经济学实证研究中，有哪些有趣的识别策略 (identification strategy)?
1. 工具变量法 (Instrumental Variables IV)：寻找“天然实验”的代理人
想象一下，你想研究教育年限对收入的影响。你可能会发现，受过更多教育的人收入更高。但这真的是教育直接带来的好处吗？还是说，那些本身就更聪明、更有动力的人，更容易获得更高的教育，并且也更容易在职场上取得成功？这种“逆向因果”或者“遗漏变量”的问题，使得直接比较教育年限和收入变得困难。
这时，工具变量法就如同一位高明的侦探，在寻找一个与教育年限相关，但又不直接影响收入的“证人”。一个经典的例子是“兵役制度”。在一些国家，男性在达到一定年龄时需要服兵役。兵役制度的存在，会影响到男性在大学教育上的选择和时机。假设兵役制度的强制性是随机的（或者说是外生的，即不是由个人意愿决定的），那么：
相关性： 兵役制度的存在（或者抽签号码的好坏）会影响一个人是否会推迟上大学，从而影响最终的教育年限。
外生性（无偏性）： 兵役制度本身，我们假定它并不直接影响一个人的聪明程度、工作努力程度，或者天生的赚钱能力。它只是一个外部因素，改变了教育的路径。
通过分析兵役制度对教育年限的影响，再分析教育年限对收入的影响，工具变量法就能“剥离”出兵役制度带来的那部分教育年限的变异，进而更纯粹地衡量教育对收入的因果效应。
有趣的之处： 工具变量法巧妙地利用了那些我们可能一开始并未关注到的外部因素，将它们作为“放大镜”，帮助我们聚焦于研究对象（教育）的纯粹影响。这就像在复杂的市场信息中，找到一个只有特定群体才会对某商品价格产生强烈反应的“价格敏感性”指标，以此来识别需求弹性。
2. 双重差分法 (DifferenceinDifferences DiD)：比较“接受了改变”和“未接受改变”的群体
想象一下，一个地区出台了一项新的最低工资标准。你很想知道这个新政是否真的提高了低技能工人的工资。但问题是，即使没有新政，那个地区低技能工人的工资可能也在上涨（比如整体经济向好）。
双重差分法的思路是：找到一个与该地区在政策出台前非常相似，但没有出台新政的“对照组”地区。然后，比较：
政策前后的变化： 政策出台前，两个地区低技能工人工资的水平和增长趋势。
政策后的变化： 政策出台后，两个地区低技能工人工资的变化。
核心逻辑： 如果在政策出台前，两个地区的工资增长趋势大致相同（即“平行趋势假设”），那么政策出台后，政策地区工资增长“超出”对照地区工资增长的部分，就很有可能是由新政引起的。
举个例子：
| | 政策地区（处理组） | 对照地区（控制组） |
| : | : | : |
| 政策前 | 工资 A | 工资 C |
| 政策后 | 工资 B | 工资 D |
政策地区的变化：B A
对照地区的变化：D C
双重差分估计： (B A) (D C)
这个差分中的差分，就是我们估计的政策的平均处理效应。
有趣的之处： 双重差分法模拟了一个“反事实”的情境。它没有一个绝对的“干净”数据，但通过巧妙地比较“发生”与“未发生”（在对照组中）的趋势差异，来“隔离”出政策的影响。这就像在研究某种农业技术对产量影响时，选择一个地理、气候、土壤条件都相似但没有采用新技术的农田作为对照，来评估新技术的效果。
3. 回归不连续设计 (Regression Discontinuity Design RDD)：利用“临界点”的精确测量
想象一下，大学录取时，有一个硬性的分数线。比如，某项考试达到80分才能入学。你想知道“进入大学”这个经历，对一个人未来的收入有什么影响。
回归不连续设计的思路是：那些分数刚好卡在80分线附近的人，要么是考了79分（未入学），要么是考了80分（入学）。我们合理假设，在分数线附近，考79分和80分的学生，在其他影响收入的因素上（比如家庭背景、能力、努力程度）是非常相似的，唯一的区别就是是否跨过了那道入学线。
因此，我们可以比较：
线上的观测值： 刚好达到80分线并入学的学生。
线下的观测值： 刚好低于80分线未能入学的学生。
通过比较这两组人在未来收入上的差异，就可以估计“上大学”这个事件对收入的因果效应。
有趣的之处： RDD的魅力在于它的“局域性”和“精确性”。它不是在所有数据上做平均，而是聚焦于“临界点”附近的微小变化，就像一把高精度的手术刀，精确地剥离出某个政策或事件的“边界效应”。这对于评估有明确门槛的政策（如奖学金、贷款审批、项目资格等）非常有效。
4. 匹配法 (Matching)：寻找“最相似”的对照者
