WEBVTT

00:00:00.000 --> 00:00:02.550
♪ [音乐] ♪

00:00:03.800 --> 00:00:07.040
- [讲解员] 欢迎收看
“诺奖得主畅谈系列”

00:00:07.040 --> 00:00:08.100
在这一集中

00:00:08.100 --> 00:00:10.810
Josh Angrist 
和 Guido Imbens

00:00:10.810 --> 00:00:12.620
与 Isaiah Andrews

00:00:12.620 --> 00:00:15.550
将讨论计量经济学领域如何发展

00:00:16.100 --> 00:00:17.780
- Guido 和 Josh

00:00:17.780 --> 00:00:21.500
您们都是开发经济学实证研究工具的先驱

00:00:21.500 --> 00:00:24.837
所以我想了解
您们对经济学、计量经济学

00:00:24.837 --> 00:00:28.079
整个领域发展方向的想法

00:00:28.510 --> 00:00:31.302
首先，我很想听听您们是否觉得

00:00:32.171 --> 00:00:37.731
局部平均处理效应框架的方式

00:00:37.731 --> 00:00:43.037
对经济学中的新经验法
就如何发展和传播有何启发

00:00:43.037 --> 00:00:44.300
或它们应该怎样

00:00:44.560 --> 00:00:46.202
- [Josh] 这是个好问题

00:00:46.610 --> 00:00:47.790
你先说吧

00:00:49.700 --> 00:00:53.340
- [Guido] 是的
那么我认为重要的是

00:00:53.340 --> 00:00:58.550
要提出令人信服的案例

00:00:58.550 --> 00:01:02.207
其中问题清晰

00:01:02.400 --> 00:01:05.720
且方法普遍适用

00:01:06.253 --> 00:01:07.560
有一件事

00:01:08.192 --> 00:01:12.000
当我回顾较新的文献时

00:01:12.200 --> 00:01:16.700
我真的很喜欢断点回归文献

00:01:16.700 --> 00:01:19.670
其中显然有很多非常有说服力的例子

00:01:19.670 --> 00:01:23.378
这让人们可以更清晰地思考

00:01:23.378 --> 00:01:27.200
更仔细地研究方法问题

00:01:27.400 --> 00:01:28.800
有着一些清晰的应用方法

00:01:28.800 --> 00:01:30.600
然后允许你思考：

00:01:30.600 --> 00:01:33.600
“哇，这些类型的假设在这里看起来合理吗？

00:01:33.600 --> 00:01:38.000
我们不喜欢早期论文中的哪些方面？

00:01:38.500 --> 00:01:39.912
我们如何改进这些方面？”

00:01:39.912 --> 00:01:44.210
因此，我认为有着明确的应用方法

00:01:44.210 --> 00:01:46.400
来激发这些文献是非常有帮助的

00:01:46.800 --> 00:01:49.450
- Guido，我很高兴
你提到了断点回归

00:01:49.450 --> 00:01:53.694
我认为工具变量（ IV ）
和 断点回归（ RD）之间

00:01:53.694 --> 00:01:57.971
有很多互补性

00:02:00.506 --> 00:02:07.307
断点回归的许多计量经济学应用
曾经被称为“模糊” RD

00:02:07.307 --> 00:02:11.620
它在截断点不是离散的或确定的

00:02:11.620 --> 00:02:14.900
而只在速率或强度上有变化

00:02:14.900 --> 00:02:18.737
LATE 框架帮助我们理解这些应用方法

00:02:18.740 --> 00:02:21.140
并为我们提供了一个清晰的解释

00:02:21.140 --> 00:02:25.000
比如在我
与 Victor Lavy 的论文中

00:02:25.000 --> 00:02:28.100
使用了 Maimonides 规则
班级人数截断

00:02:28.430 --> 00:02:30.290
那么从中了解到了什么？

00:02:30.290 --> 00:02:33.891
当然，你可以用线性常数效应模型
来回答这个问题

00:02:34.200 --> 00:02:36.310
但事实证明我们并不局限于此

00:02:36.310 --> 00:02:39.889
RD 仍然非常强大和有启发性

00:02:40.630 --> 00:02:45.242
即使截断值
和感兴趣的变量之间的相关性

00:02:45.242 --> 00:02:49.133
此例中是班级人数，是局部的

00:02:49.133 --> 00:02:51.000
甚至可能都不那么强

00:02:52.000 --> 00:02:54.999
所以肯定有着平行发展

00:02:54.999 --> 00:02:56.400
这也很有趣...

