and train undergraduate econometrics talents.

Keywords： undergraduate; causal inference; Econometrics; teaching reform; paradigm shift

基金項目：江西省教育科學規劃“十四五”規劃2022年度一般課題“后疫情時代江西高校創業教育對大學生創業意愿的影響研究”（22YB011）；2020年南昌大學校級教學改革研究課題“基于文本法的本科《計量經濟學》課程教學模式的創新研究”（NCUJGLX-2020-166-143）；國家自然科學基金項目“企業開放式創新的形成機理——基于員工多樣性的解釋與實證研究”（71862022）

作者簡介：余偉（1979-），男，漢族，湖北黃梅人，管理學博士，副教授。研究方向為經濟計量分析。

計量經濟學是經管類本科生的一門重要的必修類課程。但是在計量經濟學的授課中，本科生和研究生所使用的教材內容仍然沿襲了舊范式，一些教學內容是不適應時代發展的。目前在經濟學經驗研究中廣泛應用的因果推斷方法仍然沒有成為《計量經濟學》教科書的重要內容。目前，國內計量經濟學的訓練甚至一些經管學科水平較高的“雙一流”大學主要聚焦于統計推斷，其思想是：由于“總體”未知的原因，在現實中往往觀測到的是總體的一個樣本，因此，實際上是通過樣本信息獲得樣本回歸函數，并用其對總體回歸函數做出統計推斷，即進行所謂的統計檢驗，包括兩個方面。一是先檢驗樣本回歸函數與樣本點的“擬合優度”，二是檢驗樣本回歸函數與總體回歸函數的“接近”程度。在經濟學的實證研究中，利用樣本信息進行的估計是否能夠反映總體，是實證研究中一個非常重要的問題[1]。但是，統計推斷的本身通常很少能得到因果關系的信息。

隨著大數據技術的發展，科學研究開始進入一個海量數據的時代，這使得數據樣本容量不斷擴大，甚至獲得總體的信息成為可能。但是，即使掌握了總體數據，也不能僅依靠統計推斷就得出因果關系的結論。比如，假設有全國人口普查的數據，想考察收入如何影響住房消費，仍然沒有辦法獲得因果效應的結論。因為因果效應不取決于樣本的大小，對于因果效應的探討是計量經濟學深層的問題，是獲得經濟現象中變量間關系的關鍵。因此，對經驗研究來說，要獲得變量之間因果效應，需要利用因果推斷方法。

一? 國外高校計量經濟學教學發展現狀

目前，美國主流大學在計量經濟學的授課正逐步轉變以因果經驗為導向，而不再僅僅局限于經典計量經濟學方法的講授。首先是計量經濟學教材內容的變化。表1列出了美國大學《計量經濟學》在1970年代、1970年代（不包括更高級教材）和當代的教材文本中涵蓋的內容主題。從表1可以發現，1970年代和1970年代（不包括更高級的教材）的經典教材涵蓋的文本主題僅有0.7%涉及因果效應，雙重差分法（倍差法分析法）和斷點回歸方法沒有被包含在文本中；而當代《計量經濟學》教材中涵蓋的文本主題有3.0%涉及因果效應，雙重差分法（倍差法分析法）和斷點回歸方法分別有0.5%和0.1%被包含在文本中。從教材文本還可以看出，1970年代和1970年代（不包括更高級的教材）的經典教材分別有14%和15%使用了經驗實例，而當代《計量經濟學》教材中的經驗實例高達24.4%，反映了美國《計量經濟學》教材更加重視經驗實例的特點。