在没有明确的“天然实验”或“政策边界”时，匹配法提供了一种“模拟实验”的方法。它的核心思想是，为每一个接受了某种“处理”（比如接受了某种培训）的个体，在没有接受处理的群体中，找到一个或多个在关键背景变量（如年龄、性别、教育背景、过往经验等）上尽可能相似的个体作为对照。
例如，研究一项职业技能培训对就业率的影响。我们可以找到接受了培训的工人，然后为他们匹配相似的、未接受培训但找工作的工人。匹配的变量可以非常多，例如：
倾向得分匹配 (Propensity Score Matching PSM)： 先用所有控制变量预测一个人接受处理的概率（倾向得分），然后将倾向得分相似的接受处理者和未接受处理者进行匹配。
近邻匹配 (Nearest Neighbor Matching)： 为每个处理者找到一个或多个与其各维度特征最接近的控制者。
有趣的之处： 匹配法试图在观察数据中“人为地”制造出类似随机实验的对照组，让比较更加公平。虽然无法完全消除所有潜在的混淆因素，但它能显著减少因变量和自变量之间的“虚假相关性”，从而更接近因果推断。它就像在庞大的历史文献中，为某位历史人物寻找同时代、同地位、同经历相似但做出不同选择的“对照者”，来分析其选择的影响。
5. 事件史分析 (Event History Analysis) / 生存分析 (Survival Analysis)：关注“时间”维度
在很多情况下，我们不仅关心某个事件是否发生，更关心它何时发生。比如，研究某种新药是否能延长病人的生存时间，或者某种政策是否能帮助企业存活下来。
事件史分析（或生存分析）的特别之处在于，它能够处理“删失数据”（censored data）。这意味着，并不是所有的个体都会在研究结束时都经历我们关注的事件。例如，实验可能在一年后结束，但有些病人还没有死亡，他们的生存时间信息就是“删失”的。
核心思路： 事件史分析关注的是在某个时间点，个体经历某个事件的“瞬时风险”或“风险率”（hazard rate）。它能够同时考虑多个预测因子对事件发生时间的影响。
举例： 研究某种营销策略对顾客流失率的影响。我们可以追踪不同顾客的购买行为和流失时间。分析的结果可能表明，在营销活动推出后，顾客流失的风险率显著下降。
有趣的之处： 事件史分析提供了一个动态的视角，它不仅关注“是”与“否”，更关注“什么时候”。它能够捕捉到那些随着时间推移而发生变化的因果效应，并且能有效地处理现实数据中常见的“未完结”情况。这在很多领域都至关重要，比如研究新技术的采用速度、贷款违约的时间模式等。
总结
经济学实证研究中的识别策略，本质上都是为了在充斥着相关性而非因果关系的真实世界数据中，找到一种或多种方法来“隔离”出我们关心的那个“独立变量”对“因变量”的真实影响。这些策略各具特色，有些依赖于“运气”般的自然实验，有些则依赖于巧妙的数据处理和统计模型。理解它们背后的逻辑，不仅是实证经济学家的必备技能，也为我们理解经济现象提供了更有力的工具。它们的存在，让经济学研究摆脱了“看图说话”，朝着更科学、更严谨的因果解释迈进。
网友意见
@童话李 说的很有意思，答案中列举的三点其实内在是统一的。
无论是拟自然试验，还是工具变量，还是断点回归，其实都是在利用『非策略化』的因素来消除数据的内生性问题。
- 对拟自然试验来说，不能被控制的是外来的震荡。因为我们假定震荡前后，除了震荡之外其他因素的影响都不变，那么我们就可以只考虑冲击所导致的自变量的变化和冲击所导致的因变量的变化，相当于对照组和控制组之间进行了一个差分，把数据中内生性的东西减掉了，我们得到的是自变量和因变量之间『纯净』的关系。
举个例子，就说投资和GDP之间的关系，投资是自变量，GDP是因变量，这个就很有内生性，因为经济发展会吸引投资，投资会促进经济发展。那么引入什么外生冲击呢？美国国会就是一个角斗场，很多议员为了选票，都在拼命的给自己的选区要资源。因为议员之间的斗争是很随机的，那么资源的分配就可以看作是一个外生的，不可预测的冲击，所以是『非策略化』的，那么这个时候通过国会斗争来的这笔钱就是一笔『纯净』的，不是因为经济发展而被吸引过来的的投资，而经济发展被吸引来的投资并没有发生变化，前后一差分，我们得到的关系就是这笔『纯净』的投资和当地发展之间的关系。
