引入因果关系分析的本科计量经济学教学改革研究

摘  要：现代计量经济学已经进入一个以因果识别为重要理论方法的新时代。该文分析国内外高校计量经济学教学改革现状和现代计量经济学范式的转变，提出引入因果关系分析的计量经济学课程改革的意义，介绍计量经济学引入因果关系分析的改革内容设计。该文对于提升本科计量经济学教学水平，培养本科计量经济学人才具有意义。

关键词：本科；因果推断；计量经济学；教学改革；范式转变

中图分类号：G642        文献标志码：A          文章编号：2096-000X（2024）09-0009-05

Abstract： Modern econometrics has entered a new era with causal identification as an important theoretical approach. This paper analyzes the current situation of econometrics teaching reform in domestic and foreign universities and the transformation of modern econometric paradigm， puts forward the significance of econometrics course reform by introducing causal analysis， and introduces the reform content design of econometrics course by introducing causal analysis. This paper is of significance to improve the teaching level of undergraduate econometrics and train undergraduate econometrics talents.

Keywords： undergraduate; causal inference; Econometrics; teaching reform; paradigm shift

基金項目：江西省教育科学规划“十四五”规划2022年度一般课题“后疫情时代江西高校创业教育对大学生创业意愿的影响研究”（22YB011）；2020年南昌大学校级教学改革研究课题“基于文本法的本科《计量经济学》课程教学模式的创新研究”（NCUJGLX-2020-166-143）；国家自然科学基金项目“企业开放式创新的形成机理——基于员工多样性的解释与实证研究”（71862022）

作者简介：余伟（1979-），男，汉族，湖北黄梅人，管理学博士，副教授。研究方向为经济计量分析。

计量经济学是经管类本科生的一门重要的必修类课程。但是在计量经济学的授课中，本科生和研究生所使用的教材内容仍然沿袭了旧范式，一些教学内容是不适应时代发展的。目前在经济学经验研究中广泛应用的因果推断方法仍然没有成为《计量经济学》教科书的重要内容。目前，国内计量经济学的训练甚至一些经管学科水平较高的“双一流”大学主要聚焦于统计推断，其思想是：由于“总体”未知的原因，在现实中往往观测到的是总体的一个样本，因此，实际上是通过样本信息获得样本回归函数，并用其对总体回归函数做出统计推断，即进行所谓的统计检验，包括两个方面。一是先检验样本回归函数与样本点的“拟合优度”，二是检验样本回归函数与总体回归函数的“接近”程度。在经济学的实证研究中，利用样本信息进行的估计是否能够反映总体，是实证研究中一个非常重要的问题[1]。但是，统计推断的本身通常很少能得到因果关系的信息。

随着大数据技术的发展，科学研究开始进入一个海量数据的时代，这使得数据样本容量不断扩大，甚至获得总体的信息成为可能。但是，即使掌握了总体数据，也不能仅依靠统计推断就得出因果关系的结论。比如，假设有全国人口普查的数据，想考察收入如何影响住房消费，仍然没有办法获得因果效应的结论。因为因果效应不取决于样本的大小，对于因果效应的探讨是计量经济学深层的问题，是获得经济现象中变量间关系的关键。因此，对经验研究来说，要获得变量之间因果效应，需要利用因果推断方法。

一  国外高校计量经济学教学发展现状

目前，美国主流大学在计量经济学的授课正逐步转变以因果经验为导向，而不再仅仅局限于经典计量经济学方法的讲授。首先是计量经济学教材内容的变化。表1列出了美国大学《计量经济学》在1970年代、1970年代（不包括更高级教材）和当代的教材文本中涵盖的内容主题。从表1可以发现，1970年代和1970年代（不包括更高级的教材）的经典教材涵盖的文本主题仅有0.7%涉及因果效应，双重差分法（倍差法分析法）和断点回归方法没有被包含在文本中；而当代《计量经济学》教材中涵盖的文本主题有3.0%涉及因果效应，双重差分法（倍差法分析法）和断点回归方法分别有0.5%和0.1%被包含在文本中。从教材文本还可以看出，1970年代和1970年代（不包括更高级的教材）的经典教材分别有14%和15%使用了经验实例，而当代《计量经济学》教材中的经验实例高达24.4%，反映了美国《计量经济学》教材更加重视经验实例的特点。

