【原】有趣! 經(jīng)濟學(xué)各領(lǐng)域?qū)嵶C方法的橫向比較和縱向演變, 為啥有的領(lǐng)域用結(jié)構(gòu)估計, 但其他領(lǐng)域不呢？

計量經(jīng)濟圈 2024-12-08 發(fā)布于浙江

展開全文

本文對1980年至2023年間的超過44,000篇經(jīng)濟學(xué)工作論文進行了深入分析。在閱讀的過程中，發(fā)現(xiàn)二部分特別引人入勝：一是對經(jīng)濟學(xué)研究中可信度革命的橫向和縱向比較，二是經(jīng)濟學(xué)各領(lǐng)域中實證研究方法的演變。

Garg, P and T Fetzer (2024), 'DP19701 Causal Claims in Economics', CEPR Discussion Paper No. 19701. CEPR Press, Paris & London.

1.了解經(jīng)濟學(xué)研究中的可信度革命

為了分析因果推斷方法在經(jīng)濟學(xué)研究中的演變，我們專注于研究論文中因果關(guān)系比例隨時間的變化。這一指標不僅反映了經(jīng)濟學(xué)家在研究中越來越傾向于采用嚴謹?shù)囊蚬茢喾椒?，也標志著“可信度革命”的興起。

圖5(a)展示了1980年至2023年間每篇論文中因果關(guān)系比例的平均值。數(shù)據(jù)顯示，這一比例顯著上升。1990年時，平均比例約為4.2%；到2000年，略微上升至約8.4%。然而，在隨后的幾十年中，增長趨勢愈發(fā)明顯：2010年時達到約17.1%，到2020年進一步上升至約27.8%。這一上升趨勢表明，在過去三十年間，經(jīng)濟學(xué)論文中越來越多地采用因果推斷方法來支持其研究結(jié)論。這一顯著增長反映了經(jīng)濟學(xué)研究中對建立可信因果關(guān)系的日益重視。實證方法的普及以及對因果識別策略的高度關(guān)注推動了這一趨勢，體現(xiàn)了“可信度革命”對經(jīng)濟學(xué)的深遠影響。

還分析了因果關(guān)系比例在經(jīng)濟學(xué)不同領(lǐng)域中的變化。圖5(b)比較了2000年前后各領(lǐng)域論文中因果關(guān)系比例的平均值。數(shù)據(jù)顯示，大多數(shù)領(lǐng)域在2000年后的因果關(guān)系比例都有顯著提高。

在經(jīng)濟學(xué)的各個領(lǐng)域中，城市經(jīng)濟學(xué)、健康經(jīng)濟學(xué)、發(fā)展經(jīng)濟學(xué)和行為經(jīng)濟學(xué)等領(lǐng)域的因果推斷方法增幅最為顯著。例如，城市經(jīng)濟學(xué)的因果關(guān)系比例從2000年前的約4.7%上升至2000年后的33.2%，成為增幅最大的領(lǐng)域之一。健康經(jīng)濟學(xué)的比例從10.1%上升至37.6%，達到所有領(lǐng)域中2000年后的最高水平。發(fā)展經(jīng)濟學(xué)的比例從4.4%提高至31.0%，而行為經(jīng)濟學(xué)的比例從3.6%上升至29.6%。這些領(lǐng)域通常研究與政策相關(guān)的問題，并能夠利用自然實驗或有利于因果分析的數(shù)據(jù)，因此更加廣泛地采用了因果推斷方法。這種趨勢反映了這些領(lǐng)域在因果推斷方法應(yīng)用上的廣泛性和深入性。

相比之下，某些領(lǐng)域的增幅較小或保持較低水平。例如，宏觀經(jīng)濟學(xué)的因果關(guān)系比例僅從3.3%略增至8.4%，這反映出由于實驗設(shè)計和識別策略方面的挑戰(zhàn)，宏觀經(jīng)濟學(xué)在采用因果推斷方法時較為謹慎。計量經(jīng)濟學(xué)的比例從6.3%上升至11.0%，而金融經(jīng)濟學(xué)則從2.9%增長至17.0%。這些差異表明，各領(lǐng)域?qū)σ蚬茢喾椒ǖ牟捎靡蜓芯繂栴}的性質(zhì)、數(shù)據(jù)的可獲得性以及各自的方法論傳統(tǒng)而有所不同。

2.經(jīng)濟研究中實證方法的演變

為了探究因果推斷方法日益受到關(guān)注的趨勢，我們分析了方法和領(lǐng)域隨時間的變化。圖6展示了1980年至2023年間在NBER和CEPR工作論文中主要實證方法的使用情況。結(jié)果顯示，雙重差分法（DiD）、工具變量（IV）、隨機對照試驗（RCTs）和斷點回歸（RDDs）等方法的使用顯著增長，這反映了學(xué)科正朝著更嚴謹?shù)淖R別策略轉(zhuǎn)變。