00:02:57.253 --> 00:03:01.264
当我们在读研究生时
没有人谈论断点回归设计

00:03:01.264 --> 00:03:05.217
这是其他社会科学家感兴趣的东西

00:03:05.800 --> 00:03:09.507
它与 LATE 框架一起成长

00:03:09.507 --> 00:03:14.631
我们都曾基于
这两种应用方式和方法进行工作

00:03:14.631 --> 00:03:18.377
而且能看到它的发展并变得如此重要

00:03:18.377 --> 00:03:19.800
我感到非常兴奋

00:03:20.000 --> 00:03:23.267
我认为，这是朝着可靠的识别策略

00:03:23.267 --> 00:03:27.519
是因果效应的普遍演变的一部分

00:03:29.393 --> 00:03:33.200
使计量经济学更多地关注
因果问题而不是模型

00:03:33.640 --> 00:03:34.650
就未来而言

00:03:34.650 --> 00:03:37.660
我认为 LATE 帮助促进的一件事是

00:03:37.660 --> 00:03:42.008
朝着更具创造性的随机试验迈进

00:03:42.008 --> 00:03:44.400
其中有一些有趣的东西

00:03:45.500 --> 00:03:50.598
它不可能或直接被简单地增加或去除

00:03:51.000 --> 00:03:54.584
但你可以鼓励或阻止它

00:03:54.584 --> 00:03:58.200
例如，你能通过经济援助
来补贴学校教育

00:03:59.000 --> 00:04:02.080
所以现在我们有了
一个完整的框架来解释这一点

00:04:03.600 --> 00:04:12.119
它打开了对以前似乎不可能的事情
进行随机试验的大门

00:04:14.500 --> 00:04:17.864
我们在麻省理工学院
Blueprint 实验室中

00:04:17.864 --> 00:04:21.160
大量使用了这一点

00:04:22.360 --> 00:04:26.600
我认为，我们正在以
非常有创意的方式利用随机分配

00:04:28.100 --> 00:04:30.290
- 与此相关，您是否看到

00:04:30.290 --> 00:04:34.445
有助于计量经济学研究的特定因素？

00:04:34.445 --> 00:04:40.347
您已经提到它与
实际出现的问题有明确的联系

00:04:40.347 --> 00:04:42.862
实证研究通常是一个好主意

00:04:43.290 --> 00:04:45.000
- 是一定是个好主意吗？

00:04:45.700 --> 00:04:50.112
我经常发现
在计量经济学理论研讨会上

00:04:50.700 --> 00:04:52.810
比如哈佛麻省理工学院的研讨会

00:04:53.400 --> 00:04:56.350
我会想，“这个人在解决什么问题？

00:04:56.350 --> 00:04:57.960
谁有这个问题？”