与此同时，美国大学中计量经济学课程的覆盖范围也反映了向因果经验转变的趋势。表2列出了美国一些顶尖大学如哈佛大学、俄亥俄州立大学、纽约大学计量经济学的课程覆盖范围。表2的第2列提出了计量经济学讲座时间的分配。从表2中可以发现，特别地，超过一半的课程时间是关于回归性质、回归推断、假设失效与补救，以及函数形式的课程。与此分布相一致的是，表中的第3列显示，除了回归性质外，大多数阅读列表都涵盖了这些主题。回归性质主题很可能包含在其他回归标题中。同样，与表2中描述的当代教材内容类似，讲课时间分配显示，5.9%的课程讲座时间是用于涵盖与因果效应、双重差分法和断点回归相关的主题。专题课程显示超过四分之一的抽样教师至少分配了一些讲课时间来讨论因果效应和双重差分法。少数人（近17%）也抽出时间至少讨论一下断点回归方法。这表明，计量经济学教师教学正领先于计量经济学的教材。许多年轻的教师在其博士工作中使用了现代的经验主义方法，所以他们可能想与其学生分享这些材料。一般来说，教科书的著作者可能比教师年龄大，因此，不太可能有现代因果推断所强调的工具的个人经验。

二  因果关系计量经济学范式的转变

2021年度诺贝尔经济学奖被授予三位美国经济学家Card、Angrist和Imbens，以表彰他们分别“对劳动经济学的实证研究贡献”和“对因果关系分析的方法论贡献”，标志着因果分析受到了主流经济学界的认可。现代计量经济学实现了分析范式的转变：一是对过时的古典回归框架的修正，从经济过程的多元建模转向受控的统计比较；二是重视运用准自然实验法关注因果问题和实际问题；三是新计量方法的涌现。Angrist和Pischke[2]指出，新的研究范式更加有趣、相关性更强、识别结果更加令人满意，因而，应该将这一范式引入新的《计量经济学》教材。

（一）  因果关系分析框架的建立

20世纪90年代，“自然实验”逐渐兴起，为揭示变量间的因果关系提供了新途径。“自然实验”认为，在一些情况下，人们受到政策或制度的影响，就如同被随机分配成受处理影响的人和不受影响的人（分别属于处理组和控制组）。到了20世纪90年代中期，Imbens和Angrist进一步发展了自然实验基础上的因果推断方法，提出基于工具变量的因果推断所要求的基本识别假设。同时，也提出了局部平均处理效应（local average treatment effect，LATE）这一核心概念，构建了因果关系分析框架。

（二）  重视运用自然实验法解决实际问题

目前，最低工资的就业效应、教育的收益率和移民的劳动力市場的影响是Card、Angrist和Imbens关注的主要问题，也是国外经典《计量经济学》教科书中经验实例的常用内容。

1  最低工资的就业效应

最低工资的就业效应一直以来受到经济学家的关注。要推断最低工资和就业的因果关系，需要在最低工资干预的就业情况（实验组）和没有干预的“反事实”情况（对照组）之间进行比较。但最低工资政策实施之后，“反事实”不见了[3]。因此，比较也就难以开展。Card和Krueger于1994年共同发表一篇开创性的论文——Wages and Employment：Minimum A Case Study of the Fast-Food Industry in New Jersey and Pennsylvania利用一次“自然实验”精巧地解决了这一难题[4]。Card和Krueger调查了美国新泽西州和宾夕法尼亚州东部快餐店在前者提高最低工资水平前后的就业人数，结果发现后者的就业人数有所下降，但前者的就业人数略有增加。这一结论被广泛认可，对很多国家或地区的政策制定产生了影响。

