标题“让数据说话”的经济学家

　　瑞典皇家科学院于一九六八年增设诺贝尔经济科学奖，并将首期奖授予两位北欧计量经济学家弗里希(Ragnar Frisch)与丁伯根(Jan Tinbergen)，期望经济学能发展成为与物理学、化学及医学并立的严密科学。然而，在此后的相当长时期内，经济学的“科学性”一直是一个有争议的问题。要回答“如果那样会怎样”的问题，自然科学可以通过周密设计的实验、控制各种变量，最后得到近乎无懈可击的回答。然而，经济学家们或是社会科学家们在回答同样的问题时却要困难得多。大多数社会问题很难通过实验来进行分析，即使某些“社会实验”有一定的可操作性，实验结果总是掺杂了各种研究者不可控因素的影响，研究者无法从中分离解析因与果、投入与产出之间的精确关系。
　　诺贝尔委员会将二○○○年经济学奖授予芝加哥大学经济系的詹姆斯·海克曼(James Heckman)教授和加州大学柏克莱分校经济系的丹尼尔·麦克法登(Daniel McFadden)教授，表彰他们开创的微观计量经济学方法对经济学科学化的突出贡献。他们本人的研究领域分别是劳动经济学和消费者选择理论，但他们的微观计量经济学研究方法已经被广泛应用到经济学、社会科学及政策分析的各个领域。这两位经济学家的思想与我们常常论及的经济学“体系”或“流派”很难对上号，他们的基本哲学是以数据论理，让数据说话。就像海克曼在获奖后接受采访时说，“经济学首先是了解世界——然后才是改变世界，为此我们需要诚实的态度，而不应以救世主自居”。
　　经济学的计量化最早是从宏观经济学开始，但后来微观计量经济学突起乃至目前在计量经济学中占据了主导地位。我们熟悉的一九七一年和一九八○年诺贝尔奖获得者库兹涅茨(Simon Kuznets)和克莱茵(Lawrence Klein)是宏观计量经济学的代表。宏观计量经济学研究的是国民经济总量的核算以及商业周期波动中各种宏观变量(如总消费、总投资、政府收支、外贸、失业率、利率、通胀率和汇率等)的相对变化及因果关系。相对应的微观计量经济学研究的对象是单个市场或部门及参与者的行为，包括劳动和资本市场、消费者与厂商行为、部门经济学(如农业、产业组织经济学)和公司治理等。微观计量经济学的发展是受到两股力量的推动：一是西方经济学对解释宏观经济现象提出的“微观基础”要求。经济学家们意识到必须从决策个体(消费者、劳动者和厂商)的动因、约束和选择出发才能对社会经济资源的配置机制有深刻的理解，才能提出相应的政策建议以改善资源的配置。二是美国大型微观数据库的发展。两位获奖人的许多研究成果是基于六十年代在密执安大学建立的美国收入动态纵向研究(PSID)数据库。PSID不仅有横向记录(每一时期所有被调查人的收入、就业、家计状况)，还有同一被调查人在不同年份的纵向记录，以便研究者在微观层次上分析社会经济的发展以及教育和工作经历对个人经济状况的动态影响。PSID的成功以及微观计量经济学研究方法的不断完善促使一些研究机构投入大量的人力物力发展新的微观数据库，在学术界最有影响力的还有芝加哥大学的证券市场微观数据库(CRSP)和斯坦普尔公司的上市公司微观数据库(COMPUSTAT)等。
　　海克曼和麦克法登的核心成果在于解决了微观经济学数据分析中的两大难题。海克曼的重要研究成果是经济学数据中的“自我选择”问题。与实验科学不同，社会科学研究对象“人”通过自我选择而决定是否进入某一种状态，如接受教育、从事某一类职业或加入某一团体等。一旦他们做出选择，研究者无法通过事实来回答“如果他们不这样做结果会怎样”的问题，因为另一种情况下的结果已经成了“反事实”。麦克法登的主要成果则是消费者选择的实证分析方法。研究对象消费者既具有研究者可观察的特征，如种族、性别、年龄、教育，还有许多隐性特征，包括个人偏好、智能倾向等。后者对分析对象所做的选择起着重要作用，但是研究者却无法观察或无法准确估计这部分重要信息，以至于无法精确地预测分析对象的行为。以上列举的这些问题在统计学中均未有文献可考。两位学者所开创的研究方法让研究者在面临自我选择和信息不充分的情况下做出“无偏”(即没有系统性的高估或低估)和尽可能精确的统计估计。
