经济学经验研究的可信性革命——2021年诺贝尔经济学奖得主David Card贡献述评

张川川 张淑娟

一、引言

2021年10月11日，瑞典皇家科学院(Royal Swedish Academy of Sciences)的经济科学奖委员会(Economic Sciences Prize Committee)宣布，2021年诺贝尔经济学奖，一半授予David Card，以表彰其“对劳动经济学的经验贡献”；另一半授予Joshua Angrist和Guido Imbens，以表彰他们“对因果关系分析的方法论贡献”。[1]从颁奖词看，David Card的贡献在于经验研究，而Joshua Angrist和Guido Imbens的贡献在于方法论，似乎有所不同。实质上，虽然三位经济学家所做的工作各有侧重，但是其贡献都在于对工具变量(IV)、双重差分(DiD)、断点回归(RD)等自然实验方法(Natural Experimental Approach)的发展、应用和推广。在过去的30年间，自然实验方法，也称作拟实验方法(Quasi-experimental Approach)，逐渐成为经济学经验研究领域应用最为广泛的计量经济学方法，这一现象也是所谓经济学经验研究的可信性革命(The Credibility Revolution in Empirical Economics)的特征之一(Angrist和Pischke，2010[2])。

在三位获奖者中，David Card的研究最偏重于应用。他是劳动经济学这一经济学重要分支学科的领军人物，1956年出生于加拿大，1983年获得普林斯顿大学的经济学博士学位，曾先后在普林斯顿大学、哈佛大学和芝加哥大学任教，后于1998年加入加州大学伯克利分校的经济学系，并工作至今。David Card同时还担任美国国民经济研究局(NBER)劳动研究项目的主任。

在获得诺贝尔经济学奖之前，David Card因其在劳动经济学领域的杰出贡献，已经获得过诸多奖项和荣誉。他曾于1995年获得约翰-贝茨-克拉克奖章，该奖项每两年评选一次(2009年起改为每年评选一次)，授予全美40岁以下做出最杰出贡献的经济学家，有“经济学小诺贝尔奖”之称。2006年，David Card和Alan Krueger分享了德国波恩劳动经济研究所颁发的IZA劳动经济学奖。2007年和2015年，David Card又先后获得计量经济学会颁发的弗里希奖章和BBVA基金会颁发的知识前沿奖。

David Card迄今为止在各类经济学刊物上发表了超过120篇学术论文，其中数十篇发表在AmericanEconomicReview,JournalofPoliticalEconomy等国际顶尖经济学刊物上。David Card所从事的学术研究覆盖了劳动经济学研究领域的几乎所有重大议题，包括最低工资问题、移民、教育投入的回报、工会、工资不平等和劳动力市场上的种族歧视等。David Card的研究不仅通过将自然实验方法引入经济学经验问题，提高了经济学经验研究结论的可信性，从而极大地推进了应用微观经济学的发展，其研究成果更是引起了广泛的政策讨论，对美国的最低工资政策、移民政策和教育政策的制定，以及欧洲国家工资和就业政策的制定产生了深远影响。正如加州大学校长Michael V.Drake所评价的：“David Card对复杂经济体系的分析为最低工资、教育、不平等等问题提供了关键的见解。他的研究促进了关于影响全国工人和学生的政策计划的讨论，所产出的新知识能够为公共利益服务。”

要理解David Card对经济学的贡献，不仅要关注他的研究所涉及的具体现实问题，还要充分理解经济学经验研究的可信性革命这一大的学科发展背景。本文接下来首先介绍自然实验方法在经济学经验研究中的应用及其所引发的经济学经验研究的可信性革命，然后为读者介绍David Card作为一名劳动经济学家在最低工资问题、移民问题、教育投入的回报等劳动经济学领域重大问题方面以及相关领域所做出的学术贡献。