2  教育的回报率

教育回报率是劳动与教育经济学领域关注的议题。个体拥有更高的工资收入，是由于其接受了更多教育，还是由于其原本就拥有高于常人的天赋能力？如果是后者，观测得到的“高教育高工资”的现象可能反映的只是它们之间的相关关系而不是因果关系。1991年，Angrist和Krueger合作发表论文Does Compulsory Attendance Affect Schooling of Earnings？，论文将义务教育法形成作为自然实验，获得教育回报率的有效和一致估计[5]。

3  移民对劳动力市场的影响

移民是一个在许多国家备受争议的政策问题。令人担忧的是，移民的涌入可能会通过降低工资影响就业前景，减少本地工人特别是低技能居民在劳动力市场的机会。但是，移民如何影响居住地区劳动力市场还不明确。Card[6]利用将一次偷渡事件作为一次“自然实验”，使用“倍差法”解决了上述问题。其发现，虽然大量新移民涌入居住地区，但低技能工人的工资和就业没有受到影响。

（三）  新计量方法倍受关注

伴随着因果关系框架的建立，一些新的计量方法在现代计量经济学中得到应用具体如下。

1  倾向得分匹配估计

倾向得分匹配估计是使用非实验数据或观测数据进行处理效应分析的一种方法，其目的是消除数据偏误和混杂变量的影响，使处理组和对照组之间具有可比性[7]。该方法的核心观点是只需要对倾向得分进行调整，就可以消除处理组和控制组之间的处理前变量差异带来的偏差，但这种方法最初只能应用于处理仅取两个值的情况[7]。Imbens[8]将其拓展到估计多值处理的平均处理效应。

2  断点回归设计

断点回归设计是利用接受离散处理的断点来进行因果推断[9]。断点回归的关键特征是定义一个“强制变量”（forcing variable）——在该变量的临界值处，接受处理的概率变化表现为不连续。假定接近临界值两端的个体相似，两者平均结果的差异可以通过是否接受了处理来解释。RDD通过断点识别因果效应，识别条件清晰，容易检验，研究者个人操纵的可能性较低，成为最透明和最可信赖的研究设计，因而，被称为经济学家最喜欢的识别工具[1]。

3双重差分法（倍差分析法）

双重差分法（difference-in-differences，DID）假设处理组和控制组拥有相同的线性趋势，经过两次差分后就可以获得要关注的平均处理效应，可以避免内生性问题，以得到政策带来的实际因果效应。双重差分法的优点在于可以弥补传统因果推断方法的不足：双重差分法通过引入处理变量，得出政策处理前后处理组差异和控制组差异，再将两组之间的差异作为政策效应的估计，从而有效地消除了混杂因素的影响。

4合成控制法

合成控制法是对双重差分法的一类拓展，主要解决这样一类问题：现实中很难找到与处理组完全相同或者非常相似的控制组，因此共同趋势假设不一定能得到满足。Athey和Imbens[10]称赞合成控制法为过去15年间最重要的政策评价模型。这个方法本质是通过构造虚拟的控制组来解决因果识别问题。例如，某地区某年发生了严重的自然灾害，对该地区GDP造成了影响。若想分析自然灾害影响具体有多大，就需要人为构造一个“该地区没发生灾害时候应该有的GDP”的控制组，这里隐含的假设是自然灾害只对该受灾地区产生影响，对其他地区并不产生影响，然后实际受灾地区和合成地区GDP相减，算出的差值就是自然灾害对GDP的影响。这个和传统的DID思路一致。

5机器学习和因果推断相结合

近年来，最新的发展趋势是计量经济学家们将机器学习方法与因果推断分析相结合。传统的因果推断都是找到与观测样本特征相同的反事实样本，通过比较实际观测值的差异，从而得出因果效应。机器学习方法能够减少传统因果推断的限制性假设条件，使得不可观测的研究对象被更精确地预测，因果效应的估计结果更值得信赖。