　　微观计量经济学从名称上看不外乎是微观经济学与统计学的结合，而海克曼和麦克法登的突出贡献在于他们让计量经济学成为建立在经济学理论模型之上而独立于统计学的学科。由于以上谈到的微观决策者个体的复杂性和自我选择性，简单套用统计学方法会导致错误的研究结论。比如说，我们观察到受过高等教育者平均收入显著高于中学毕业生和中学辍学生，用简单的统计方法我们还可以算出这一高等教育“溢价”在随着经济的发展而迅速扩大。但是，用这样的横向(大学毕业生和中学毕业生)或纵向(教育前后)收入比较来估计高等教育的产出会造成严重的高估。设想一下，如果社会通过随机彩票的形式来决定人群中哪些人进入象牙塔深造，那么大学毕业生与中学毕业生平均收入的差距会是人群中一个普通人可以从高等教育中获益的一个无偏估计。然而，事实却是受教育者(或者他们的父母)自愿选择是否接受教育以及接受多少年的教育，他们比研究者对自己(或子女)从教育中可能的获益具有更精确的信息。接受教育有收益也有成本，成本不仅表现为学费支出，更大的机会成本是为接受教育而放弃的当期工作收入，后者在低收入家庭的教育决策中显得更为重要。因此在像美国这样有良好信贷市场的社会中，那些预期能从教育中获净收益较多的人会选择受较多的教育，以这些人从教育中的受益来推算人群中普通人可从教育中得到的收益会导致高估。我们常常谈到经济学分为实证经济学和规范经济学两类，前者回答“是怎样”的问题，而后者回答“应该怎样”的问题。两者事实上是不可分的，实证经济学的研究成果自然而然会引发政策含义，而政策制订者的规范性结论需要科学的实证基础。比如，海克曼在一篇对美国政府资助的“同等学力”培训项目评估论文中通过详实的数据分析指出，这一项目对提高受培训者生产力的作用非但远低于项目设立者的预期，而且受培训者的受益与政府的投入相比低得不成比例。因此，政府投资教育最有效的去处是建立完善的教育信贷制度和市场，让所有预期从教育中获得净收益的人能够承受接受教育的先期投入成本。海克曼在类似的论文中指出美国扶持社会弱势集团而给予在升学、就业上优先考虑的“肯定性行动”对受益者的帮助远低于人们的预期水平。这些言论反映了芝加哥大学经济系的自由市场主义的学术传统，在学术界和社会上都激起过强烈的反对甚至抗议。但海克曼强调的是人们应该尊重经济学事实，一切“让数据说话”。让数据告诉我们事实，以及事实背后那些还没有发生的事可能会带来的后果。
　　瑞典皇家科学院列举海克曼和麦克法登的首要学术贡献(他们各自一九七四年的论文)都是“让数据说话”的典范。海克曼对“自我选择”的计量经济学处理首现于他一九七四年发表于《计量经济学》杂志的论文《影子工资、市场工资和劳动供给》。从六十年代开始美国妇女大规模走向劳动力市场，这一论文的研究问题是美国已婚妇女就业选择和教育对妇女工资的影响。假定教育年限以一定的规则影响妇女的生产力乃至工资收入，如果我们能够观察到所有已婚妇女的教育水平和工资水平，我们就能对教育——收入之间的经济学关系做出准确的估计。问题在于，只有一部分、而非全部已婚妇女选择就业，我们只能从就业妇女的样本中估算未就业妇女的市场劳动力价值。
　　于是我们马上面临一个难题：就业选择绝不是随机的，而是当事人(及她们的家庭)的理性选择。只有市场劳动力价值(包括工资收入、社会地位、事业前景等)超过作为家庭妇女的价值的已婚妇女才会选择就业，从而进入调查者的样本。于是，在可观察的样本中，高收入者的比例远远超过她们在人群中的真实比例。另外，低教育水平的妇女通常市场劳动力价值较低，于是在这一群体中，只有由于特殊原因(例如具有与教育相关度不高的特殊技能或是家庭关系)而能得到较高市场工资的妇女才会就业。因此，在低教育程度的已婚妇女中，相对较高收入者在就业样本中的比例远远超过她们在人群中的真实比例。如果我们在就业样本中将已婚妇女的工资收入对教育水平做回归分析，结果中会包含两种误差：一是高估自愿成为家庭主妇的妇女们所损失的市场劳动力价值；二是低估高教育程度和低教育程度妇女之间的潜在收入差异。第一项误差的来源是在可观察的特征(如教育、年龄、种族、配偶收入等)相同的情况下，“自愿失业”的已婚妇女的预期工资收入要低于自愿就业者。第二项误差在于选择就业的低教育程度妇女往往收入显著高于同等教育程度的其他妇女的可得收入，她们在样本中得到超比例的表现，从而缩小了就业妇女的“教育溢价”。海克曼的这些分析深入阐明了“让数据说话”的复杂性。
　　当然，指出问题还只是成功的一小半，解决这一问题才是精髓所在。海克曼建议“两阶段自我选择偏差纠正法”。在第一阶段，研究者的样本包括所有已婚妇女，就业或不就业。通过经济学模型和可观察变量(如教育、年龄、家庭收入、孩子数量及年龄等)来估计每一已婚妇女的就业概率。在第二阶段研究教育对工资收入影响时，研究者的样本只剩下就业已婚妇女，可将得自第一阶段的概率数值作为一个额外变量，与其他变量，如教育、年龄等一起放入工资收入方程进行回归分析。海克曼证明自我选择所带来的偏差会被这一额外变量所“吸附”，而回归方程中“教育年限”这一变量的系数将是对“教育溢价”的无偏估计。这一方法经海克曼本人和其他一些计量经济学家的发展和完善，目前已成为任何涉及自我选择(如教育、择业、婚姻、移民等)的样本分析的经典方法，使用的领域早已超出经济学，成为社会学家、政策分析者的常用工具，一些软件包中也有现成的海克曼两阶段回归程序。