二、自然实验方法和经济学经验研究的可信性革命

自Gary Becker开创性地将经济学理论方法应用于研究婚姻、生育、犯罪等广泛的社会问题以来，经济学的研究领域不断扩展，经济学的研究对象从稀缺经济资源的优化配置扩展到了理性人在受约束下的最优化选择。要做出最优化的选择，就需要充分理解各种选择的后果。例如，对于个人而言，正在做出教育选择的年轻人想知道这些选择如何影响他们未来的收入；公共政策的制定者们想知道所推行的改革方案会如何影响公众的健康、就业和收入分配等。要回答这些问题，就需要找出变量之间的因果关系。

经济学研究基本分为两类：一类是理论研究，通过构建数学模型和进行模型推导分析变量之间的关系；另一类是经验研究，基于观察到的经济数据，采用计量经济学方法研究变量之间的关系。理论研究和经验研究各有分工、相互支撑。但是，“实践是检验真理的唯一标准”，理论分析最终也要建立在经验研究的基础上，只有从经验上建立变量之间的因果关系才能够对理论正确与否做出检验。但是要从经验上揭示两个变量之间的因果关系并不容易。基于著名统计学家Donald Rubin(1974)[3]所发展出来的社会科学因果关系分析框架，要正确理解选择的后果，就需要构建出一个“如果没有做出这个选择会怎么样”的对照组，通过将对照组与真实世界进行比较得到做出该选择所引起的后果。

自20世纪20年代以来，随机控制实验(Randomized Controlled Trials，RCT)就被认为是揭示变量之间因果关系的理想方法。随机控制实验方法在医学、生物学、物理学等自然科学领域有着广泛的应用。例如，在医学研究中，研究人员为了研究某种治疗方案的有效性，可以随机地选取一部分实验对象作为处理组，对其实施干预治疗，其余的实验对象作为对照组。在干预治疗结束之后，研究人员通过对比处理组和对照组在结果变量上的差异，推断所实施的治疗方案的效果。近年来，越来越多的经济学者采用随机控制实验的方法研究经济学问题。2019年诺贝尔经济学奖授予了Abhijit Banerjee，Esther Duflo 和 Michael Kremer，正式表彰他们将随机控制实验的方法应用于贫困问题的研究。[4]然而，由于受到经济学研究议题的限制，很多研究问题无法进行随机控制实验。即使在有些情况下能够开展随机控制实验，由于进行实验的成本高昂，往往只能在很小的范围内开展实验，其研究结论的普适性容易受到质疑。2015年的诺贝尔经济学奖获得者Angus Deaton就曾经对在经济学研究中使用随机控制实验的做法有过严厉的批评(Deaton，2007[5]；Deaton和Cartwright，2018[6])。

自然实验方法的发展和应用为从经验上揭示变量之间的因果关系提供了新的解决途径。与随机控制实验通过受控制的随机化干预产生数据不同，自然实验方法使用真实世界的观察数据揭示变量之间的因果关系。这使得自然实验方法相对于随机控制实验方法有着更加广阔的应用空间，为经济学家进行因果关系分析提供了强有力的分析工具。与经济学家传统上所采用的另一种经验分析方法——结构模型估计——相比，自然实验方法的模型设定和估计过程简单易操作，在揭示变量之间的因果关系时所依赖的假设清晰，并且在很大程度上能够在数据分析的基础上对假设是否成立进行间接的验证。因此，经济学家只要通过“巧妙的设计”，采用合适的自然实验方法，就能够清晰地揭示出变量之间的因果关系。Joshua Angrist和Jörn-Steffen Pischke在他们于2010年发表在《经济学展望》(JournalofEconomicPerspective)杂志上的一篇文章中指出，得益于数据条件的改善、计算机技术的发展和自然实验方法的发展，微观经济学经验研究经历了一场可信性革命(Angrist和Pischke，2010[2])。

