生活在现代世界，我们每天都能够看到大量经济现象和社会现象，有些现象是其他因素导致的结果，也有些现象会是导致结果的潜在原因。人们往往存有强烈的好奇心去探寻现象背后的因果关系，但无奈的是，现实中的诸多“因果链”不过是人为的高度抽象罢了。在世界错综复杂的联系网络中，相关关系仍占据大多数，强相关的迷雾往往蒙蔽了我们的双眼。

对于更为严谨的科学研究来说，研究的对象在本质上也是讨论因果关系，但不同学科之间存在方法和情境上的差异，如物理学等研究的世界在原则上是可以隔离的，但生物学、现代医学等学科的系统在原则上和方法上是很难隔离的（高善文，2020），这一点在社会科学研究中同样存在。

作为学科“帝国主义”的经济学，经济研究的一个重要内容就是考察经济变量之间的因果关系。尽管其他相关关系也很重要，但是在政策评价中，因果关系是更根本的。相比于较为复杂的“结果的原因”（Cause of Effect），我们往往更关注“原因的结果”（Effect of Cause），对于政策实施效果，即考察仅某一原因变动时，结果会有怎样的变动，如政府提供职业培训是否能增加农民工的就业机会和收入水平？限购政策是否能够抑制房价的持续上涨？2008年的4万亿刺激方案是否促进了我国的经济发展和就业扩张？等等现实问题。

计量经济学的一个重要功用就是政策评价，而政策评价的基础是理清相关经济变量之间的因果关系，估计政策变量的因果效应。计量经济学包括两个层面，一是利用参数估计和假设检验等方法进行统计推断，解决的是如何利用样本信息来估计总体信息的问题，我们熟知的OLS（最小二乘回归）、MLE（最大似然估计）和GMM（广义矩估计）等都属于估计方法；二是偏重于识别的因果推断，即在假设存在总体信息的情况下，来估计未知的因果效应参数，Matching（匹配）、IV（工具变量）、DID（双重差分）、RD（断点回归）等都属于识别方法。

事实上，大多数计量教材集中于对统计推断的探讨，而往往对因果推断强调较少。回溯上世纪七、八十年代，在Leamer（1983）、Lalonde（1986）等学者的质疑中，传统计量经济学方法逐渐出现了“可信性危机”，即计量方法并无法可信地估计出因果效应。经济学家开始关注计量经济学方法的可信性问题，并由此推动了经济学经验研究的“可信性革命”（Dehejia and Wahba，1999；Angrist and Pischke，2010）。在Neyman（1923）、Fisher（1935）的随机化实验概念和Rubin（1974，1977，1978）的潜在结果分析框架的基础上，“可信性革命”的一个重要特点是强调设计，以随机化实验作为研究设计的基础，对潜在结果直接进行建模，而不是对观测结果进行建模，将潜在结果和分配机制分离开来，通过科学的设计，让数据自动呈现因果效应，尽量避免有关函数形式和模型设定这种假设因素，与结构计量经济学学派形成清晰的差别。

因此，在计量经济学“可信性革命”的架构中，因果推断研究实际上就是对反事实的研究，即假想状态下的结果是什么。例如，如果没有发生新冠疫情，中国、世界经济会是什么样子？如果没有改革开放，深圳的经济会是什么样子？如果没有通高铁，小编家乡县城的房价会是什么样子？我们可以尽情想象“如果没有”的世界，并把想象的结果和现实的结果做个粗略的对比，你也许就在慢慢理解因果推断的本质。

经济学理论（包括其他社会科学）的研究几乎都是在回答因果的问题，比如大学扩招对教育获得有什么影响？（Xing et al.，2014）；早期干预对孩子未来发展的影响？（Heckman，2013）；最低工资对就业的影响？（Card and Krueger，1994）等等，对这些问题的回答均依赖于对反事实结果的比较，理论可能可以告诉我们因果的方向，但通常无法告诉我们影响的大小，而因果推断就是因果推断就是利用数据（what we have）来构造反事实（what we want to know）的方法，这种方法能够让我们获得较为清晰的因果效应大小。

说了这么多，那么什么是因果呢？我们应该如何从计量经济学的角度来定义因果呢？这时候，就需要引入大名鼎鼎的Rubin因果模型了（Rubin, 1974；Holland, 1986）。

在因果推断中，必须有干预，没有干预就没有因果（Rubin，1974），这里的干预可以是一项政策、一项措施或者一项活动等，以二值干预变量为例，两个值就分别称为干预和控制。比如，考察大学教育对个人收入的影响，干预就是完成大学教育，控制就是完成高中教育。而对应于每个干预状态，就有一个（潜在）结果。在干预状态实现之前，有几个干预状态就有几个潜在结果，而干预状态实现之后，只有一个潜在结果是可以观测的。当干预状态实现后，我们仅能观测到实现状态下的潜在结果，没有实现状态下的潜在结果是无法观测的。无法观测到的潜在结果，通常就称为我们前面提到的反事实结果（counterfactual outcome）。

