经济学是怎么学会做出可信的因果主张的？
有三十年，世界上最好的经济学家造出整个经济体的巨型模型，并相信它们能告诉你一项政策会带来什么。后来三个人从三个不同的方向出手，表明这些模型交不出它们许诺的东西。修补的办法不是造一个更好的模型，而是换一个关于证据的问题，而这一换，改变了“知道一件事导致另一件事”是什么意思。本篇导读追的就是识别问题本身，从考尔斯的结构纲领，到可信性革命，再到综合的前沿。每一代人的答案都失败了，下一代就是对它的回应。
把这条方法脉络看成一张图结构纲领
“计量经济学……的目标，是把处理经济问题的理论数量方法与经验数量方法统一起来……正是这种统一构成了计量经济学。”
— 转述自拉格纳·弗里施，计量经济学会的创会章程及他1933年为《计量经济学》所写的发刊词
把这句话当一个承诺来读。它的抱负是把经济这台机器估计出来，也就是支配家庭与企业行为的那些深层关系，然后用估计出来的这台机器去回答你想问的任何政策问题。造出第一批真去做这件事的模型的劳伦斯·克莱因，把可操作的版本说得很直白：把经济的结构估计成一个方程组，你就能在真试之前先模拟任何你想要的政策。有二十年，这个承诺看上去正在被兑现。
让这个承诺变得可以设想的那一步，来自特里格弗·哈维尔莫1944年的工作。他的《计量经济学中的概率论方法》主张，经济数据应当当作一个联合概率模型的抽样来对待，经济是一个随机系统，你可以用对付任何其他随机过程的那套统计工具去推理它。在哈维尔莫之前，这一点并不显然；在他之后，结构式估计有了地基。考尔斯委员会，特亚林·库普曼斯、雅各布·马尔沙克和他们的合作者，就在这块地基上把那套分析工具造了起来。
他们要解决的问题比看上去更老。假设你想要一种商品的需求曲线，手上有很多年的价格与数量数据。你不能直接拿数量对价格跑一个回归，因为价格和数量是一起被决定的，每一个观测点都是一条供给曲线与一条需求曲线的交点，而两条都在动。你看到的那团点，哪条曲线也没有描出来。这就是联立方程问题，而考尔斯给它的答案是识别：只有当你能施加足够多可信的限制、把哪条曲线是哪条钉死时，你才能把结构参数还原出来。
一个结构系统把内生变量$\mathbf{y}$与外生变量$\mathbf{x}$写成$\mathbf{B}\mathbf{y} + \mathbf{\Gamma}\mathbf{x} = \mathbf{u}$。简化式是$\mathbf{y} = -\mathbf{B}^{-1}\mathbf{\Gamma}\,\mathbf{x} + \mathbf{B}^{-1}\mathbf{u}$，而数据能给你看的只有这个。一个方程只有在施加了足够多的限制之后才算被识别，这些限制通常是排除，也就是假定某些变量不出现在某个方程里，好让它的结构系数能从简化式里还原出来。阶条件（数一数：被排除的外生变量至少要和被包含的内生变量一样多，再减一）是必要条件；秩条件才是完整的要求。
要把一条需求曲线描出来，你需要某种能推动供给、又碰不到需求的东西，比如一次歉收，这样供给沿着固定的需求曲线滑动时，它扫过的那些点就显出这条曲线的形状。识别就是把这些推动因素找出来、或者假定出来的那门功夫。整座建筑立不立得住，全看假定的那些推动因素是不是真的。
克莱因把这台机器做到了规模上。克莱因-戈德伯格模型（1955年）把美国经济估计成一个几十个方程的系统；1960年代的布鲁金斯模型和FRB-MIT-Penn模型则做到了几百个。各国政府拿它们来预测和模拟，加这项税、动那个利率，然后从系统里读出预测的效果。这套结构纲领在思想史上的归属，是战后的新古典综合，那个把模型带到数据面前、带着新自信的时代。
结构式的抱负本身是对的抱负。目标是把那些深层参数估计出来，也就是偏好、技术、真正的行为关系，它们在你改变政策时不会跟着变。手里有了它们，你就能做一件任何曲线拟合都永远做不到的事：模拟估计出来的系统在新规则下往前跑，从而评价一项从未试过的政策，评价它对一群从未被处理过的人的效果。结构式估计是唯一一条连尝试都尝试了的路。
而且那些假定是摆在桌面上的。一个结构模型是一份关于机制的完整而明说的交代：方程在这里，排除性约束在这里，我们关于经济如何运转的假定也在这里。你可以跟它争，因为它把话说死了。一份关于数据里发生过什么的简化式概括，对另一套体制下会发生什么则什么都没说死。结构纲领是做经济学的那种有章法的做法：先把这台机器估计出来，再向它提问。日后会把它撕开的那个问题是：这套纲领交得出它所许诺的深层参数吗，还是只交得出一些看着像深层参数、直到政策一变就现形的东西？
有二十年，它看上去是管用的：大模型做预测，做模拟，为总统和中央银行提供决策依据。整件事全押在一个词上，深层。那些估计出来的系数，真的是这套纲领所许诺的、政策不变的结构参数吗？还是说，它们是简化式的组合，政策一动它们就动，留给你一个拟合了过去、却对未来撒谎的模型？还有，那些识别用的限制，也就是让你描出这条曲线而不是那条曲线的排除，究竟可信过没有，还是只是顺手？这两个问题，你估计出来的东西是不是不变的，以及你的识别可不可信，就是下一个十年从三个方向同时撬开的那道裂缝。
