原因與結(jié)果的經(jīng)濟(jì)學(xué)學(xué)習(xí)筆記

作者：中室牧子&津川友介.程雨楓譯

[Ml民主與建設(shè)出版社，

1.前言部分

1.1因果關(guān)系與相關(guān)關(guān)系

?因果關(guān)系：在經(jīng)濟(jì)學(xué)領(lǐng)域中，“兩個(gè)事件中，一方為原因，另一方為結(jié)果”的

狀態(tài)被稱為存在因果關(guān)系。

?相關(guān)關(guān)系：兩個(gè)事件相互關(guān)聯(lián)，但不存在因果關(guān)系的狀態(tài)。

如雖然體力與學(xué)習(xí)能力存在正相關(guān)關(guān)系，但兩者之間明顯不是因果關(guān)系。即學(xué)習(xí)

能力強(qiáng)不是因?yàn)轶w力好。

1.2因果推理

我們把正確區(qū)分因果關(guān)系和相關(guān)關(guān)系的方法淪稱為“因果推理”。“推理”指

“根據(jù)某個(gè)事件推導(dǎo)其他事件，即經(jīng)過推測和推斷得出結(jié)論的過程”。換句話說，

就是分析并判斷兩個(gè)事件是否分別為原因和結(jié)果的過程。

2.第1章如何不受無稽之談的蒙蔽，因果推理最根本的思考法

2.1判斷兩個(gè)變量屬于因果關(guān)系還是相關(guān)關(guān)系，可以依次對以下三個(gè)問題進(jìn)行質(zhì)

疑：①是否“純屬巧合”？

偽相關(guān)：即兩個(gè)變量的變化趨勢只是碰巧相似的現(xiàn)象。

例如，很難想象溫室效應(yīng)的加劇會(huì)導(dǎo)致海盜數(shù)量下降。兩個(gè)事件看似有關(guān)，

其實(shí)只是“純屬巧合”。又如，可能有人聽說過“吉卜力的詛咒”。即只要日本

的電視臺(tái)播出宮崎駿導(dǎo)演領(lǐng)導(dǎo)的吉卜力工作室的電影，美國股市就會(huì)下跌。就連

美國的《華爾街時(shí)報(bào)》也曾報(bào)道過這條法則并一度引起熱議。這條法則正是“純

屬巧合”造就的典型的偽相關(guān)。一旦被人們廣為接受，就會(huì)出現(xiàn)刻意利用這一法

則的投資行為，使其不再是純粹的巧合。經(jīng)濟(jì)學(xué)將這種情況稱為存在噪聲交易者。

②是否存在“第三變量”？

其次，我們必須要質(zhì)疑是否存在同時(shí)影響原因和結(jié)果的“第三變量”。用術(shù)

語說就是“混雜因素”（與遺漏變量概念類似），它可以把純粹的相關(guān)關(guān)系包裝

成因果關(guān)系，干擾人們判斷。如下圖，

圖2.1.1

③是否存在“逆向因果關(guān)系”？

接下來需要質(zhì)疑是否存在“逆向因果關(guān)系”。例如，思考警察與犯罪的關(guān)系。

警察多的地區(qū)，犯罪案件數(shù)量也多。但是，將警察多視為犯罪案件數(shù)量多的原因

難免有些牽強(qiáng)（警察一犯罪）。不如說因?yàn)槟程幨欠缸锒喟l(fā)的危險(xiǎn)地區(qū)，所以部

署了大量警力，這么想可能才更合理（犯罪一警察）。本以為是原因的事件其實(shí)

是結(jié)果，本以為是結(jié)果的事件其實(shí)卻是原因，這種狀態(tài)被稱為“逆向因果關(guān)系”。

注：如果兩個(gè)變量之間存在因果關(guān)系，當(dāng)原因再次出現(xiàn)時(shí)，相同的結(jié)果也會(huì)出現(xiàn)，而不

存在“純屬巧合”“混雜因素”或“逆向因果關(guān)系”，另一方面，如果兩個(gè)變量的關(guān)系

只是相關(guān)關(guān)系，那么就會(huì)存在“純屬巧合”“混雜因素”或“逆向因果關(guān)系”中的某一

種情況。在相關(guān)關(guān)系的情況下，即使原因再次發(fā)生，也幾乎不會(huì)得到相同的結(jié)果。

因爾義不

，，關(guān)X不

圖表工一7因果關(guān)系與相關(guān)關(guān)系的總結(jié)