本届诺贝尔经济学奖的另外两位获奖人Joshua Angrist和Guido Imbens的贡献正在于发展了自然实验方法，例如，他们在1994年合作发表于《计量经济学》(Econometrica)[7]杂志的有关工具变量方法的文章，把计量经济学中传统的工具变量法与统计学中的潜在结果分析框架相结合，对工具变量估计方法在存在异质性处理效应情况下的模型识别条件、估计步骤、估计量的统计性质和估计量的现实含义等进行了系统性的论述，引起了学术界对工具变量方法的重新重视。Guido Imbens在其日后所做的一系列研究中针对匹配方法、双重差分、断点回归等方法也发表了大量的理论文章。Joshua Angrist多年来则持续呼吁改革大学课堂中的计量经济学教学，力主将自然实验方法作为计量经济学教学的主要内容，在推广自然实验方法方面不遗余力(Angrist和Pischke，2017[8])。与Joshua Angrist和Guido Imbens的贡献侧重于方法论不同，David Card对“经济学经验研究的可信性革命”的贡献则在于将工具变量方法、双重差分方法、断点回归方法等自然实验方法广泛应用于分析劳动经济学领域的具体研究问题。接下来我们为大家介绍David Card在最低工资、移民、教育投入的回报等具体研究问题上所做出的学术贡献。

三、David Card的学术贡献及其政策影响

在经济学的所有分支学科中，劳动经济学可能是与人们的日常生活最为密切相关的。劳动经济学的研究议题涵盖了就业、工资、教育、劳动力流动等。作为劳动经济学科的领军人物，David Card对上述所有议题都有所研究，而其研究的特点正在于，通过寻找类似随机实验的外生变化，采用更好的研究设计和自然实验方法，估计出经济变量之间的因果关系。通过改变研究范式，David Card得出了许多不同于以往经济学观点的研究结论，引发了学术界和政策界对最低工资、移民、教育等问题的广泛讨论，影响了相关政策的制定。他将自然实验方法应用于研究经济学现实问题的做法，也逐渐成为经济学经验研究的主流研究范式。

(一)最低工资

最低工资问题是劳动经济学领域的核心研究问题之一，是否应该提高最低工资，也一直是学术界和政策界争论不下的焦点之一。根据经典的劳动力市场供求模型，每个雇员的工资由劳动力市场供求关系决定，当市场上的劳动力需求等于劳动力供给时市场出清，并决定均衡时的就业量和工资水平。虽然政府出台最低工资政策的初衷是为了保障低收入群体的收入水平，但是基于劳动力市场理论，当政府规定的最低工资高于自由竞争市场情况下的均衡工资水平时，市场上的劳动力供给将大于劳动力需求，从而造成失业，并且最先失去工作的恰恰是保留工资水平较低的低收入群体。因此，政府提高最低工资标准，不仅无助于为低收入群体提供保障，反而会促使企业减少对该群体的就业雇佣，对他们造成更大的伤害。Milton Friedman曾基于时间序列数据分析了提高最低工资标准的影响，认为1956年后黑人男性的失业率上升是1956年国会提高最低工资标准的结果，并声称1966年美国最低工资的提升将进一步加剧低收入和低技能工人的失业。Friedman的观点成为当时经济学界对于最低工资问题认知的基本共识。然而，经典的劳动力市场模型基于一系列假设条件，如劳动力市场上不存在摩擦，以及不存在信息不对称，单个雇主对于工资没有定价权等，而这些条件在后续的研究中都被认为是对经济现实的过度简化。早期基于时间序列的经验分析也无法排除掉其他因素对劳动力市场就业和工资水平的影响，所估计出来的最低工资标准与就业率和工资的关系很难被看作是因果关系。

David Card等人的贡献在于，利用政府最低工资政策变动的自然试验，更加准确地估计了最低工资标准的提高对劳动力市场就业和工资的影响，推翻了最低工资标准的提升会加剧失业的“共识”。David Card等人所做的研究显示，对最低工资“温和的提升”不仅没有造成低收入人群(青少年和零售业从业者)的失业率上升，甚至在有些情况下会带来就业率的上升(Leonard，2000[9])。

