经管学院李晋教授：经济学的哥白尼式革命

也许有人会质疑：上述问题在当前的大数据时代能被轻易解决。以警察数目如何影响罪案率为例，只要先搜集不同城市的罪案率和警察数目，自然能够梳理两者之间的关系；但当中的难处在于，每座城市各具特点，对照其中的罪案率好比张冠李戴，无甚参考价值。在今年诺贝尔经济学奖得主展开其相关研究之前，经济学研究（以至一般社会科学研究）向来力求张冠得以李戴，于是对照各类因素，包括城市人口、居民的社会经济状况等等，并且观察同一城市罪案率随着时间推移而产生的变化，再将不同城市对照分析，以检视罪案率与警察人数如何相关。

不过，张冠毕竟不能李戴。还有另一个难题，就是因果关系中先有鸡还是先有蛋之谜，令传统研究方法的缺陷无所遁形。假如发现警察数目愈多，罪案率愈高，是否表示警察增多导致罪案率上升？还是因为在罪案率偏高的城市，政府往往多聘警察？同一道理，假如在某地出现医生数目增加，病人数目也跟着增加的情况，那是否等于医生令人生病？较为合理的解释是，因为病人愈多，对医生的需求也愈大。

先有鸡抑或先有蛋的难题，不论是政府、企业或个人做决定时都会碰到。以制定入境政策为例，政府需要先了解外来移民对本地劳工薪津的影响。假如发现新移民愈多，本地工资愈高，政府大概会下结论指新移民导致工资上升。但在「鸡与鸡蛋」的理论框架下，则有可能是因为本地的高工资引来了更多的新移民；在企业层面，航空公司机票愈贵、销量愈多的现象，不一定等于机票贵导致需求增加。反而是因为航空公司在预期机票需求畅旺的日子（例如圣诞节）会提高票价。如果以父母为子女作升学决定为例，传统智慧自然认为收生成绩愈高的学校愈优秀。但说不定这类学校本身并非出类拔萃，不过由于校誉较佳，较能吸引自发努力的高材生而已。

「鸡与鸡蛋」正是社会科学研究的重点。有别于自然科学，社会科学的观测变量通常并非随机而成。上述提及的外来移民数目、机票价格、升学决定都并非随机产生，而是个人取舍的结果。这类变量由非随机性产生，若单把它们与利益变量（本地工资等）直接联系起来，其相关性则未能有效反映背后的因果。这类非随机性变量的正式名称是「内生变量」，而其导致的问题则称为「内生性问题」。

阿申菲尔特教授（Orley Ashenfelter）

内生性问题也对管理学研究造成困扰。举例来说，企业和政府机构大多关注培训计划的成效。而评估成效的常用方法，在于对比学员在参加培训前后的工资变化。普林斯顿大学经济学者奥利．阿申菲尔特教授发现，参加培训的学员，往往在接受培训前，因为种种原因工资变少，可见参加培训计划的学员并不随机。只看参加计划前后的工资变化便会出现内生性问题。时运不济被减了工资的学员，参加培训之后涨了工资，不是因为培训有效，只是因为时来运转。

罗伯特．拉隆德教授 （Robert Lalonde）

衡量培训计划成效的正确方法应以科学为本，亦即进行实验。要辨识其中功效，可随机分配培训计划的参加者，然后由研究人员对比参加者与非参加者的收入。阿申菲尔特教授的门生罗伯特．拉隆德教授 就曾采用此法进行研究，结果发现若没有考虑工人并非随机参加培训，计划的成效评估难免会大打折扣。

卡德教授（David Card）

然而，这个方法在执行上有很大困难；在上文的移民政策例子中，政府不可能在各城市随机分配外来移民。阿申菲尔特教授的另一位学生兼本届诺贝尔经济学得奖人卡德教授则有以下灼见：即使并无进行实验，也会发生有如大自然作出实验的事件。

卡斯特罗（Fidel Castro）

就如在1980年，古巴领导人卡斯特罗容许其国民移民国外，以致美国佛罗里达州的入境移民数量即时大增，形成随机变化。卡德教授于是根据这一激增数字，推算出外来移民对当地工资的因果效应。这个方法自此称为「自然实验」：正如在一般研究实验中，自然发生的事件（例如上述卡斯特罗的决策）引致内生变量（外来移民数目），从而产生随机变化。因此，即使变量本身有内生性，其所产生的变化却属外生性，据此可以估算出有关内生变量的因果效应。

安格里斯特教授（Joshua David Angrist）

运用自然实验辨识因果效应的方法，在曾受业于阿申菲尔特教授和卡德教授的安格里斯特教授手中发扬光大。其研究结果显示，征兵抽签号码足以影响越战时期美国人的入伍决定，因而成为自然实验，让他从中估算入伍对个人毕生收入的影响。