圖2.1.2

2.2反事實(shí)與因果效應(yīng)

（1）反事實(shí)：即設(shè)想的與現(xiàn)實(shí)完全相反的情況。我們將現(xiàn)實(shí)中實(shí)際發(fā)生的事稱

為“事實(shí)”。也即對過去未曾發(fā)生的事實(shí)所做的假設(shè)，例如“如果當(dāng)時(shí)沒有……,

那么……”。

要證明因果關(guān)系的存在，必須對“事實(shí)”中原因發(fā)生后的結(jié)果與“反事實(shí)”

中原因未曾發(fā)生時(shí)的結(jié)果進(jìn)行對比。（現(xiàn)實(shí)中，有時(shí)很難出現(xiàn)或觀察到反事實(shí)，

因?yàn)樯鐣?huì)事件具有不可復(fù)制性）

事實(shí)：銷售額

投放廣告元

S3B-

事實(shí)和反事實(shí)的

結(jié)果存在差異，

原因結(jié)果因此廣告和銷佶額

投放廣告店鋪銷佶藪之間存在因果關(guān)系

（因果效應(yīng)為

500萬日元）。

SBB?

反事實(shí)：

不投放廣告1000萬日元

圖表1-8調(diào)查廣告和銷售額之間的因果

關(guān)系

圖2.1.3

(2)制造反事實(shí)

克服“因果推理中的根本問題”，制造反事實(shí)，才正是以因果推理為基礎(chǔ)的

各種方法的根本所在。

明確因果關(guān)系的方法本質(zhì)上的共同目標(biāo)都是“制造可比較的組，用最貼切的

值替換反事實(shí)”。而只有“可比較”的組才能替換。

科學(xué)依據(jù)(證據(jù))：坊間有時(shí)將數(shù)據(jù)分析得出的根據(jù)稱作科學(xué)依據(jù)，在經(jīng)濟(jì)學(xué)界，

它指的是反映因果關(guān)系的證據(jù)。根據(jù)可信度，證據(jù)分為多個(gè)層次，可信度高的證

據(jù)是由能正確判斷因果關(guān)系的方法推導(dǎo)出來的。與之相對，可信度低的證據(jù)是通

過可能混淆因果關(guān)系和相關(guān)關(guān)系的方法推導(dǎo)出來的。

下圖叫作“證據(jù)金字塔(evidencepyramid)”，越接近金字塔的頂點(diǎn)，證據(jù)的可

信度越高。

證據(jù)第級(jí)高

多個(gè)踮機(jī)對照試驗(yàn)的整合，是

證明因果關(guān)系的最確鑿的方

法。[CaUMN2]

將對象人群隨機(jī)分為干預(yù)組和

對照組.據(jù)此分析因果關(guān)系。

這種方法是因果推理的理想

影態(tài)。

巧妙運(yùn)用社會(huì)中發(fā)生的各種

”類似實(shí)險(xiǎn)的現(xiàn)象”來分析因

果關(guān)系的方法.【第3?7童】

掌握現(xiàn)有效據(jù)時(shí)的常用方法。

回歸分析

如果有混雜因素的數(shù)據(jù)，就能

證據(jù)等級(jí)低

排除其影響：【第8，】

圖表1-12證據(jù)的等級(jí)

*也有一些元分析(meta-analysis)整合的是多

個(gè)觀測研究,其證據(jù)等級(jí)不如整合隨機(jī)對照試瞼

的元分析高。元分析的證據(jù)等級(jí)高低取決于其使

用的研究的證據(jù)等級(jí)。

本圖表由筆者根據(jù)薩基特(Sackett)等人的研究

(2000)制作而成。

圖221

3.第2章隨機(jī)對照試驗(yàn)——因果推理的理想形態(tài)

3.1“實(shí)驗(yàn)”(隨機(jī)對照試驗(yàn))能證明因果關(guān)系

隨機(jī)”：如，把實(shí)驗(yàn)小鼠劃分為干預(yù)組或?qū)φ战M時(shí)，所有小鼠都有相同概率被

劃入干預(yù)組的

隨機(jī)對照試驗(yàn)的本質(zhì)：用對照組替換“如果干預(yù)組沒有投放藥物”的反事實(shí)。

即通過投硬幣、隨機(jī)數(shù)表、抽簽等方式，將研究對象人群隨機(jī)分為干預(yù)組和對照

組，使兩組成為可比較的組，用對照組的數(shù)據(jù)替換干預(yù)組“如果沒有受到干預(yù)”

的反事實(shí)。

3.2隨機(jī)分組的必要性——使干預(yù)組與對照組可比較。

如，曾經(jīng)接受過體檢和未接受過體檢的人屬于不可比較的群體，因?yàn)榍罢叩慕】?/p>

意識(shí)一般較高。

存在選擇性偏差隨機(jī)分組

不可比較可比較

干預(yù)組對照組

（接受體檢）（不接受體檢）

I

?