在发表于1992年的一篇论文中，David Card注意到，虽然美国联邦政府于1990年4月提高了全国最低工资标准，但是由于各州最初收入低于新的最低工资标准的工人占全部就业人口的比例不同，政策的影响也会随之不同。David Card通过对各州劳动力人口的分组和比较分析证实，最低工资标准的提高增加了青少年的工资，没有证据表明最低工资标准的提高导致了青少年就业率下降或入学率变化(Card，1992[10])。在另一项针对加州劳动力市场的案例分析中，David Card也得出了类似的研究结论。1988年7月，加州的最低工资标准从3.35美元上升到了4.25美元。David Card将加州工人的劳动力市场结果的变化与一组没有提高最低工资标准的州的相应变化进行了比较，发现最低工资标准的提高使低工资工人的收入提高了5%～10%。然而，与传统的预测相反，青少年的就业率没有下降，零售业的就业岗位也没有遭受损失(Card,1992[11])。

David Card在最低工资问题上被引用最广泛的一篇论文是他与另一位已故著名劳动经济学家Alan Krueger合作，于1994年发表在《美国经济评论》(AmericanEconomicReview)上的“Minimum Wage and Employment”一文(Card 和Krueger，1994[11])。1992年，美国新泽西州将最低工资标准从每小时4.25美元提高到5.05美元，然而，邻近的宾夕法尼亚州却没有效仿。David Card和Alan Krueger在两个州共选择了410家快餐店，比较在该法案实施前后两个州在工资、就业方面的变化，从而估计出了提升最低工资标准的影响。经验分析结果显示，相比于宾夕法尼亚州而言，新泽西州的快餐店增加了13%的就业。两位作者还发现，新泽西州那些最初支付高工资(不受新法律影响)商店的就业增长和宾夕法尼亚州相同，而低工资商店(不得不提高工资)则增加了其就业。在后续的一些研究中，David Card使用美国其他州的数据所做的研究再次支持了他们的研究结论。

David Card和Alan Krueger针对最低工资的一系列研究推翻了传统经济学理论模型认为提高最低工资标准会导致失业率增加的论点，引起了一些经济学家的质疑，其中比较有代表性的是David Neumark。David Neumark与合作者发表的多篇论文都支持提高最低工资会加剧失业的论点(Neumark和Wascher，1992[13]，Neumark和Wascher，2004[14]])。Card 和Krueger(1994)[15]在论文中对Neumark 和 Wascher(1992)[13]做出过评论，指出他们的实证分析在变量测量、指数构建等方面存在缺陷，导致结论不可靠。

尽管David Card和Alan Krueger关于最低工资问题的研究发现引发了很大的争议，但是最终仍然被大部分经济学家所接受，并被戈登-布朗和他当时的经济顾问埃德-鲍尔斯用来证明他们的“英国国家最低工资计划”的合理性(该计划于1999年推出)。David Card 和 Alan Krueger在他们合著的《神话与测量：最低工资的新经济学》(Card和Krueger， 2015[16])一书中，进一步扩展并深化了他们对最低工资问题的探索，其研究结论也继续对地方、州和联邦政府的决策者和政策产生着广泛影响。