與此同時，美國大學中計量經濟學課程的覆蓋范圍也反映了向因果經驗轉變的趨勢。表2列出了美國一些頂尖大學如哈佛大學、俄亥俄州立大學、紐約大學計量經濟學的課程覆蓋范圍。表2的第2列提出了計量經濟學講座時間的分配。從表2中可以發現，特別地，超過一半的課程時間是關于回歸性質、回歸推斷、假設失效與補救，以及函數形式的課程。與此分布相一致的是，表中的第3列顯示，除了回歸性質外，大多數閱讀列表都涵蓋了這些主題。回歸性質主題很可能包含在其他回歸標題中。同樣，與表2中描述的當代教材內容類似，講課時間分配顯示，5.9%的課程講座時間是用于涵蓋與因果效應、雙重差分法和斷點回歸相關的主題。專題課程顯示超過四分之一的抽樣教師至少分配了一些講課時間來討論因果效應和雙重差分法。少數人（近17%）也抽出時間至少討論一下斷點回歸方法。這表明，計量經濟學教師教學正領先于計量經濟學的教材。許多年輕的教師在其博士工作中使用了現代的經驗主義方法，所以他們可能想與其學生分享這些材料。一般來說，教科書的著作者可能比教師年齡大，因此，不太可能有現代因果推斷所強調的工具的個人經驗。

二? 因果關系計量經濟學范式的轉變

2021年度諾貝爾經濟學獎被授予三位美國經濟學家Card、Angrist和Imbens，以表彰他們分別“對勞動經濟學的實證研究貢獻”和“對因果關系分析的方法論貢獻”，標志著因果分析受到了主流經濟學界的認可。現代計量經濟學實現了分析范式的轉變：一是對過時的古典回歸框架的修正，從經濟過程的多元建模轉向受控的統計比較；二是重視運用準自然實驗法關注因果問題和實際問題；三是新計量方法的涌現。Angrist和Pischke[2]指出，新的研究范式更加有趣、相關性更強、識別結果更加令人滿意，因而，應該將這一范式引入新的《計量經濟學》教材。

（一）? 因果關系分析框架的建立

20世紀90年代，“自然實驗”逐漸興起，為揭示變量間的因果關系提供了新途徑。“自然實驗”認為，在一些情況下，人們受到政策或制度的影響，就如同被隨機分配成受處理影響的人和不受影響的人（分別屬于處理組和控制組）。到了20世紀90年代中期，Imbens和Angrist進一步發展了自然實驗基礎上的因果推斷方法，提出基于工具變量的因果推斷所要求的基本識別假設。同時，也提出了局部平均處理效應（local average treatment effect，LATE）這一核心概念，構建了因果關系分析框架。

（二）? 重視運用自然實驗法解決實際問題

目前，最低工資的就業效應、教育的收益率和移民的勞動力市場的影響是Card、Angrist和Imbens關注的主要問題，也是國外經典《計量經濟學》教科書中經驗實例的常用內容。

1? 最低工資的就業效應

最低工資的就業效應一直以來受到經濟學家的關注。要推斷最低工資和就業的因果關系，需要在最低工資干預的就業情況（實驗組）和沒有干預的“反事實”情況（對照組）之間進行比較。但最低工資政策實施之后，“反事實”不見了[3]。因此，比較也就難以開展。Card和Krueger于1994年共同發表一篇開創性的論文——Wages and Employment：Minimum A Case Study of the Fast-Food Industry in New Jersey and Pennsylvania利用一次“自然實驗”精巧地解決了這一難題[4]。Card和Krueger調查了美國新澤西州和賓夕法尼亞州東部快餐店在前者提高最低工資水平前后的就業人數，結果發現后者的就業人數有所下降，但前者的就業人數略有增加。這一結論被廣泛認可，對很多國家或地區的政策制定產生了影響。

2? 教育的回報率

教育回報率是勞動與教育經濟學領域關注的議題。個體擁有更高的工資收入，是由于其接受了更多教育，還是由于其原本就擁有高于常人的天賦能力？如果是后者，觀測得到的“高教育高工資”的現象可能反映的只是它們之間的相關關系而不是因果關系。1991年，Angrist和Krueger合作發表論文Does Compulsory Attendance Affect Schooling of Earnings？，論文將義務教育法形成作為自然實驗，獲得教育回報率的有效和一致估計[5]。