Q?重視健康的人

U?

?不重視健康的人

圖表2-2隨機(jī)分組可以制造出兩個(gè)可比

較的組

注：以上使用抽簽等方式隨即決定是否接受體檢，可以使個(gè)人無法按照自身得意志做出選擇,

因此也就不會(huì)出現(xiàn)選擇性偏差。故由此得出的接受體檢組和不接受體檢組便是可比較的。

3.3"在統(tǒng)計(jì)學(xué)上具有顯著性”

在統(tǒng)計(jì)學(xué)上具有顯著性表示，兩組之間差異純屬巧合的概率非常小，就像連投五

次硬幣均為正面朝上。如下，（小概率事件發(fā)生，說明原假設(shè)可能不具有顯著性）

?無法用誤差或巧合

＞在統(tǒng)計(jì)學(xué)上具有顯著性

解釋的差異

?屬于誤差或巧合

＞在統(tǒng)計(jì)學(xué)上不具有顯著性

范圍內(nèi)的差異

圖表2-3“具有統(tǒng)計(jì)學(xué)意義”的小結(jié)

3.4整合多項(xiàng)研究的“元分析”

元分析：是指整合多項(xiàng)研究結(jié)果，從整體的角度驗(yàn)證關(guān)系的方法。案例，日本國

立癌癥研究中興整合9項(xiàng)采用日本國內(nèi)數(shù)據(jù)的觀察研究的元分析，并得出了被動(dòng)

吸煙會(huì)使肺癌患病風(fēng)險(xiǎn)提高1.3倍的結(jié)論。

4.第3章自然實(shí)驗(yàn)一利用與實(shí)驗(yàn)類似的偶發(fā)現(xiàn)象進(jìn)行

4.1用現(xiàn)有數(shù)據(jù)重現(xiàn)與實(shí)驗(yàn)類似的環(huán)境

現(xiàn)有數(shù)據(jù)：實(shí)驗(yàn)數(shù)據(jù)：通過隨機(jī)對照試驗(yàn)得到。

觀測數(shù)據(jù)：通過日常經(jīng)濟(jì)活動(dòng)得到的數(shù)據(jù)以及從政府調(diào)查等渠道獲得

的數(shù)據(jù)。

自然實(shí)驗(yàn)：通過法律或制度變化、自然災(zāi)害、戰(zhàn)亂等人們無法預(yù)測的變化，找到

與隨機(jī)對照試驗(yàn)類似的環(huán)境，從而明確兩個(gè)變量之間的因果關(guān)系。（事先無法預(yù)

測的某些因素，即“外生沖擊”，可以在不經(jīng)意中將研究對象自然而然地劃分為

干預(yù)組和對照組）

心得：本章中的兩個(gè)案例（女醫(yī)生的患者死亡率更低，而她們的待遇卻不如男醫(yī)生；不同于

先生小娃再養(yǎng)大的建議，出生體重較重的嬰兒更健康），不僅說明了自然實(shí)驗(yàn)對實(shí)驗(yàn)對象的

選取比較特殊（住院醫(yī)師/雙胞胎），還讓我更加明晰地認(rèn)識(shí)到了對社會(huì)現(xiàn)象進(jìn)行數(shù)據(jù)分析的

意義，即在反駁自己不認(rèn)同的觀點(diǎn)時(shí)，有證據(jù)可依，以浬服人。

5.模仿實(shí)驗(yàn)的準(zhǔn)實(shí)驗(yàn)

準(zhǔn)實(shí)驗(yàn)：是對實(shí)驗(yàn)的“模仿”，即通過觀測數(shù)據(jù)和統(tǒng)計(jì)學(xué)方法（雙重差分法、