选择偏差从何而来呢？要解释这个问题，让我们先想一想两个变量之间在什么时候会表现出相关性呢？一般来说，有两种情形：一是两变量具有因果关系，则两者便会有相关性。二是两变量有一个共同的原因，这时即使两者没有因果关系，也会表现出相关性；另外，如果两变量有一个共同的结果，两者也可能有相关性。这用因果图模型（Judea Pearl，1995，2002，2009）能够更为清晰地解释。

两个变量之间有因果关系肯定会表现出相关性，但反过来不一定成立。如上文所述，在利用观测数据分析变量之间的因果关系时，我们需要深入分析变量之间的相关性是真正的因果关系，还是由于共同原因或以共同结果为条件造成的相关性。通常，我们把共同原因（Common causes）变量称为混杂因素（Confounder），由此导致的相关性称为混杂偏差（Confounding bias）；把以共同结果为条件（Common effects）的相关性称为样本选择偏差（Sample selection bias）。这两种偏差统称为选择偏差（Selection bias）。

实证分析的关键就是如何消除这些选择偏差，破除“肉眼可见”的相关性迷雾，将真正的因果关系识别出来。

说到这里，感兴趣的小伙伴们肯定摩拳擦掌，跃跃欲试了，识别真正的因果关系岂不是和侦探破案一样让人着迷，毕竟自从休谟喊出“因果是人类的错觉”，德莫克利特“宁愿不做国王也要发现一个因果律”之后，人们就再也停不下对因果关系的探寻。

但别急，虽然你已经迈进了因果推断的大门，但要想走得更远，当然还需要一些披荆斩棘的随身工具，这些工具就是用来消除选择偏差，克服“内生性”问题困扰的随机化实验和各种模拟随机化实验的识别策略，从而得到“可信”的因果效应，帮助你侦破一桩桩“经济学因果迷案”！

什么是随机化实验呢？这些识别策略又是什么呢？它们该如何设计和运用呢？

当然，小编的水平有限，没办法将最近30年计量经济学“可信性革命”和因果推断的精髓用短短两篇推文讲透，因此，我们特别邀请了经济学因果推断研究领域最具权威的专家——赵西亮教授来为大家深度解析经济学中因果推断的理论和方法。

赵西亮教授，厦门大学经济学院和王亚南经济研究院经济学教授、博士生导师，博士毕业于清华大学经济管理学院，是美国康奈尔大学和芝加哥大学访问学者，加拿大西安大略大学经济系博士后。相信很多人都读过赵教授的《基本有用的计量经济学》教材，非常通俗易懂地介绍了因果推断的理论和识别策略，此书被京东评为“十大构思细腻的大学教材”之一！

读到此刻，不如先来倾听赵西亮教授的直播吧！

直播时间：9月4日（周五）19:00点

直播主题：经济学中的因果推断方法

直播内容：

1. 辛普森悖论与混杂偏差

2. 出生体重悖论与样本选择偏差

3. 定义因果

4. 随机化实验

5. 经济学实证研究的基本步骤

当然，还有赵西亮教授独家分享的国庆班培训课程

课程时间：2020年10月1-3日

课程主题：

基于设计的计量经济学 (Design-based econometrics) ——经济学中的因果推断方法

课程目的：

本培训课程将重点讲解基于设计的计量经济学，一切识别策略都是要模拟随机化实验，因而，如何通过研究设计模拟随机化实验，是识别因果效应的关键。学习完本课程，你将可以更轻松地读懂Top5（AER，JPE，QJE，RES，Econometrica）期刊上微观经济学实证研究学术论文，帮助你做更好的学术研究、发表更好的实证论文。

课程内容：

本课程将集中于因果推断，任何科学都是在揭示规律，寻找变量间的因果关系，从而回答“为什么”的问题。

本课程首先介绍Rubin因果模型，讲解如何“定义因果”；

然后介绍随机化实验，了解“为何随机化实验是因果推断的黄金标准”；

之后，我们将介绍因果图理论，为大家提供一种简单直观的理解经济学实证分析中遇到的两种主要偏差问题：混杂偏差和样本选择偏差；

最后，我们将介绍经济学实证分析中常用的模拟随机化实验的常用设计方法。

课程具体内容包括潜在结果框架、随机化实验、因果图，及观测研究中的设计方法（匹配、工具变量、双重差分和合成控制、断点回归设计）。

适用人群：从事经济学实证研究以及想用因果推断发表核心期刊论文的硕博生及高校教师

培训方式：北京现场/远程直播

培训安排：上午9:00-12:00，下午13:30-16:30，答疑16:30-17:00

培训费用：3600元/人

提供“培训费”发票及培训通知（电子版和纸质版）

优惠信息：学生优惠价3200元/人（仅限全日制本科及硕士在读）；

          现场班老学员9折优惠

同一单位2人同行9折优惠；

同一单位3人及以上同行8折优惠。

（以上优惠不叠加）

报名咨询：

联系人：陈老师

微信：venusfortune

热烈欢迎大家积极报名！让我们与赵西亮教授一起踏上迷人的因果之旅~