00:04:57.960 --> 00:04:59.800
而且…

00:05:01.600 --> 00:05:04.700
如果我这样问的话
有时会出现令人尴尬的沉默

00:05:04.900 --> 00:05:08.300
或可能场面很不自然

00:05:08.800 --> 00:05:11.600
我想看看这个工具在哪里有用

00:05:12.500 --> 00:05:14.765
有一些是纯粹的基础工具

00:05:14.765 --> 00:05:16.250
我确实明白这一点

00:05:16.250 --> 00:05:21.735
有些人正在研究的概念基础

00:05:22.600 --> 00:05:25.300
它变得更像数理统计

00:05:25.800 --> 00:05:27.653
我的意思是
我记得一个较早的例子

00:05:27.653 --> 00:05:32.561
那就是我很难理解的
随机等连续性的概念

00:05:32.561 --> 00:05:35.070
我的导师
Whitney Newey

00:05:35.070 --> 00:05:37.009
使用它取得了很好的效果

00:05:37.009 --> 00:05:39.451
我当时试图理解这个概念

00:05:40.600 --> 00:05:42.194
它真的很基础

00:05:42.194 --> 00:05:45.200
驱动它的不是一个应用方法

00:05:45.890 --> 00:05:47.300
至少不是直接的

00:05:48.600 --> 00:05:53.200
但是大多数情况不是这样的
所以应该存在问题

00:05:53.800 --> 00:05:59.247
我认为这取决于这类事情的推销人

00:06:00.480 --> 00:06:03.046
因为有着机会成本、时间和注意力

00:06:03.046 --> 00:06:05.295
以及理解事情的努力

00:06:05.980 --> 00:06:07.400
卖家可以推销说：

00:06:07.400 --> 00:06:09.400
“嘿，我正在解决这个问题

00:06:09.400 --> 00:06:12.900
结果表明它很有用

00:06:12.900 --> 00:06:15.200
这是我得到的一些见解”

00:06:16.097 --> 00:06:18.280
- 正如您所说，Josh

00:06:18.280 --> 00:06:20.700
它已经朝着
更多考虑经济学中的因果关系

00:06:20.700 --> 00:06:22.900
以及实证工作的方向发展

00:06:22.900 --> 00:06:26.570
这种观点的传播
有什么让您感到惊讶的

00:06:26.570 --> 00:06:31.308
或者有什么您认为是
实证经济学发展的不利因素？

00:06:31.500 --> 00:06:34.322
- 有时我看到有人进行 IV 时

00:06:34.322 --> 00:06:38.304
他们得到的结果似乎难以置信地大

00:06:38.800 --> 00:06:40.660
这是常见的情况

00:06:42.500 --> 00:06:48.590
因此，这可能是一些相对较小的干预
造成的非常大的因果影响

00:06:49.100 --> 00:06:50.881
这些干预是随机的

00:06:50.881 --> 00:06:54.490
或者你利用它来证明一个好设计的存在

00:06:54.900 --> 00:06:57.205
当我看到这点时

00:06:57.944 --> 00:07:03.494
我很难相信这种相对较小的干预
会产生如此大的影响

00:07:04.100 --> 00:07:08.770
作者有时会凭借
局部平均处理效应定理来争辩：

00:07:08.770 --> 00:07:11.066
“这些编译器

00:07:11.066 --> 00:07:13.110
在某些方面很特别

00:07:13.300 --> 00:07:17.633
它们只是很受干预的影响罢了”

00:07:18.100 --> 00:07:21.175
我不太能接受这种说辞

00:07:21.175 --> 00:07:23.750
我经常认为，当影响太大时

00:07:24.300 --> 00:07:26.780
这是因为排除限制失灵

00:07:26.780 --> 00:07:31.475
所以你没有正确使用内生变量
来衡量这个结果

00:07:32.000 --> 00:07:39.616
我不太满意的是
人们凭借一般的异质性进行诡辩

00:07:40.022 --> 00:07:44.415
而那可能是个更深层次的问题

00:07:45.190 --> 00:07:50.075
- 我认为它在简化形式
和结构方法之间的讨论中

00:07:50.083 --> 00:07:51.700
扮演了一个不幸的角色

00:07:51.700 --> 00:07:55.510
我觉得这不太正确

00:07:56.090 --> 00:08:01.381
工具变量假设是核心

00:08:01.381 --> 00:08:03.761
而结构假设与方式有关

00:08:03.761 --> 00:08:05.530
它们源自于经济

00:08:07.100 --> 00:08:09.900
考虑代理人的经济行为

00:08:10.300 --> 00:08:19.452
不知何故它被推向了一个
我认为不是很有帮助的方向

00:08:20.426 --> 00:08:21.663
我认为，最初

00:08:22.800 --> 00:08:24.067
我们把事情写下来

00:08:24.067 --> 00:08:26.480
描述正在发生的事情

00:08:26.480 --> 00:08:29.783
人们使用了一套方法

00:08:29.783 --> 00:08:34.161
以一种自认为包含相当多道理的方式

00:08:34.161 --> 00:08:38.361
阐明了这些方法的作用

00:08:39.100 --> 00:08:45.118
但不知何故被推到了
一个我认为不一定很有帮助的角落

00:08:45.379 --> 00:08:49.014
- 就“简化形式”与“结构”这种用词

00:08:49.014 --> 00:08:50.306
我就觉得有点意思

00:08:50.306 --> 00:08:56.176
因为局部平均处理效应模型
潜在的结果模型是非参数结构模型

00:08:56.176 --> 00:08:58.600
如果像您所建议的那样考虑它，Guido

00:08:58.600 --> 00:09:03.574
所以把这两个概念放在对立面有点好笑

00:09:03.574 --> 00:09:05.116
- 是的

00:09:05.116 --> 00:09:10.050
- 当然，这种叫法来自
我们继承的联立方程框架

00:09:10.400 --> 00:09:14.338
它的优点是，在你使用它时
人们似乎知道你的意思

00:09:14.338 --> 00:09:18.300
但这可能是因人而异

00:09:18.300 --> 00:09:22.283
- 是的
我认为简化形式已被用于贬义...