雙重差分法的使用顯著增加，從1980年論文的約4%上升至近年來的15%以上。這表明雙重差分法在通過政策變化和自然實驗來識別因果效應(yīng)方面的實用性得到了廣泛認可。工具變量方法也呈現(xiàn)出穩(wěn)定增長，從1980年的約2%上升至2023年的6%以上，這強調(diào)了其在通過外生工具解決內(nèi)生性問題中的重要作用。隨機對照試驗的使用自2000年代初加速增長，從2000年的不到1%增長至2023年的7%以上，這反映了實驗設(shè)計在經(jīng)濟學(xué)中日益可行且被接受。同樣，斷點回歸的使用從1980年代接近于零增長至近年來的2%以上。這些數(shù)據(jù)表明，經(jīng)濟學(xué)研究方法正在向更為嚴謹和實證的方向發(fā)展。

相比之下，理論和非實證研究的比例顯著下降，從1980年的約20%減少至2023年的不到10%。同時，模擬方法的使用也有所減少，從1980年的6%以上下降至近年來的約2%-4%。這種變化可能是由于更豐富的數(shù)據(jù)集和更復(fù)雜的實證方法的可獲得性所致。

這些趨勢在不同子領(lǐng)域中的表現(xiàn)并不均衡。圖7展示了各領(lǐng)域中實證方法的分布情況。勞動經(jīng)濟學(xué)、公共經(jīng)濟學(xué)和城市經(jīng)濟學(xué)廣泛采用了雙重差分法，其中勞動經(jīng)濟學(xué)和公共經(jīng)濟學(xué)中超過12%的論文使用了該方法，而城市經(jīng)濟學(xué)中的比例甚至超過了16%。隨機對照試驗在行為經(jīng)濟學(xué)和發(fā)展經(jīng)濟學(xué)中尤為突出，分別應(yīng)用于超過20%和11%的論文，這反映了實驗干預(yù)在這些領(lǐng)域的可行性和政策相關(guān)性。這一趨勢與Currie等（2020）的研究相符，該研究記錄了由于大數(shù)據(jù)和先進計算技術(shù)的可用性，實證方法得到了廣泛的增長。

相比之下，宏觀經(jīng)濟學(xué)、產(chǎn)業(yè)組織（IO）和金融經(jīng)濟學(xué)更多地依賴于理論模型和模擬方法，通過觀察性數(shù)據(jù)來推斷因果關(guān)系。在宏觀經(jīng)濟學(xué)中，理論方法占論文的約18%，而在金融經(jīng)濟學(xué)中占12%。結(jié)構(gòu)估計和模擬在宏觀經(jīng)濟學(xué)和產(chǎn)業(yè)組織中仍然占據(jù)重要地位，因為這些領(lǐng)域需要借助復(fù)雜的理論模型來理解整體現(xiàn)象和市場動態(tài)。

*群友可直接在社群下載全文PDF。

內(nèi)生性問題的拓展性閱讀，0.看完頂級期刊文章后, 整理了內(nèi)生性處理小冊子；1.“內(nèi)生性” 到底是什么鬼? New Yorker告訴你；2.Heckman兩步法的內(nèi)生性問題(IV-Heckman)；3.IV和GMM相關(guān)估計步驟，內(nèi)生性、異方差性等檢驗方法；4.最全估計方法，解決遺漏變量偏差，內(nèi)生性，混淆變量和相關(guān)問題；5.毛咕嚕論文中一些有趣的工具變量！；6.非線性面板模型中內(nèi)生性解決方案；7.內(nèi)生性處理的秘密武器－工具變量估計；8.內(nèi)生性處理方法與進展；9.內(nèi)生性問題和傾向得分匹配；10.你的內(nèi)生性解決方式out, ERM獨領(lǐng)風(fēng)騷；11.工具變量IV必讀文章20篇, 因果識別就靠他了；12.面板數(shù)據(jù)是怎樣處理內(nèi)生性的；13.計量分析中的內(nèi)生性問題綜述；14.工具變量IV與內(nèi)生性處理的解讀；15.一份改變實證研究的內(nèi)生性處理思維導(dǎo)圖；16.Top期刊里不同來源內(nèi)生性處理方法；17.面板數(shù)據(jù)中heckman方法和程序(xtheckman)；18.控制函數(shù)法CF, 處理內(nèi)生性的廣義方法；19.二值選擇模型內(nèi)生性檢驗方法；20.2SRI還是2SPS, 內(nèi)生性問題的二階段CF法實現(xiàn)；21.內(nèi)生變量的交互項如何尋工具變量；22.工具變量精辟解釋, 保證你一輩子都忘不了，23.審稿人: 為啥你不展示Y對工具變量Z的簡約式回歸結(jié)果呢？24.Two Sample IV, 雙樣本二階段工具變量回歸, TS2SLS充分利用2份數(shù)據(jù)的信息，25.Stata自救行動: 高維固定效應(yīng)HDFE, 弱工具變量穩(wěn)健性估計, 工具變量SVAR