3? 移民對勞動力市場的影響

移民是一個在許多國家備受爭議的政策問題。令人擔憂的是，移民的涌入可能會通過降低工資影響就業前景，減少本地工人特別是低技能居民在勞動力市場的機會。但是，移民如何影響居住地區勞動力市場還不明確。Card[6]利用將一次偷渡事件作為一次“自然實驗”，使用“倍差法”解決了上述問題。其發現，雖然大量新移民涌入居住地區，但低技能工人的工資和就業沒有受到影響。

（三）? 新計量方法倍受關注

伴隨著因果關系框架的建立，一些新的計量方法在現代計量經濟學中得到應用具體如下。

1? 傾向得分匹配估計

傾向得分匹配估計是使用非實驗數據或觀測數據進行處理效應分析的一種方法，其目的是消除數據偏誤和混雜變量的影響，使處理組和對照組之間具有可比性[7]。該方法的核心觀點是只需要對傾向得分進行調整，就可以消除處理組和控制組之間的處理前變量差異帶來的偏差，但這種方法最初只能應用于處理僅取兩個值的情況[7]。Imbens[8]將其拓展到估計多值處理的平均處理效應。

2? 斷點回歸設計

斷點回歸設計是利用接受離散處理的斷點來進行因果推斷[9]。斷點回歸的關鍵特征是定義一個“強制變量”（forcing variable）——在該變量的臨界值處，接受處理的概率變化表現為不連續。假定接近臨界值兩端的個體相似，兩者平均結果的差異可以通過是否接受了處理來解釋。RDD通過斷點識別因果效應，識別條件清晰，容易檢驗，研究者個人操縱的可能性較低，成為最透明和最可信賴的研究設計，因而，被稱為經濟學家最喜歡的識別工具[1]。

3雙重差分法（倍差分析法）

雙重差分法（difference-in-differences，DID）假設處理組和控制組擁有相同的線性趨勢，經過兩次差分后就可以獲得要關注的平均處理效應，可以避免內生性問題，以得到政策帶來的實際因果效應。雙重差分法的優點在于可以彌補傳統因果推斷方法的不足：雙重差分法通過引入處理變量，得出政策處理前后處理組差異和控制組差異，再將兩組之間的差異作為政策效應的估計，從而有效地消除了混雜因素的影響。

4合成控制法

合成控制法是對雙重差分法的一類拓展，主要解決這樣一類問題：現實中很難找到與處理組完全相同或者非常相似的控制組，因此共同趨勢假設不一定能得到滿足。Athey和Imbens[10]稱贊合成控制法為過去15年間最重要的政策評價模型。這個方法本質是通過構造虛擬的控制組來解決因果識別問題。例如，某地區某年發生了嚴重的自然災害，對該地區GDP造成了影響。若想分析自然災害影響具體有多大，就需要人為構造一個“該地區沒發生災害時候應該有的GDP”的控制組，這里隱含的假設是自然災害只對該受災地區產生影響，對其他地區并不產生影響，然后實際受災地區和合成地區GDP相減，算出的差值就是自然災害對GDP的影響。這個和傳統的DID思路一致。

5機器學習和因果推斷相結合

近年來，最新的發展趨勢是計量經濟學家們將機器學習方法與因果推斷分析相結合。傳統的因果推斷都是找到與觀測樣本特征相同的反事實樣本，通過比較實際觀測值的差異，從而得出因果效應。機器學習方法能夠減少傳統因果推斷的限制性假設條件，使得不可觀測的研究對象被更精確地預測，因果效應的估計結果更值得信賴。

（四）? 因果推斷理論基礎尚不完備

雖然主流經濟學期刊中大量使用因果推斷作為計量方法，并且在管理學、教育學、社會學等諸多領域獲得應用，但其理論上仍然需要完備[11]。一些因果推斷的結論形成依舊需要建立在傳統計量回歸分析的框架之上，如何將傳統計量回歸與因果推斷相結合，是當前計量經濟學面臨的問題。