（四）  因果推断理论基础尚不完备

雖然主流经济学期刊中大量使用因果推断作为计量方法，并且在管理学、教育学、社会学等诸多领域获得应用，但其理论上仍然需要完备[11]。一些因果推断的结论形成依旧需要建立在传统计量回归分析的框架之上，如何将传统计量回归与因果推断相结合，是当前计量经济学面临的问题。

三  引入因果关系分析的计量经济学课程改革的意义

（一）  有助于树立学生因果推断思维，提高分析经济现象的能力

在实际教学中，一方面配合使用包含最新因果识别内容的当代《计量经济学》教材，如Stock和Watson主编的《计量经济学导论（Introduction to Econometrics》、Angrist主编的《基本无害的计量经济学（Mostly Harmless Econometrics）》，同时对讲课时间进行合理分配，除了讲好计量经济学的基础知识外，开设因果推断的专题课程，结合中国实际经济问题案例，给学生系统讲授因果推断的基本思想以及上述新计量方法等内容。此外，利用好学术期刊上大量使用因果识别方法的论文资源，如《中国工业经济》为代表的期刊，由于公开了论文的代码和相关数据文件，给了学生了解中国现实问题和进行Stata实践操作的机会。通过采取以上措施，有助于树立学生因果推断思维，增强运用计量分析实际经济问题的敏锐性和能力。

（二）  有助于改变课程教学效果不显著，“重统计推断，轻因果推断”的局面

引入因果关系分析的计量经济学教学更加强调经验实例，特别是运用因果推断方法进行政策评估的研究，改变以往过于强调统计推断的做法。具体而言，可以在课堂的每一个因果推断重要知识章节中借用经验案例教学手段即通过发表于《经济研究》《经济学（季刊）》上政策评估的经典论文赏析，来提高学生的学习兴趣、参与度与积极性。此外，通过将计量软件Stata的教学融入因果推断的课程中，并适当增加课堂中实践环节的比重。通过“经验实例+实践”的教学模式，既能极大地激发学生的学习兴趣，又可以提升学生的学术表达能力。

（三）  有助于建立一套更科学、合理的课程目标达成度评价体系

引入因果关系分析的计量经济学的课改侧重以“分析问题—因果推断—解决问题”的因果分析能力培养为核心，要求重建考核体系，实现过程考核具体化、考试考核科学化、考核环节配比合理化。通过多维度的考评对学生在该门课程中的学习情况进行综合检验，而学生要想在考评中获得高分，必须在课程学习中付出大量的时间和精力，课程由原先的“教师为中心”转化为“学生为中心”。

四  计量经济学引入因果关系分析的改革内容设计

引入因果关系分析的课程教学改革主要包括4个任务，即确立课程培养目标、改革课程教学内容、改革课程教学方法及改革课程考核方式。

（一）  确立课程培养目标

传统计量经济学课程的培养目标在知识层面应要求学生掌握经典计量分析方法，如回归分析、时间序列分析等；包含因果分析的计量经济学课程的培养目标是通过因果推断知识内容的教授，让学生树立因果推断的思维，能学会应用新的计量方法，如倾向得分匹配估计法、断点回归设计、双重差分法等，分析中国的实际经济问题，而不仅仅是掌握计量经济理论。

（二）  改革课程教学内容

借鉴国外计量经济学因果关系的课程设计经验，围绕学生因果思维培养，改革计量经济学课程体系。Angris和Pischke[2]指出：传统《计量经济学》教材中的很多指导是过时的，比如有关异方差、序列相关等问题的讨论。这些问题都不会影响因果效应的识别，而这些问题的解决只需要利用White[12] 的异方差一致性标准误差或Newey和West[13] 的序列相关及异方差一致性标准误差进行修正。因此，在讲授二元回归、回归性质、回归推断、多元回归、函数形式、工具变量、面板数据和时间序列等计量经济学的同时，将新的研究范式包括因果性概念、随机分配与自然实验、处理效应、选择性偏差、匹配、双重差分法、工具变量、断点回归和前沿方法（PSM-DID、合成控制法、三重差分法）等融进计量经济学教学中，使学生掌握因果效应的识别方法（见表3）。