(二)移民问题

劳动经济学领域的另一个重要议题是移民对本地劳动力市场的影响。基于劳动力市场理论，移民的进入显然会增大本地劳动力供给，这可能会导致本地人口，特别是与移民人口技能水平相似的本地人口的失业率增加，工资水平下降。出于对移民人口流入会损害本地人口就业和收入的担忧，社会公众，包括不少学者，呼吁政府限制移民流入。然而，移民的流入是否会损害本地人口的就业和收入存在理论上的不确定性。一方面，如果移民人口和本地人口在技能水平上存在很大的差异，在本地劳动力市场上，移民人口和本地人口就很难形成竞争关系；另一方面，移民人口的流入也会通过对产品和服务的消费创造市场需求，引发劳动力市场需求侧的变动，反而可能使本地人口受益。在这种情况下，从经验上估计移民人口的流入对本地人口就业和工资的影响就显得十分必要。然而，在现实世界中，移民来自不同地区并选择不同的城市就业，同时城市包括移民人口和本地人口在内的整体的工资和就业水平也会受到宏观经济形势的冲击，为准确识别移民人口流入对本地劳动力市场的影响带来了重重困难。

1980年夏天，古巴政府的一次政策变动为研究移民问题提供了很好的自然实验。1980年，古巴政府为古巴国民离开古巴打开了大门，结果发生了被称为马列尔船运事件的海上大逃亡，超过10万古巴移民进入美国，其中一半的人到迈阿密定居。他们中的大多数人没有高中文凭。Card(1990)[17]将迈阿密的劳动力市场与接受古巴移民较少的其他四个类似地区的劳动力市场进行了比较，研究马列尔船运事件对迈阿密劳动力市场的影响。David Card发现，尽管迈阿密的低技能劳动力急剧增加了7%，但本地低技能工人的工资或失业率并没有受到明显影响。该项研究在学术界引起了巨大的反响，被研究移民领域的学者反复引用并引起了激烈的辩论。2015年10月，著名的移民怀疑论者，哈佛大学肯尼迪学院教授George Borjas(2017)[18]重新研究了马列尔船运的原始数据集，将古巴移民和在职劳动力的技能进行了细致的匹配，认为马列尔船运使得迈阿密高中辍学者的工资急剧下降，降幅为10%～30%。但该项研究的结论同样被Peri和Yasenov(2015)[19]指出只适用于一个小的子样本。

David Card针对移民问题所做的另一项重要工作是其于2001年发表在《劳动经济学期刊》(JournalofLaborEconomics)的一项研究(Card，2001[20])。这项研究探讨了移民对美国劳动力市场的影响。这篇论文将移民的滞后地理分布作为影响当前地理分布的外生因素，使用工具变量方法估计移民对劳动力市场的影响。论文的经验分析结果显示，1980年代的移民流入使迈阿密和洛杉矶等关键门户城市的本地低技能人口的工资和就业率下降了1至3个百分点。总的来讲，移民人口流入对本地人口所产生的负面冲击并不算大。

在2005年的一篇论文“Is the New Immigration Really So Bad? ”中，David Card总结认为，现有证据不足以支撑移民损害了受教育程度较低的本地人的就业机会的论点。这篇文章同时也关注了移民人口的同化问题。尽管在没有完成高中学业就来到美国的移民中，很少有移民拥有与本地出生的居民相同的平均收入，但是移民人口和本地人口的收入差距并没有持续存在，对于1965年以后的在美国出生的移民人口的二代子女，即使来自受教育程度最低的家庭，也缩小了与本地人子女的大部分教育差距(Card，2005[21])。

移民人口常常被视为高技能和低技能工人之间工资差距扩大的原因之一。Card(2009[22])指出，在2000—2005年之间，每年约有125万人移民到美国，其中三分之一或更多的新移民是来自墨西哥和中美洲的无证移民，受教育程度低，英语技能有限。作者使用来自美国多个城市的研究证据，概括和整合了关于移民和不平等之间关系的研究结论，发现移民的流入对美国本地人的相对工资的平均影响很小，对整体工资不平等(包括本地人和移民)的影响更大，反映了移民集中在技能分布的尾部。然而，即便如此，在1980年至2000年期间美国工资不平等的增长中，移民的贡献只占了很小的份额(5%)。