三? 引入因果關系分析的計量經濟學課程改革的意義

（一）? 有助于樹立學生因果推斷思維，提高分析經濟現象的能力

在實際教學中，一方面配合使用包含最新因果識別內容的當代《計量經濟學》教材，如Stock和Watson主編的《計量經濟學導論（Introduction to Econometrics》、Angrist主編的《基本無害的計量經濟學（Mostly Harmless Econometrics）》，同時對講課時間進行合理分配，除了講好計量經濟學的基礎知識外，開設因果推斷的專題課程，結合中國實際經濟問題案例，給學生系統講授因果推斷的基本思想以及上述新計量方法等內容。此外，利用好學術期刊上大量使用因果識別方法的論文資源，如《中國工業經濟》為代表的期刊，由于公開了論文的代碼和相關數據文件，給了學生了解中國現實問題和進行Stata實踐操作的機會。通過采取以上措施，有助于樹立學生因果推斷思維，增強運用計量分析實際經濟問題的敏銳性和能力。

（二）? 有助于改變課程教學效果不顯著，“重統計推斷，輕因果推斷”的局面

引入因果關系分析的計量經濟學教學更加強調經驗實例，特別是運用因果推斷方法進行政策評估的研究，改變以往過于強調統計推斷的做法。具體而言，可以在課堂的每一個因果推斷重要知識章節中借用經驗案例教學手段即通過發表于《經濟研究》《經濟學（季刊）》上政策評估的經典論文賞析，來提高學生的學習興趣、參與度與積極性。此外，通過將計量軟件Stata的教學融入因果推斷的課程中，并適當增加課堂中實踐環節的比重。通過“經驗實例+實踐”的教學模式，既能極大地激發學生的學習興趣，又可以提升學生的學術表達能力。

（三）? 有助于建立一套更科學、合理的課程目標達成度評價體系

引入因果關系分析的計量經濟學的課改側重以“分析問題—因果推斷—解決問題”的因果分析能力培養為核心，要求重建考核體系，實現過程考核具體化、考試考核科學化、考核環節配比合理化。通過多維度的考評對學生在該門課程中的學習情況進行綜合檢驗，而學生要想在考評中獲得高分，必須在課程學習中付出大量的時間和精力，課程由原先的“教師為中心”轉化為“學生為中心”。

四? 計量經濟學引入因果關系分析的改革內容設計

引入因果關系分析的課程教學改革主要包括4個任務，即確立課程培養目標、改革課程教學內容、改革課程教學方法及改革課程考核方式。

（一）? 確立課程培養目標

傳統計量經濟學課程的培養目標在知識層面應要求學生掌握經典計量分析方法，如回歸分析、時間序列分析等；包含因果分析的計量經濟學課程的培養目標是通過因果推斷知識內容的教授，讓學生樹立因果推斷的思維，能學會應用新的計量方法，如傾向得分匹配估計法、斷點回歸設計、雙重差分法等，分析中國的實際經濟問題，而不僅僅是掌握計量經濟理論。

（二）? 改革課程教學內容

借鑒國外計量經濟學因果關系的課程設計經驗，圍繞學生因果思維培養，改革計量經濟學課程體系。Angris和Pischke[2]指出：傳統《計量經濟學》教材中的很多指導是過時的，比如有關異方差、序列相關等問題的討論。這些問題都不會影響因果效應的識別，而這些問題的解決只需要利用White[12] 的異方差一致性標準誤差或Newey和West[13] 的序列相關及異方差一致性標準誤差進行修正。因此，在講授二元回歸、回歸性質、回歸推斷、多元回歸、函數形式、工具變量、面板數據和時間序列等計量經濟學的同時，將新的研究范式包括因果性概念、隨機分配與自然實驗、處理效應、選擇性偏差、匹配、雙重差分法、工具變量、斷點回歸和前沿方法（PSM-DID、合成控制法、三重差分法）等融進計量經濟學教學中，使學生掌握因果效應的識別方法（見表3）。

