♪ [音乐] ♪

- [旁白] 欢迎来到诺贝尔对话。

在这一集中，Josh Angrist 和 Guido Imbens 与 Isaiah Andrews 坐下来讨论计量经济学领域是如何发展的。

- [以赛亚] 所以，Guido 和 Josh，你们都是开发经济学实证研究工具的先驱。
所以我想探索一下你觉得这个领域的发展方向——经济学、计量经济学，整个事情。

首先，我很想听听你是否觉得局部平均治疗效果框架的方式对经济学中的新经验方法如何发展和传播或它们应该如何发展和传播有任何教训。

- [乔希] 这是个好问题。你先走。 [笑声]

- [Guido] 是的，所以我认为重要的是要提出令人信服的案例，其中问题清晰且方法普遍适用。

有一件事我... 回顾后来的文献。

我真的很喜欢回归不连续性文献，其中显然有一堆非常有说服力的例子，这让人们可以更清晰地思考，更仔细地研究方法问题。

做一些清晰的应用程序，然后让你思考，“哇，这些类型的假设在这里看起来合理吗？我们不喜欢早期论文中的哪些东西？我们如何改进这些东西？”

因此，我认为有明确的应用程序来激发这些文献是非常有帮助的。

- 我很高兴你提到了回归不连续性，Guido。

我认为 IV 和 RD、工具变量和回归不连续性之间有很多互补性。

回归不连续性的许多计量经济学应用曾经被称为“模糊”RD，它在截止时不是离散的或确定的，而只是速率或强度的变化。

LATE 框架帮助我们理解这些应用程序，并为我们提供了一个清晰的解释，比如在我与 Victor Lavy 的论文中，我们使用 Maimonides 规则、班级规模截断，以及你得到了什么？

当然，你可以用线性常数效应模型来回答这个问题，但事实证明我们并不局限于此，RD 仍然非常强大和有启发性，即使当截止值和感兴趣的变量之间的相关性在这种情况，班级规模，是部分的，甚至可能不是那么强。

所以肯定有平行发展。这也很有趣...

当我们在读研究生时，没有人谈论回归不连续性设计——这是其他社会科学家感兴趣的东西，它与 LATE 框架一起成长，我们都在那里完成了应用程序和方法的工作，而且它是看到它发展并变得如此重要，我感到非常兴奋。

我认为，这是朝着可靠的识别策略、因果效应的普遍演变的一部分，使计量经济学更多地关注因果问题而不是模型。

就未来而言，我认为 LATE 帮助促进的一件事是朝着更具创造性的随机试验迈进，其中有一些有趣的东西。

简单地关闭或打开它是不可能或直接的，但您可以鼓励或阻止它。

因此，例如，您通过经济援助来补贴学校教育。

所以现在我们有了一个完整的框架来解释这一点，它打开了对以前似乎不可能的事情进行随机试验的大门。

我们在麻省理工学院蓝图实验室的学校工作中大量使用了这一点。

我认为，我们正在以非常有创意的方式利用随机分配。

- [以赛亚] 与此相关，您是否看到有助于计量经济学研究的特定因素？

您已经提到它与实际出现的问题有明确的联系，并且经验实践通常是一个好主意。

- 这不是一个好主意吗？我经常发现自己坐在一个计量经济学理论研讨会上，比如哈佛麻省理工学院的研讨会，我在想，“这个人在解决什么问题？谁有这个问题？”

而且，你知道……如果我问的话，有时会出现令人尴尬的沉默，或者可能会有一个相当人为的场景。

我想看看这个工具在哪里有用。

有一些纯粹的基础工具——我确实明白这一点。

有些人正在研究...的概念基础，它变得更像数理统计。

我的意思是，我记得一个我很难理解的早期例子是随机等连续性的概念，我的论文顾问之一惠特尼·纽维（Whitney Newey）使用它取得了很好的效果，我试图理解这一点。这真的很基础。

它不是驱动它的应用程序——至少不是立即的。

但是大多数事情不是这样的，所以应该有问题。

我认为这取决于这类事情的卖家，因为有机会成本、时间和注意力，以及理解事情的努力。