David Card认为，移民对本地劳动力市场之所以没有造成太大冲击，是由于“美国劳动力市场能够很好地适应当地劳动力构成的变化”，并认为劳动力市场结构和运作方式在决定移民流入对本地人口就业和工资的影响方面是重要的。[23]Altonji和Card(2018)[24]通过理论模型描述了移民对国内劳动力市场的影响，表明移民的流入对本地劳动力市场的影响可以从一个城市移民人口的比例和本地人的就业和工资之间的相关性中估计出来。

(三)教育投入的回报

教育投入、受教育程度与收入之间的关系也是劳动经济学研究领域的一个重要议题。理解教育资源投入对教育的影响以及教育的经济回报，不仅能够为个人进行最优化的教育投资选择提供依据，对于教育相关的公共政策的制定也至关重要。但是，准确估计教育资源投入对学生受教育程度和未来收入的影响却极为困难。在研究教育资源投入对学生受教育程度的影响时，研究人员往往很难准确度量学校的教育资源投入。同时，研究人员还面临学生的自选择问题，即那些家庭经济背景较好的、能力更高的学生更容易进入教育投入更大、教育质量更高的学校。在估计教育资源投入或者受教育程度对收入的影响时，我们同样很难排除学生自身能力和家庭背景的影响。

为了研究学校资源投入是否对学生未来在劳动力市场的成功有影响，Card和Krueger(1992)[25]使用差分模型比较了居住在美国同一州，但在不同州长大的人的收入，例如，在阿拉巴马州或爱荷华州长大，但现在居住在加利福尼亚州的人。作者认为，搬到加州并拥有相同教育水平的人是可比的。如果两个群体的收入不同，这可能是由于阿拉巴马州和爱荷华州对其教育系统的投资不同所致。David Card和Alan Krueger发现，教育资源投入是很重要的：教育的回报随着个人成长的州的教师密度而增加。这项研究也启发了许多新的研究。Psacharopoulos 和Patrinos (2004)[26]对各国教育回报率的估计表明，教育资源投入对学生以后在劳动力市场的表现有显著的正向影响，各个国家的教育回报率集中在10%左右，且这种影响对于来自弱势背景的学生来说尤其强烈。

要对学校教育和收入之间的因果关系进行令人信服的分析，需要找到一个导致教育发生变化的外生变量。Card(1993)[27]利用大学的邻近性作为学校教育的外生决定因素，使用工具变量方法估计了大学教育的回报。他针对美国年轻男性队列的分析显示，在当地劳动力市场长大、居住地附近有大学的男性的教育和收入明显高于其他男性。教育和收入的提高集中在父母受教育程度较低的男性身上。当使用住址附近是否有大学作为受教育程度的外生决定因素，并采用工具变量方法进行估计时，估计得到的学校教育的回报比使用传统的普通最小二乘法(OLS)估计得到的教育回报高25～60%。由于住址附近是否有大学对学生受教育程度的影响因学生的家庭背景而异，因此有可能检验居住在大学附近是否是学校教育的一个合格的外生决定因素。结果证实，父母受教育程度较低的儿童接受教育的边际回报率与传统方法估计的回报率一样高，甚至可能更高，表明在居住地选择方面的样本选择问题并不严重。

在收录于1999年出版的《劳动经济学手册》(HandbookofLaborEconomics)的一篇论文中，David Card回顾了有关教育回报的经验研究，得出的结论是，使用自然实验方法估计的教育的平均(或平均边际)回报率并没有远远低于基于OLS方法估计得到的教育回报率(Card，1999[28])。在使用基于教育系统的制度变化作为外生工具变量估计教育对劳动力市场收入的因果效应的研究中，一致的发现是，对学校教育回报的估计比相应的OLS估计值高出20～40%。这些研究表明，传统上认为OLS估计会高估教育回报的看法可能忽略了某些因素对教育回报的影响。

(四)其他有影响力的研究

除了最低工资、移民、教育等传统的劳动经济学议题，David Card和他的合作者们对应用微观经济学领域的其他相关议题也有广泛关注，包括计算机技术对劳动力市场的影响、种族隔离、工会和医疗保险政策等。