表3? 計量經濟學課程教學內容設計

（三）? 改革課程教學方法

傳統計量經濟學教學以教師講授為主，學生參與的主動性不強。為讓學生更有效地獲取知識，教學方法改革思路如下。首先，采取文本式教學，通過讓學生研讀有趣的經典論文，激發學生的學習熱情，使學生更好地領會因果推斷的思想。其次，采用互動式教學，對于一些較為難懂的知識點，例如局部平均處理效應（local average treatment effect，LATE）、選擇性偏差、斷點回歸等，改為由教師向學生提出問題，并加以引導，讓學生自主思考解決問題，以充分調動其學習積極性。第三，加強實踐教學，在每一個因果推斷理論知識和方法授完后，提供經典案例分析，讓學生進行上機實踐，運用Stata軟件進行實踐練習，使學生在實踐中掌握因果推斷知識與方法。

（四）? 改革課程考核方式

傳統的課程考核往往以知識獲得多少為評價內容，主要是以試卷測試體現。引入因果推斷的課程考核方式改革將經典文獻研讀、案例的實踐操作得分和期末終結性考試得分綜合起來，形成一套完整的評價體系和考核方法。經典文獻研讀突出考察每個學生對文獻的理解程度，對因果推斷思想的掌握情況。案例的實踐操作，用教師對實驗報告的評分考核學生軟件掌握情況。三者的比例構成為40%、20%和40%。

五? 結束語

總之，將因果推斷理念落實到計量經濟學教學中，將極大改善該門課程目前普遍存在的“重統計推斷、輕因果推斷”的局面，并能充分調動學生的學習主動性，讓學生在實際操作中深刻領會因果推斷理論知識和方法的應用價值，培養其分析實際問題、解決問題能力，促進學生綜合能力和素質的全面發展。因此，基于因果推斷理念的計量經濟學課程教學改革非常必要。

參考文獻：

[1] 趙西亮.因果推斷方法應該引入計量經濟學教學[J].經濟資料譯叢，2017（4）：84-86.

[2] ANGRIST J D ， PISCHKE J.Undergraduate Econometrics Instruction： Through our Classes[J].Journal of Economic Perspectives，2017，31（2）：125-144.

[3] NEYMAN J. On the application of probability theory to agricultural experiments， essays on principle， section 9[J].Statistical Science，1923，5（4）：465-480.

[4] CARD D， KRUEGER A B. Wages and employment： Minimum a case study of the fast-food industry in new jersey and pennsylvania[J]. American Economic Review，1994：84.

[5] ANGRIST J D， KRUEGER A B. Does compulsory schooling attendance affect schooling and earnings？[J]. Quarterly Journal of Economics，1991，106（4）： 979-1014.

[6] CARD D. The impact of the Mariel boatlift on the Miami labor market[J]. Industrial and Labor Relations Review，1990，43（2）：245-257.

[7] ROSENBAUM P R，RUBIN D B. The central role of the propensity score in observational studies for casual effects[J]. Biometrika，1983，70（1）：41-55.

[8] IMBENS G W. Theories of the propensity score in estimating dose-response functions [J]. Biometrika，2000，87（3）：706-710.

[9] THISTLEWAITE D， CAMPBELL D. Regression-discontinuity analysis： An alternative to the ex-post facto[J]. Journal of Educational Psychology，1960，51（6）：309-317.

[10] ATHEY S，IMBENS G W. The state of applied econometrics： causality and policy evaluation[J]. Journal of Econometric Perspectives，2017，74（2），431-497.

[11] 鄭忠國，童行偉，張艷艷.因果模型中因果效應的可識別性研究[J].中國科學（A輯），2001（12）：1080-1086.

[12] WHITE? H.A. Heteroskedasticity-consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity[J]. Econometrica，1980，48（4）：817-837.

[13] NEWEY W.， WEST K. A simple positive semi-definite， Heteroskedasticity and autocorrelation consistent covariance matrix[J]. Econometrica，1987，55：703-708.