　　麦克法登最主要的成就是创立了消费者“离散”选择的分析方法，以他一九七四年发表于《计量经济学前沿》的《条件逻辑分布分析与定性选择行为》一文为代表。麦克法登在方法上的突破性表现在两方面：一是让研究者在只具有消费者部分特征信息的情况下研究和观测消费者选择；二是在离散变量分析上的突破。传统的经济学需求理论假定消费者的需求或选择是一种可以无限细分的连续变量或接近连续的变量，这样的方法无法直接应用到消费者只面临有限数种选择的情形。比如，消费者在度假时可供选择的交通方式有飞机、火车和汽车，在住房上可以选择买房或租房，在购买消费大件时又有数种品牌可供选择。
　　麦克法登的模型假定消费者根据自己的偏好和一些客观变量(如收入、产品性能和价格等)做出决定购买哪种产品或服务，这一决策将使消费者在既定的预算约束下达到效用极大化。如果研究者能够观察到消费者赖以做出决策的所有变量，就能对消费者的需求做出完全准确的预测。问题在于研究者只具有消费者所拥有信息的一部分(最难观察的信息就是消费者个人的偏好)，这样，消费者的理性选择在外部观察者看来具有很大的随机性。麦克法登将研究者无法观察的因素刻画成服从某种概率分布的随机变量——逻辑分布(形状类似于正态分布)变量。这一方法力图让研究者在有限信息的情况下对消费者的需求做出有效的最大似然估计。这一方法已被美国交通运输部门和公司用来预测消费者的旅游需求以及陆空交通流量规划，如旧金山地铁公司在设计容量时用的就是麦克法登的客流量预测模型。麦克法登还亲自主持过一些应用性项目，包括民用能源、电话服务以及老年人住房的需求预测。
　　麦克法登的离散选择分析不仅丰富了最大似然估计统计方法，而且还解决了逻辑分布模型中的一个统计学问题。传统的逻辑分布最大似然估计方法假定“无关选项独立性原理”(independence of irrelev antalterntives)，即消费者在两种选项之间的相对选择概率与其他选项的特征无关。例如，消费者选择坐火车与坐汽车的相对概率比例与飞机旅行的价格和舒适程度无关。麦克法登用一形象的“红车蓝车”例子来说明这一统计学上的假设在分析消费者行为时的不合理性。如果社区内的某一路公交车队把一部分车漆成红色，另一部分车漆成蓝色，而没有别的变化，这显然不应影响消费者的选择。但是假定研究者不知道红车蓝车是同一路车，根据无关选项独立性原理，红车与地铁及蓝车与地铁的相对选择概率都应保持不变。于是，研究者会预测坐该路公交车的人数(红车与蓝车乘客总数)将上升！麦克法登用序列决策的方法克服了这一问题，例如，消费者先在大类选项间做选择(如坐飞机还是坐火车，或是购房时的社区选择)，选定大类后再做小类选择(如航空公司或是房型选择)。麦克法登用同一个模型来估计和预测消费者的多层选择，从而考虑到消费者在做大类选择时可能使用到他们对小类选项所拥有的信息。
　　除了消费者选择理论外，麦克法登还将他的方法应用到厂商理论和自然资源理论等领域。用类似于消费者效用极大化原理，麦克法登模型也可以用来估计利润极大化的厂商对资本和劳动力的需求。一九八九年艾克森石油公司的巨轮在阿拉斯加海域漏油，对环境造成很大污染。有关部门就是用麦克法登的模型估计出了这一漏油事件给环境带来的总损失，这样对艾克森的赔偿要求更具科学性。
　　海克曼和麦克法登是微观计量经济学的开创者和构造者，他们研究的问题——如自我选择和离散选择——远远超越了劳动经济学和消费者选择理论的范畴，可以说在微观经济学各个领域中无所不在。比如，对美国互助基金经理的业绩评估需要纠正“强者生存”所带来的偏差。通常研究者手中只有营业中的基金资料，而投资管理不善的经理因基金的倒闭或本人被撤职而未被列入样本的概率大于投资有方的基金经理，用生存下来的基金经理样本来估计一般经理的业绩会造成高估。又比如，他们的方法也适用于转轨经济学以及中国微观层次改革的研究。改革试点的成果评估会对下一步的决策起到重要作用。但是纳入改革试点的企业或地区的筛选往往不是随机的，而是接受试点者或主管部门选择的结果，在评估业绩时我们必须纠正简单的前后和横向比较中包含的自我选择导致的偏差，才可得到对改革效果的正确评估。另外，改革方式通常是一种离散选择(即有限选项)，比如企业可选择是否实行股份制，又比如股份制企业可选择是否上市。因此，在做实证分析时需采用离散选择模型。两位大师的方法为我们定量分析各种因素对促进或阻碍改革的作用以及正确评估改革业绩提供了有效的工具。