00:09:22.283 --> 00:09:23.540
- 有时是

00:09:25.104 --> 00:09:28.250
...而这并不是它最初的目的

00:09:30.100 --> 00:09:35.706
- 我在思考
局部平均处理效应框架的影响时

00:09:35.706 --> 00:09:37.676
还有一点让我印象深刻的是

00:09:37.676 --> 00:09:42.372
人们通常会在远远超出任何形式的
正式结果实际存在的情况下

00:09:42.372 --> 00:09:44.963
采用局部平均处理效果的直觉

00:09:45.440 --> 00:09:52.391
我很好奇，鉴于您们在不同环境中
建立 LATE 结果的所有努力

00:09:52.391 --> 00:09:54.645
我很好奇，您们对此有什么想法？

00:09:55.360 --> 00:10:02.588
- 我认为在很多情况下
直觉确实会让你有所发展

00:10:02.800 --> 00:10:04.989
但它会受到一些限制

00:10:04.989 --> 00:10:09.527
建立正式的结果可能会有点棘手

00:10:09.527 --> 00:10:12.700
可能只在特殊情况下才有效

00:10:14.600 --> 00:10:19.482
然后，你会得到很多
可能无法完全依靠直觉的东西

00:10:19.900 --> 00:10:21.550
有时我对它们有些不安

00:10:21.550 --> 00:10:24.438
它们不一定是我想写的论文

00:10:25.148 --> 00:10:30.971
但我确实认为
直觉确实能解决一部分问题

00:10:33.100 --> 00:10:36.300
我认为从某种意义上说我们很幸运

00:10:36.900 --> 00:10:39.250
LATE 论文在期刊上得到了修改

00:10:39.250 --> 00:10:41.766
实际上编辑把它缩短了很多

00:10:42.100 --> 00:10:46.300
这让结果非常的清晰

00:10:49.924 --> 00:10:53.159
计量经济学文献中有些不好的趋势

00:10:53.159 --> 00:10:54.870
那就是论文越来越长

00:10:54.870 --> 00:10:56.550
- 你应该能够解决这个问题，伙计

00:10:56.550 --> 00:10:58.915
- 我正在努力解决这个问题

00:10:58.915 --> 00:11:03.078
但我认为这个例子
说明了简短的论文实际上...

00:11:03.097 --> 00:11:06.494
- 你应该强制规定任何论文
不能比 LATE 论文长

00:11:07.269 --> 00:11:09.617
- 那…哇！那将太棒了

00:11:09.617 --> 00:11:11.685
- 至少是那些理论文章

00:11:11.892 --> 00:11:13.339
- 是的，我认为...