- 工具变量法，不能控制的是另外一个导致自变量变化的变量，也就是工具变量。其实工具变量可以看作是广义的外生冲击。只不过因为外生冲击是一锤子买卖，而工具变量可以是连续的。因为工具变量是不被自变量所控制的，自然也是非策略性的，所以工具变量所引起的自变量变化自然也是非策略性的。于是我们就李代桃僵，用工具变量对自变量进行回归，用拟合值来代替自变量——其实这个时候所谓的自变量的拟合值(fitted value)只不过是工具变量的线性组合罢了。因为工具变量是外生的，所以其线性组合也是外生的，所以我们就消去了内生性的问题。
工具变量法的例子，比如要研究殖民地的制度建设和经济发展之间的关系，好的制度可能会导致经济发展，而经济发展也反过来能养得起好的制度，直接回归肯定不对。怎么办呢，用殖民地的死亡率来做工具变量。在非常恶劣的地区，殖民者因为不想待久，所以自然就不会想着去建立好的制度，而殖民地的死亡率和当地经济发展没有关系，于是殖民地的死亡率就可以作为制度的工具变量去消除内生性问题。
- 断点回归。断点回归是所有的这三种方法里面，对统计上的假设要求最低的一个，这也是其流行的原因之一。断点回归所以利用的，是样本中个体对自己能力的非精确控制。这是『非策略性』的。
为什么这么说呢？比如说考大学，如果你直接拿一本和二本的毕业后收入进行比较，发现明显差异，人们会不服，因为可能一本的学生能力和二本是有差异的。怎么办呢？
断点回归，就利用了没有人能精确控制自己的分数刚刚好上一本线这个特点，所以一本线上下20分左右的学生，我们基本上可以认为其能力是非常近似的，那么这个时候一本线就是一个断点，断点周围正负20分的考生，都可以看作是随机的被分配给一本或者二本，那么我们就可以排除掉能力的影响，看同样能力的人分配到一本和二本四年后的收入差异。
断点回归和工具变量之间是突变和渐变之间的关系。断点回归依赖于一个明确的断点，比如一本线，一本线上和下哪怕是0.5分，都是截然不同的两个学校；而工具变量所表达的关系，则可以是一个趋势，比如说下雨和在家看电视，我们知道下雨会导致更大的概率在家看电视，但是我们不能说下雨所有人就一定在家看电视。所以下雨只能成为工具变量，而不能作为断点。用图来表示的话，断点回归泾渭分明，但是代价是只能用断点左右的一部分数据；而工具变量是层次渐进，比断点要模糊，但是能用的数据范围更大。
归根结底，因为经济学中的人都是『策略性』的，所以人所产生的数据可能会有内生性问题，解决的方法，就是找到人策略性之外所无法预料和控制的因素来进行关系识别。
这些东西刚开始看觉得都超级有趣，看过100篇文章都用几个类似的设定后就觉得非常无聊了。
1. 找Shock。大部分会起名字quasi-natural experiment。原理是：一件与被解释变量不相关的冲击来临，导致解释变量变化了。此时被解释变量变动就极有可能是因为解释变量变化所导致的。大部分Difference in Difference的设定都在这个范畴内。比如我国今年的反腐，就作为一个policy shock，被很多中国研究所使用。
2. 工具变量。非常多了，社会研究里面用一个城市与另一个城市的航线开通当做外生工具变量，这个变量很大程度上是被航空公司单独决定的，但却会提升两个城市之间的交通便利性。便以此来研究交通便利如何影响城市间的贸易。(但问题是，航空公司开通一个航线就完全不是受贸易影响么，反正我不认账)。
生儿子生女儿。一个烂大街的变量，因为生儿子生女儿是无法被控制的，但是家族企业里，头胎是儿子的话，股权集中度就是高。这个变量用来研究股权集中度相关的一系列研究。
3. RDD，所谓断点回归。一个经典例子是投票的设定。投票一般以50%作为分界点。50.01%与49.99%是完全不一样的结果。但问题是这两者之间并没有实际上的区别，很大程度上就是有噪声导致结果不同。因此会取49%到51%这个区间内的结果，观察两遍不同的政策会不会导致截然不同的结果。
以上
类似的话题
-
在经济学的实证研究领域，寻找一个干净、无偏的数据来衡量因果效应，就像在茫茫大海中寻找一座灯塔，既重要又充满挑战。而“识别策略”正是指那些帮助我们克服数据限制、拨开相关性迷雾，最终触及因果关系的“航海术”。以下是一些在经济学实证研究中颇具匠心且有趣的识别策略，它们各自有着独特的逻辑和适用场景。1. 工............. -
这个建议，说实话，挺大胆的，也挺有意思的。让小学到研究生缩短两年，这可不是小事，它像是一颗投入平静湖面的石子，激起的涟漪会非常广泛，甚至可能改变很多事情的流向。首先，我们得承认这个建议的初衷是好的，甚至可以说是非常现实的。 经济发展需要新鲜血液，需要有能力、有技能的劳动力。教育年限太长，意味着很多人.............
