文章專區

確認因果關係，是科學研究中相當重要的工作之一。而社會科學不同於自然科學能在實驗室驗證理論預測，因此學者們大多只能藉由觀察性資料進行實證研究。經濟學家安格里斯特與因本斯等人，提倡各種「因果推論」方法，讓研究者可以在合理的假設下使用觀察性資料，並認定因果關係。本屆諾貝爾經濟學獎得主的選擇，是對於過去30年經濟學實證研究改革運動的肯定，因為能確認因果關係的實證研究，才有辦法驗證甚至是修改既有理論，幫助經濟模型的論述更接近真相。
 

►諾貝爾經濟學獎得主►

幾乎所有科學理論都在闡述因果關係，也就是說明為何「X 會導致Y」，X是原因或稱處置（treatment），Y 則是結果。經濟學也不例外，像是需求法則（The Law of Demand）中，預測商品價格（X）上漲造成人們對商品的需求（Y）下降；人力資本理論推測，受教育年數（X）越多，未來工作的薪資（Y）越高。一套理論是否有用，除了邏輯一致外，所提出的「因果關係」也要能通過現實資料的檢驗。

因果關係與不存在的「反事實」世界

判定因果關係最重要的步驟，是在比較「事實」與「反事實」的狀況下，人們所關心的結果有什麼差異，例如要了解取得碩士學位對薪資的影響，就必須比較同一個（群）人在同一時間，選擇唸與不唸研究所的兩個平行世界裡，未來工作的薪資是否不同。因為是比較同樣的人，除了學歷外，其他的條件都相同，若是他們的薪資出現差異，則可歸因於有無碩士學位。

然而，人生無法重來，目前科技還沒有穿越時空的本事，可以讓人返回過去做另一個決定，來看看後果有無不同，因此「反事實」的結果難以在現實世界中被觀察到。我們唯一能做的，就是盡量排除其他因素的影響，確認某個原因（處置）造成的效果。

社會科學的因果推論

不像自然科學的研究者能在實驗室「乾淨」的環境裡，進行隨機試驗（randomized controlled trial），控制各種干擾因素的變化，並推論變數間的因果關係。對於社會科學而言，因為研究對象是具有自由意志的「人」，因此大多數的議題，研究者很難直接操控「人」進行實驗，只能退而求其次，使用相對「骯髒」的觀察性資料（observational data），比較那些做出不同選擇的兩群人，分析他們在結果上的差異。由於其他干擾因素太多，這類資料若無好的實證方法引導，往往只能得到變數的相關性。

工具變數與自然實驗

今（2021）年諾貝爾經濟學獎的3位得主中，安格里斯特（Joshua Angrist）與因本斯（Guido Imbens）在1990年代起發展與提倡各種「因果推論」（causal inference）方法，讓研究者在一些合理的假設下，也能使用觀察性資料，認定因果關係。這些方法通常是利用政策變革、法律規定，或風俗習慣作為分配處置的「工具」，讓一組人得到處置，另一批人沒被影響，「自然」地創造出類似實驗的狀態，從而估計處置的效果。

以下用安格里斯特與已故經濟學者克魯格（Alan Krueger）在1991年於《經濟學季刊》（The Quarterly Journal of Economics）中，發表關於教育對未來收入影響的經典研究，說明「工具變數」與「自然實驗」的概念。

多念書可以提高未來收入嗎？

教育是累積人力資本的主要方式，接受更多教育能否提高未來收入，也一直是經濟學家與政策制定者關注的焦點，但要驗證這個因果關係卻會面臨許多挑戰。如果比較多念一年書與沒多念的人，確實通常會發現教育年數長的人收入較高。然而這個發現可能不是因果關係，只是反應了這兩群人，在家庭背景、個人能力或偏好上的差異，讓教育年數與未來收入呈現正相關。例如讀書能力好的人，比較容易考上學校繼續學習，同時也較有機會獲取高薪，跟他們有無多念書反而沒有太大關係。

（Photo by MD Duran on Unsplash）

為了排除眾多干擾因素的影響，安格里斯特與克魯格利用美國義務教育法中關於入學與退學的規定，創造出個人的教育年數會隨著其出生季度而改變的「自然實驗」。……【更多內容請閱讀科學月刊第624期】