表3  计量经济学课程教学内容设计

（三）  改革课程教学方法

传统计量经济学教学以教师讲授为主，学生参与的主动性不强。为让学生更有效地获取知识，教学方法改革思路如下。首先，采取文本式教学，通过让学生研读有趣的经典论文，激发学生的学习热情，使学生更好地领会因果推断的思想。其次，采用互动式教学，对于一些较为难懂的知识点，例如局部平均处理效应（local average treatment effect，LATE）、选择性偏差、断点回归等，改为由教师向学生提出问题，并加以引导，让学生自主思考解决问题，以充分调动其学习积极性。第三，加强实践教学，在每一个因果推断理论知识和方法授完后，提供经典案例分析，让学生进行上机实践，运用Stata软件进行实践练习，使学生在实践中掌握因果推断知识与方法。

（四）  改革课程考核方式

传统的课程考核往往以知识获得多少为评价内容，主要是以试卷测试体现。引入因果推断的课程考核方式改革将经典文献研读、案例的实践操作得分和期末终结性考试得分综合起来，形成一套完整的评价体系和考核方法。经典文献研读突出考察每个学生对文献的理解程度，对因果推断思想的掌握情况。案例的实践操作，用教师对实验报告的评分考核学生软件掌握情况。三者的比例构成为40%、20%和40%。

五  结束语

总之，将因果推断理念落实到计量经济学教学中，将极大改善该门课程目前普遍存在的“重统计推断、轻因果推断”的局面，并能充分调动学生的学习主动性，让学生在实际操作中深刻领会因果推断理论知识和方法的应用价值，培养其分析实际问题、解决问题能力，促进学生综合能力和素质的全面发展。因此，基于因果推断理念的计量经济学课程教学改革非常必要。

参考文献：

[1] 赵西亮.因果推断方法应该引入计量经济学教学[J].经济资料译丛，2017（4）：84-86.

[2] ANGRIST J D ， PISCHKE J.Undergraduate Econometrics Instruction： Through our Classes[J].Journal of Economic Perspectives，2017，31（2）：125-144.

[3] NEYMAN J. On the application of probability theory to agricultural experiments， essays on principle， section 9[J].Statistical Science，1923，5（4）：465-480.

[4] CARD D， KRUEGER A B. Wages and employment： Minimum a case study of the fast-food industry in new jersey and pennsylvania[J]. American Economic Review，1994：84.

[5] ANGRIST J D， KRUEGER A B. Does compulsory schooling attendance affect schooling and earnings？[J]. Quarterly Journal of Economics，1991，106（4）： 979-1014.

[6] CARD D. The impact of the Mariel boatlift on the Miami labor market[J]. Industrial and Labor Relations Review，1990，43（2）：245-257.

[7] ROSENBAUM P R，RUBIN D B. The central role of the propensity score in observational studies for casual effects[J]. Biometrika，1983，70（1）：41-55.

[8] IMBENS G W. Theories of the propensity score in estimating dose-response functions [J]. Biometrika，2000，87（3）：706-710.

[9] THISTLEWAITE D， CAMPBELL D. Regression-discontinuity analysis： An alternative to the ex-post facto[J]. Journal of Educational Psychology，1960，51（6）：309-317.

[10] ATHEY S，IMBENS G W. The state of applied econometrics： causality and policy evaluation[J]. Journal of Econometric Perspectives，2017，74（2），431-497.

[11] 鄭忠国，童行伟，张艳艳.因果模型中因果效应的可识别性研究[J].中国科学（A辑），2001（12）：1080-1086.

[12] WHITE  H.A. Heteroskedasticity-consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity[J]. Econometrica，1980，48（4）：817-837.

[13] NEWEY W.， WEST K. A simple positive semi-definite， Heteroskedasticity and autocorrelation consistent covariance matrix[J]. Econometrica，1987，55：703-708.