00:11:14.500 --> 00:11:16.800
我正在努力让论文更短

00:11:16.800 --> 00:11:19.514
我认为其具有很多价值

00:11:19.514 --> 00:11:21.573
因为通常，论文的第二部分

00:11:21.573 --> 00:11:26.998
并没有让你进一步了解内容

00:11:27.000 --> 00:11:29.870
而且确实能让论文变得更难读

00:11:32.426 --> 00:11:36.179
这可以追溯到
我认为应该如何进行计量经济学

00:11:36.179 --> 00:11:38.070
你应该关注

00:11:38.700 --> 00:11:41.300
它应该合理地接近实证问题

00:11:41.500 --> 00:11:43.900
应该是很清楚的问题

00:11:44.800 --> 00:11:48.900
但通常，理论部分不需要那么长

00:11:48.900 --> 00:11:50.010
- 是的

00:11:51.100 --> 00:11:54.670
- 我认为
现在论文有点偏离了轨道

00:11:56.260 --> 00:11:58.427
- 有个相对较新的变化

00:11:58.427 --> 00:12:03.765
就是科技行业对计量经济学
懂因果效应估计的人才的需求

00:12:03.765 --> 00:12:04.994
似乎大幅增加

00:12:04.994 --> 00:12:07.563
我很感兴趣，您们对此有何想法

00:12:07.563 --> 00:12:14.223
这将如何与实证方法的发展
或经济学的实证研究相互作用？

00:12:14.600 --> 00:12:16.770
- 嗯，有这么一个元点

00:12:16.770 --> 00:12:21.000
那就是有这种雇主

00:12:21.800 --> 00:12:27.530
像亚马逊、优步以及猫途鹰等

00:12:28.000 --> 00:12:29.300
我认为这很棒

00:12:29.300 --> 00:12:32.030
我喜欢和我的学生谈论他们

00:12:32.600 --> 00:12:35.500
在麻省理工学院，我们有很多
计算机科学专业的学生

00:12:35.500 --> 00:12:37.000
这是我们最大的专业

00:12:37.400 --> 00:12:42.362
为了吸引这些学生中的一些人学经济学科

00:12:43.228 --> 00:12:49.293
我告诉他们可以为
这些人们非常热衷的公司工作

00:12:49.293 --> 00:12:51.252
因为工作内容很令人兴奋

00:12:52.000 --> 00:12:59.722
而且你在计量经济学中获得的技能
与其它竞争学科一样好，甚至更好

00:12:59.736 --> 00:13:02.143
所以你至少应该学一些经济学

00:13:02.143 --> 00:13:04.290
一些计量经济学

00:13:04.800 --> 00:13:09.486
我和优步一起做了一个关于
优步司机劳动力供应的有趣项目

00:13:09.920 --> 00:13:12.805
能参与其中是非常令人兴奋的

00:13:13.100 --> 00:13:15.700
另外，我还为优步开了一段时间的车

00:13:15.900 --> 00:13:17.730
我觉得那也很有趣

00:13:17.730 --> 00:13:22.615
我所赚的不足以让我很放弃
在麻省理工学院的工作

00:13:22.616 --> 00:13:25.100
但我很享受这段经历

00:13:25.230 --> 00:13:31.413
我在这里看到了
研究生教育模式面临的潜在挑战

00:13:31.700 --> 00:13:36.068
也就是说，如果我们培训的人
都去亚马逊工作了

00:13:37.900 --> 00:13:42.797
我不知道为什么我们应该
为此支付研究生津贴

00:13:43.200 --> 00:13:47.280
为什么要纳税人最终承担这些费用

00:13:47.280 --> 00:13:51.180
美国的研究生教育得到了慷慨的补贴

00:13:51.180 --> 00:13:54.525
即使在私立大学也是如此

00:13:54.906 --> 00:13:56.477
那里有很多公共资金

00:13:56.477 --> 00:13:59.300
我认为这样做的传统理由是

00:13:59.643 --> 00:14:01.992
我们培训教育工作者和学者

00:14:01.992 --> 00:14:05.657
这些工作有很大的外部性

00:14:05.657 --> 00:14:07.910
要么是研究外部性

00:14:07.910 --> 00:14:09.557
要么是教学外部性

00:14:10.100 --> 00:14:14.799
但是，如果我们许多学生
都去私营企业工作

00:14:16.300 --> 00:14:17.414
那没问题

00:14:19.000 --> 00:14:21.700
但也许他们的雇主应该为此买单

00:14:22.120 --> 00:14:25.338
- 对我来说，这与在
咨询公司工作的人完全不同

00:14:27.200 --> 00:14:32.976
我不清楚学术界的工作数量
是否发生了变化

00:14:33.370 --> 00:14:36.325
- 我觉得这是一个不断发展的行业

00:14:36.325 --> 00:14:37.807
而咨询...