20世纪80年代，美国劳动力市场上工资不平等的增加通常被归因于计算机技术变革。David Card(2002)[29]重新审视了支持这一假说的证据，认为20世纪80年代的计算机技术变革并不能解释不同群体之间工资差异的变化。种族隔离也是David Card关注的研究问题之一。由于种族隔离经常被认为会造成黑人和白人之间在教育、收入方面的差异，Card和Rothstein(2007)[30]使用1998—2001年的大型微观数据，研究了学校和社区隔离对不同都市地区黑人学生的相对SAT成绩的影响，结果支持了存在种族隔离导致种族教育差距扩大的观点。在详细控制了考生个人家庭背景，以及学校、城市层面的相关控制变量后，作者发现在隔离程度较高的城市，黑人和白人的考试分数差距更大。在家庭背景和其他因素不变的情况下，从一个高度隔离的城市转向一个几乎一体化的城市，可以使黑人和白人在SAT分数上的原始差距缩小约四分之一。工会问题也是劳动经济学领域的重要研究问题之一。David Card分析了工会对工资结构的影响(Card,1996[31])。他使用基于美国当期人口调查的大型面板数据集，将工人分为五个技能组进行分别估计，发现工会显著提高了技能水平较低的工人的工资。此外，工会身份所隐含的样本选择偏差因工人技能而异。在观察到的技能水平较低的工人中，工会工人被正向选择，而在观察到的技能水平较高的工人中，工会工人被负向选择。

除去劳动经济学领域的传统议题外，David Card针对美国医疗保险政策的研究也引起了广泛关注。Card等(2008)[32]使用断点回归方法评估了美国医疗保险和医疗救助政策的效果。他们利用65岁以上的人们会自动获得医疗保险资格这一制度特点，研究了医疗保险对医疗服务利用的影响，发现医疗保险的覆盖导致了医疗服务使用的增加，缩小了不同人群之间在医疗服务利用上的差距。

近年来，David Card的研究继续聚焦于许多现实问题，如知道同事的工资如何影响个人的工作满意度(Card等，2012[33])，足球比赛结果和家庭暴力之间的联系(Card和Dahl，2011[34])，以及美国低收入和少数民族学生在天才教育计划中的代表性不足等问题(Card和Giuliano，2014[35])。Card(2018)[36]还采用元分析的方法，尝试从海量文献中发掘劳动力市场的内在规律。他分析了200多个旨在评估劳动市场项目的研究，发现这些文献所评估的项目的平均影响在短期内接近零，但在项目完成后的2至3年对劳动力市场产生了积极影响。2019年，David Card担任了针对哈佛大学招生程序中是否存在种族歧视的联邦案件的专家证人，他通过基于学校历年招生数据的经验分析为哈佛大学提供辩护，作证支持该大学在招生中不存在歧视亚裔学生的论点。

四、总结

自亚当·斯密以来，经济学经过了两百多年的理论发展，形成了一套完整和庞大的理论体系，为研究经济现象奠定了坚实的理论基础。随着理论的日趋完善和数据可获得性的增加，以数据分析为基础的经验研究对于理解经济现象起到了越来越重要的作用。David Card采用独特的分析视角，将工具变量、双重差分、断点回归等自然实验方法广泛应用于研究最低工资、移民、教育等现实经济问题，在严谨的数据分析的基础上揭示经济变量之间的因果关系，为正确理解经济现象和科学服务公共政策做出了重要的贡献。更为重要的是，他所采用的研究范式为如何解决经济学经验研究中长期困扰研究人员的内生性难题和实现因果推断做出了优秀的示范，同Joshua Angrist、Guido Imbens、Alan Krueger等人一道，极大地推动了经济学经验研究的可信性革命，深刻影响了经济学研究的范式和整个经济学科的发展。