工具變量法、斷點(diǎn)回歸法、匹配法），打造出與實(shí)驗(yàn)隨機(jī)對照試臉相類似的狀

態(tài)O

5.1第4章雙重差分法（準(zhǔn)實(shí)驗(yàn)）一排除趨勢影響

5.1.1不能使用實(shí)驗(yàn)前后測分析的兩個(gè)原因：

一、隨時(shí)間產(chǎn)生的自然變化（趨勢）所造成的影響。如珠寶店為例，2015年無法

排除經(jīng)濟(jì)形勢影響的可能。二、“回歸平均”的可能性。在不斷收集數(shù)據(jù)的過程

中，偶爾出現(xiàn)一個(gè)極端值，數(shù)據(jù)會(huì)逐漸回歸到通常的水平。可能珠寶店2014年

碰巧銷售量下降，則2015年的銷售額可能會(huì)是回歸平均造成的，故也無法判斷

廣告效應(yīng)。故去年的銷售額為“反事實(shí)”時(shí)，前后比較才有效。

5.1.2雙重差分法——試驗(yàn)前后測設(shè)計(jì)的改良版

雙重差分法：用兩個(gè)差異（干預(yù)前后的差異、干預(yù)組與對照組的差異）來推算干

預(yù)的效果。必須獲取干預(yù)組與對照組在試驗(yàn)前后兩個(gè)時(shí)點(diǎn)的數(shù)據(jù)。本書珠寶店案

例，陳碩的社會(huì)科學(xué)的因果推論中政策效應(yīng)案例。

?雙重差分法兩個(gè)前提條件：1、干預(yù)組與對照組在投放廣告之前的銷售額趨勢

平行。2、受到干預(yù)期間，沒有出現(xiàn)影響銷售額的“其他變化”。

圖表4-8雙重差分法的前提條件

雙重差分法圖表4-9通過往年銷售額掌握“趨勢”

重要案例：提高最低工資不會(huì)減少就業(yè)案例。宏觀經(jīng)濟(jì)學(xué)認(rèn)為，提高最低工

資使得企業(yè)成本上升，從而減少雇傭，就業(yè)機(jī)會(huì)減少。而美國大衛(wèi)卡德與阿蘭?克

魯格分析發(fā)現(xiàn)，提高最低工資不會(huì)減少就業(yè)，企業(yè)并未通過裁員來克服提高最低

工資帶來的成本上漲，而是將其轉(zhuǎn)移到產(chǎn)品價(jià)格上。

5.2第5章工具變量法——利用第三變量

工具變量，是指“對結(jié)果沒有直接影響，但會(huì)通過影響原因間接影響結(jié)果”的第

三者變量。如廣告費(fèi)打折與店長的干勁無關(guān)，也入會(huì)直接影響珠寶的銷售額，但

它會(huì)影響店鋪是否投放廣告的決策，從而間接影響到銷售額。

?工具變量法成立的兩個(gè)前提條件：1、工具變量能夠影響原因，但不直接影響

結(jié)果。2、不存在同時(shí)影響工具變量和結(jié)果的“第四變量”

5.3第6章關(guān)注跳躍的斷點(diǎn)回歸設(shè)計(jì)

員工人數(shù)滿5()則可投放廣告的前提下，以50名員工店鋪為干預(yù)組，49名員

工為對照組。若銷售額在斷點(diǎn)處出現(xiàn)了大幅“跳躍，則其是廣告導(dǎo)致的，因此跳

躍的幅度即可視為投放廣告對銷售額帶來的因果效應(yīng)。

?斷點(diǎn)回歸設(shè)計(jì)成立的前提條件：在連續(xù)變量的斷點(diǎn)附近，沒有發(fā)生過影響結(jié)果

的其他事件。如，假設(shè)員工50人以上的店鋪不僅可以投放廣告，還會(huì)根據(jù)銷售

額發(fā)放獎(jiǎng)金（會(huì)激勵(lì)員工，從而影響銷售額）。（日本醫(yī)療費(fèi)用自付比例與死亡率

案例，自付比例下降，會(huì)使門診患者數(shù)量增加，但是健康和死亡率并無變化。）

“激素替代療法”的陷阱，認(rèn)為雌性激素可以降低動(dòng)脈硬化的風(fēng)險(xiǎn)，實(shí)驗(yàn)分析發(fā)