-
这个问题问得非常实在，相信很多非法本的同学们在备考法硕的时候都会有类似的担忧。咱们就掰开了揉碎了聊聊，看看大学期间没实习、没获奖对法硕复试到底有多大影响，以及该怎么应对。首先，咱们要明白一个核心问题：法硕非法本的招生，看重的是什么？学校招收非法本的法硕，主要目的是培养具备法律素养的复合型人才。这意味.............
-
国内经济学研究中Reduced Form 应用微观实证研究泛滥现象的深入剖析近年来，国内经济学研究中，以Reduced Form为核心的微观实证研究呈现出一种“泛滥”的态势。这种现象并非全然负面，它确实极大地推动了中国经济学研究在实证层面的进步，尤其是在政策评估和因果关系推断方面。然而，正如任何一种.............
-
作为一个应届研究生，想要顺利敲开互联网产品的大门，即使没有直接的互联网实习经历，你的简历依然可以写得精彩且有说服力。关键在于如何挖掘、包装和呈现你身上的价值，让招聘官看到你作为产品经理的潜质。下面我来详细跟你聊聊，该如何打造一份 killer resume。核心思路： 别怕没直接实习，把你的“准产品.............
-
俄罗斯当前经济确实面临不少挑战，这一点是毋庸置疑的。在这种背景下，他们宏伟的核动力航母计划听起来似乎有些遥不可及。但要说未来能不能实现服役，这事儿还真不能一概而论，得好好掰扯掰扯。首先，我们得承认，俄罗斯海军在苏联解体后确实经历了一段低谷期。手头宽裕的时候，海军家底子厚实，像“库兹涅佐夫海军元帅”号.............
-
在经济学领域，实证模型旨在基于可观察到的数据来理解和预测经济现象。然而，有时这些模型会得出一些看似与直觉或常识相悖的结论。这并非模型本身错误，而是因为经济世界的复杂性、模型的简化假设，以及我们认知上的局限性。解释经济学实证模型中的反常识结论，需要从多个角度进行深入分析：一、 模型本身的性质与局限性：.............
-
上海市市场监管局最近公布的一份《行政处罚决定书》，内容之详实、逻辑之严谨，尤其是在其中穿插的经济学原理和实证论据的应用，着实让人眼前一亮，甚至可以说是“堪比论文”的水平。要评价其“水平有多高”，我们可以从几个维度来剖析。一、 深刻的理论功底与融会贯通这份处罚决定书之所以被冠以“堪比论文”的赞誉，首先.............
-
好的，咱们来聊聊实证分析在经济学里到底是个啥地位，以及它有多重要。 我尽量把这话说得明白些，也让它听起来更像咱人说话，而不是什么机器生成的报告。实证分析：经济学里的“事实侦探”你可以把实证分析想象成经济学里的“事实侦探”。它的主要工作，就是去看看现实世界是怎么运作的，然后用数据和证据来回答“是什么.............
