♪ [音乐] ♪

- [旁白] 欢迎收看“诺奖得主畅谈系列”

在这一集中

Josh Angrist 和 Guido Imbens
与 Isaiah Andrews

将讨论计量经济学领域是如何发展的

- [Isaiah] 那么，Guido 和 Josh

你们都是开发经济学实证研究工具的先驱

所以我想了解你对这个领域的发展方向的想法

经济学、计量经济学，整个领域

首先，我很想听听你是否觉得

局部平均处理效应框架的方式

对经济学中的新经验法如何发展和传播

或它们应如何发展和传播有任何榜样

- [Josh] 这是个好问题

你先说吧

[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...

当我回顾较新的文献时

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

有着一些清晰的应用方法

然后允许你思考：

“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方面？

我们如何改进这些方面？”

因此，我认为有着明确的应用方法

来激发这些文献是非常有帮助的

- Guido，我很高兴
你提到了回归不连续性

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

而只在速率或强度上有着变化

LATE 框架帮助我们理解这些应用方法

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

我们使用了 Maimonides 规则
班级规模截断

那么你这里了解到了什么？

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

即使在这种情况和类型规模下

截止和感兴趣的变量之间的相关性是局部的

甚至可能不是那么强

所以肯定有着平行发展

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

我们都曾基于这两种应用方式和方法进行工作

而且能看到它的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

其中有着一些有趣的东西

它不可能或直接能被简单地关闭或开启

但你可以鼓励或阻止它

因此，例如，你能通过经济援助
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
Blueprint实验室中

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

- [Isaiah] 与此相关，你是否看到

有助于计量经济学研究的特定因素？

你已经提到它与
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

我会想，“这个人在解决什么问题？

谁面对这个问题？”

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牵强的场景

我想看看这个工具在哪里有用

有一些是纯粹的基础工具

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，我记得一个较早的例子

那就是我很难理解的随机等连续性的概念

我的论文顾问之一，Whitney Newey

使用它取得了很好的效果

我当时试图理解这一点

这真的很基础

驱动它的不是一个应用方法

至少不是立即的

但是大多数事情不是这样的
所以应该有着问题

我认为这取决于这类事情的卖家

因为有着机会成本、时间和注意力

以及理解事情的努力