現(xiàn)，激素療法會(huì)使心肌梗死風(fēng)險(xiǎn)提高，且患乳腺癌的風(fēng)險(xiǎn)也提高。

5.4第7章組合相似個(gè)體的匹配法

5.4.1匹配法：即從對照組中選出與干預(yù)組非常接近的配對，使兩組成為可比較

組的方法（條件：影響結(jié)果的所有協(xié)變量均可觀測）。如，從未投放廣告的70

家店鋪中，選出和投放廣告的30家店鋪情況相似的30家店鋪，將二者進(jìn)行比

較。如店長年齡可作為協(xié)變量，需要進(jìn)行匹配。

5.4.2整合多個(gè)協(xié)變量的“傾向得分匹配法”

“傾向得分匹配法”將多個(gè)協(xié)變量整合成一個(gè)得分，用這個(gè)得分進(jìn)行匹

配。傾向得分指“分入干預(yù)組的概率”。例如，考慮多個(gè)協(xié)變量后，如果某店

鋪投放廣告的概率為50%,則該店鋪的傾向得分就是0.5;如果某店鋪投放廣告

的概率為30%,則該店鋪的傾向得分為0.3。匹配之后，只要協(xié)變量的分布一致

（“協(xié)變量達(dá)到平衡”），我們就可以說這兩個(gè)紇是可比較的。

?傾向得分匹配法成立的前提條件：

1、所有會(huì)影響結(jié)果的協(xié)變量均為可轉(zhuǎn)化成數(shù)值的數(shù)據(jù)。

2、所有協(xié)變量都必須用來計(jì)算傾向得分。

5.4.3商務(wù)版隨機(jī)對照試驗(yàn)“A/B測試”

或許有人曾經(jīng)注意到，即使是同一商品，不同地區(qū)或不同用戶看到的圖片、宣傳圖、

宣傳語等可能不盡相同。這種情況正是企業(yè)在進(jìn)行A/B測試。即將所有店鋪隨機(jī)分成兩

組，一半店鋪使用首飾盒A,余下的店鋪使用首飾盒B。一段時(shí)間之后，再把銷量更好的

店鋪所用的首飾盒推廣到所有店鋪即可。

6.第8章便于分析現(xiàn)有數(shù)據(jù)的回歸分析

假如現(xiàn)有數(shù)據(jù)都不適合用來評(píng)估因果關(guān)系，則可用回歸分析，假如我們掌握

所有的混雜因素的數(shù)據(jù)，用多元回歸分析也完全能正面因果關(guān)系。

6.1用“多元回歸分析”排除混雜因素的影響

多元回歸分析使混雜因素的值保持固定不變，以便我們能夠畫出表示原因與結(jié)果的關(guān)

系的“回歸線”，并根據(jù)回歸線的傾斜程度來評(píng)估因果效應(yīng)。如果采用多元回歸分析明確

飲酒和肺癌之間是否存在因果關(guān)系，則需要在吸煙量相同的人之間比較飲酒量較多的人和

飲酒量較少的人，看他們患肺癌的風(fēng)險(xiǎn)是否存在差異(吸煙是混雜因素)。這種做法便是

“使吸煙量保持固定不變”，使用多元回歸分析可以實(shí)現(xiàn)這一點(diǎn)。固定的吸煙量可以是1

H。根(不吸煙的人)，也可以是1日5根。這樣就可以在排除了吸煙量這個(gè)混雜因素的影

響的基礎(chǔ)上評(píng)估飲酒與肺癌的關(guān)系了。

6.2因果推理的發(fā)展史：

(1)魯賓和因本斯合著的《統(tǒng)計(jì)學(xué)、社會(huì)科學(xué)以及生物醫(yī)學(xué)領(lǐng)域的因果推論導(dǎo)

論》于2015年出版，并被譽(yù)為“因果推理領(lǐng)域”最經(jīng)典的教科書。

(2)如果存在混雜因素，就必須用匹配法或多元回歸分析排除其影響，否則無

法正確評(píng)估因果關(guān)系。

(3)如果存在中間變量，用多元回歸分析等方法處理中間變量，則會(huì)低估原因

本具有的影響。不能排除中間變量的影響。

靶變t間髯腑林會(huì)影咻們胞

-中間變量

7.補(bǔ)論

7.1了解分析的有效性和局限性

7.1.1內(nèi)部效度與外部效度

■內(nèi)部效度：是指兩個(gè)變量之間的因果關(guān)系的確定程度，即對研究對象群體再

次施加相同干