00:14:37.807 --> 00:14:39.289
你提出这个问题是对的

00:14:39.289 --> 00:14:42.100
咨询公司可能也一样

00:14:44.846 --> 00:14:47.500
我将越来越多的学生
安排到这些企业中

00:14:47.500 --> 00:14:49.467
所以在某种程度上

00:14:49.467 --> 00:14:54.212
我认为我没太关注咨询工作

00:14:54.212 --> 00:14:56.920
咨询一直都很重要

00:14:56.920 --> 00:15:01.208
而且我认为
又有一些从咨询转到研究的趋势

00:15:01.208 --> 00:15:02.723
有点儿不稳定

00:15:03.735 --> 00:15:09.430
我不得不说，这两个领域的很多工作
并没有实际的不同之处

00:15:09.430 --> 00:15:15.525
但是在科技领域工作的人正在做一些
可能具有科学意义的事情

00:15:15.525 --> 00:15:16.880
但大多是隐藏的

00:15:17.100 --> 00:15:20.871
所以你必须要问
政府为什么要为此买单？

00:15:22.104 --> 00:15:23.732
- 就 Guido 的观点而言

00:15:23.732 --> 00:15:26.783
我想这里有一个数据问题

00:15:26.783 --> 00:15:35.597
即在营利部门的经济学博士的毕业生
总就业人数增加了

00:15:35.597 --> 00:15:40.310
还是这些人才只是
从金融和咨询领域转向技术领域？

00:15:40.310 --> 00:15:44.454
- 我可能在回应没有真正发生过的事情

00:15:44.454 --> 00:15:48.522
- 我实际上已经与其中一些科技公司合作过

00:15:49.100 --> 00:15:52.200
我不是不同意 Josh 的观点

00:15:52.200 --> 00:15:56.577
即我们需要考虑一下最终为
研究生教育支付费用的资助模式

00:15:56.913 --> 00:15:59.400
但从科学的角度来看

00:15:59.980 --> 00:16:02.840
这些地方不仅拥有大量数据

00:16:02.840 --> 00:16:05.112
而且现在出于隐私原因

00:16:05.112 --> 00:16:07.100
他们往往会非常小心

00:16:07.380 --> 00:16:09.463
但他们也有很多很好的问题

00:16:10.200 --> 00:16:15.790
我发现倾听那里的人
并了解他们的问题非常鼓舞人心

00:16:15.790 --> 00:16:21.175
而且这些问题通常也出现在其他地方

00:16:21.241 --> 00:16:27.430
我与 Raj Chetty 和
Susan Athey 有几篇论文

00:16:27.430 --> 00:16:33.237
我们研究了结合实验数据
和观察数据的方法

00:16:35.500 --> 00:16:42.919
Raj Chetty 对幼儿计划对
以后生活的影响感兴趣

00:16:42.919 --> 00:16:46.330
不仅是对考试成绩
也包括对收入和其他方面

00:16:46.330 --> 00:16:48.300
我们开发了一些方法

00:16:48.600 --> 00:16:53.751
可以帮助你在某些情况下阐明这一点

00:16:53.751 --> 00:17:00.629
同样的问题也出现在
这些科技公司的情况中

00:17:00.629 --> 00:17:05.363
所以，从我的角度来看这是相同的

00:17:05.363 --> 00:17:07.600
我在和做实证工作的人交谈

00:17:07.600 --> 00:17:09.700
我尝试着眼于这些具体问题

00:17:09.700 --> 00:17:13.370
然后尝试提出更一般的问题

00:17:15.110 --> 00:17:18.230
在更高的层次上重新制定问题

00:17:18.500 --> 00:17:22.900
以便我可以考虑在一系列环境中
得出有效的解决方案

00:17:23.400 --> 00:17:24.933
所以从这个角度来看

00:17:24.933 --> 00:17:30.423
与科技公司的互动
非常有价值，非常有用

00:17:31.700 --> 00:17:35.204
我们确实有学生现在在那里实习

00:17:35.204 --> 00:17:43.565
然后利用他们在那里的经历
写出更有趣的论文

00:17:44.600 --> 00:17:47.210
- [讲解员] 如果你想观看更多
“诺奖得主畅谈系列”

00:17:47.210 --> 00:17:48.460
请单击此处

00:17:48.460 --> 00:17:50.760
或者，如果你想了解更多
有关计量经济学的信息

00:17:50.760 --> 00:17:53.100
请查看 Josh 的“掌握计量经济学”系列

00:17:53.700 --> 00:17:57.170
如果你想了解更多关于 Guido
Josh 和 Isaiah 的信息

00:17:57.170 --> 00:17:58.930
请查看说明中的链接

00:17:59.036 --> 00:18:01.495
♪ [音乐] ♪