-
经济学是一门充满魅力的学科，它试图用理性的模型去解释人类纷繁复杂的经济行为。然而，有时候，那些听起来顺理成章、贴近生活经验的理论，在经过严谨的实证检验后，却会露出不那么“给面子”的一面，甚至被数据无情地打脸。这反而让经济学更显真实与迷人，因为这恰恰说明了现实世界远比我们的直觉要复杂得多。今天，我们就.............
-
是的，经济学实验中确实会使用动物，但这通常不是为了研究人类的经济行为，而是用于研究 生物经济学 (Bioeconomics) 或 行为经济学 (Behavioral Economics) 的某些特定领域。经济学实验使用动物的情况，虽然不如心理学或生物学实验那样普遍，但确实存在，并且通常是为了理解更深.............
-
在网络游戏（如《魔兽世界》）中进行经济学实验的可能性非常大，而且可以说，许多网络游戏本质上就是庞大且动态的、可供研究的虚拟经济体。这些虚拟经济体拥有现实经济体的大部分核心要素，因此为经济学研究提供了独特的平台。下面将从多个方面详细阐述在网络游戏中进行经济学实验的可能性： 1. 虚拟经济体的构成要素与.............
-
经济学中有许多堪称“巧妙”的实验，它们之所以令人称道，不仅在于其设计上的精妙，更在于它们能够以一种近乎艺术的方式，揭示出人类经济行为背后那些复杂而又普遍的规律。我给你讲几个我印象特别深刻的。1. 信任的传递：银行挤兑的模拟实验你想想，银行挤兑这事儿，听起来就像是经济学里最典型的“非理性繁荣”或“非理.............
-
要确定哪一位实证经济学家最具影响力，这是一个非常具有挑战性的问题，因为“影响力”本身可以从多个维度来衡量，而且不同时期、不同研究领域的影响力也有所不同。然而，如果非要选出一位在现代实证经济学领域留下深刻印记、对我们理解经济世界的方式产生了巨大而广泛影响的人物，安格斯·迪顿（Angus Deaton）.............
-
好的，我们来聊聊国外实验经济学的发展和运用，尽量讲得深入浅出，希望能让您觉得亲切实在，就像是和一位老朋友在探讨一个有趣的话题。实验经济学这玩意儿，说白了，就是用科学实验的方法来研究经济学问题。你可能觉得经济学研究的是股票市场、宏观经济什么的，好像跟实验室里的那种精细控制的实验没啥关系。但你想想，很多.............
-
好，我来跟你聊聊几个我工作中经常会用到的、觉得特别接地气的经济学原理。这些东西可能听起来有点学术，但细琢磨一下，其实就藏在咱们生活的方方面面，理解了它们，很多事情就豁然开朗了。1. 机会成本：你做这个选择，就等于放弃了另一个选择带来的好处这个原理真的太！重！要！了！它说的不是你直接花出去的钱，而是你.............
-
这个问题非常宏大且复杂，涉及历史、政治、文化和学术思想的多个层面。我们将从以下几个方面来详细探讨：一、 中国经济学家为何大都信奉西方经济学？这是一个历史和现实因素交织的结果，主要原因可以归结为以下几点：1. 改革开放的现实需要和实践导向： 学习先进技术和管理经验： 改革开放初期，中国经.............
-
这确实是一个很多人会有的疑问，也挺现实的。你可能会想，经济学和金融学听起来就跟钱打交道，学得好的人不应该财源滚滚吗？但实际上，现实并没有那么简单。为什么呢？我给你细说说。首先，我们得明确，“学习经济学和金融学”跟“擅长赚钱”之间，其实隔着好几道坎。第一道坎：理论与实践的鸿沟经济学和金融学，尤其是刚入.............
-
我非常乐意分享一些我专业（假设是综合性的人文社科领域，或者我们可以选取其中一个领域深入）中既有趣又实用的概念，希望能帮助大家更好地理解我们身处的这个世界。今天，我们来聊聊一个在经济学和心理学交叉领域都很有分量的概念：“损失厌恶”（Loss Aversion）。什么是损失厌恶？简单来说，“损失厌恶”就.............
-
生活中，许多我们习以为常的文化习俗，乍一看只是代代相传的礼节或传统，细究之下，却能发现其背后蕴藏着精妙的经济学逻辑。这些习俗并非空穴来风，而是人们在长期的社会实践中，为了应对资源约束、降低交易成本、提升效率或规避风险而形成的智慧结晶。下面我将挑选几个例子，深入剖析它们看似“约定俗成”，实则“颇为理性.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有