到1976年，芝加哥一位三十八岁的人拿出了一句话的论证，说整个事业建在一个错误上。到1980年，一篇题为《宏观经济学与现实》的论文，用它作者的话说，把所有人都在施加的那些识别用的限制称作不可信。而到1986年，有人拿结构模型去对一次真实的随机化实验，它们没通过。
对结构纲领的批评
“既然一个计量经济模型的结构由经济行为人的最优决策规则构成，而最优决策规则又会随着与决策者相关的那些序列的结构变化而系统地变化，那么可以推出：任何政策变化都会系统地改变计量经济模型的结构。”
— 罗伯特·卢卡斯，“计量经济政策评价：一个批判”，1976年
把形式剥掉，这一拳很狠。那些大模型里的系数不是深层参数。它们是深层参数与数据生成时人们所处的那条政策规则的混合物。规则一改，人的行为就改，于是系数会动，这就意味着在系数固定不变的前提下去模拟一次政策变化，原则上是无效的。结构纲领用得最多的那项功能，也就是政策模拟，恰恰建在把政策变化唯一会做的那件事假设掉之上。
三面批评在十年之内落地，每一面打在同一套识别策略的不同侧翼上。
卢卡斯（1976）：参数不是不变的。一个估计出来的方程，捕捉的是人们在产生这批数据的那套政策体制下如何行动。人会形成预期，并针对自己预期中的规则做最优化。中央银行一改规则，预期就变，行为就变，你在旧规则下估计出来的那个方程就不再成立。所以那些系数是深层结构与旧政策缠在一起的产物。拿它们去模拟一次政策变化，你得到的是一个没人问过的问题的答案。
西姆斯（1980）：那些限制不可信。为了让自己的系统被识别，大模型不得不施加几十条排除性约束，也就是断言这个变量不进入那个方程。克里斯托弗·西姆斯论证说，它们之所以被施加，只是因为建模的人需要它们来达成识别。他用的词是不可信。他给的替代方案是向量自回归：把所有变量对称地建模，老实承认你还原出来的是简化式的动态，只施加读出结构冲击所必需的、最少的、站得住的限制。
LaLonde（1986）：这些估计复现不了一次实验。Robert LaLonde拿来全国支持性工作（National Supported Work）项目的数据，也就是一次带着真实对照组的、真实的随机化职业培训实验，把实验对照组扔掉，再问标准的非实验计量估计量能不能从观测性的比较组里把实验的答案还原出来。还原不出来。不同的、都说得过去的估计量给出的数字差得很远，而且几乎没有一个接近实验的基准。
先说卢卡斯。大模型最核心的用途是政策模拟。而为了跑这次模拟被摁住不动的那样东西，也就是估计出来的系数，恰恰是政策变化会推动的那样东西，因为系数编码的是针对当下规则做过最优化的行为。在系数固定的框架内部，这一点没有补丁可打；失效的正是这个框架在它自己最核心的任务上的有效性。卢卡斯说对了病，说错了哪一种药会赢。他开的方子是去估计真正深层的那些参数，偏好、技术，那些确实政策不变的东西，再把宏观重建在这些微观基础上。麻烦在于，那些深层参数并不比它们所取代的结构系数更容易被可信地识别。从总量数据里识别一个效用函数，撞的是同一堵墙。这就是为什么赢下应用经济学的那次转向，不是卢卡斯想要的那次理性预期加结构式的转向。
接着是西姆斯，他把识别这场病说成了一场信念的病。结构模型达成识别靠的是硬性规定，把变量排除出方程，只因为不排除系统就解不出来。你想怎么打扮它都行，那条限制仍然是没人有理由相信的东西。他的向量自回归是老实的回应：不要声称你并未挣得的识别；把联合动态建模，还原数据真正钉得住的东西，把结构式的解释留给那少数几条你敢说出口去辩护的限制。
最后是LaLonde，而他这一记在经验上见了血。卢卡斯和西姆斯论证的是结构纲领不可能可信地识别出它所声称的东西。LaLonde表明它确实没有。他手上有一次真实的实验可以对照；卢卡斯和西姆斯没有。当那些非实验估计量被要求复现实验的答案时，它们与实验不合，彼此之间也不合。这就是下一代人当作自己问题陈述的那个奠基性的否定结果：按LaLonde的说法，结构式估计量所依赖的那些假定，是数据检验不了的假定，而当你找到一个能检验它们的场合，拿实验去比，它们就输了。
三面批评，三个不同的侧翼，一个靶子。卢卡斯：参数不是不变的，所以你不能做模拟。西姆斯：识别用的限制不可信，所以你连自以为握着的那些参数其实都没有。LaLonde：当真有一次实验可用时，结构式的估计复现不出来。这里的每一条都是一次识别的失败。结构纲领的整套分析工具，存在的意义就是从非实验数据里识别深层参数。一旦你看清识别失败了，下一步几乎是被逼出来的：如果从施加的假定出发的识别一直在失败，那就别再施加了。去找一个变异本来就是外生的场景，在那里你不必一路假设过去才凑出一次干净的比较，因为世界已经把它递到你手上了。
结果发现，一旦经济学家学会去找，这样的场景到处都是。州界一侧上调了最低工资而另一侧没有。一次征兵抽签随机把一些年轻男子拉进军队、另一些没有。一条分数线让这个学生进了项目、下一个没进。他们把这叫作找到一次自然实验，而在二十年之内，它接管了应用经济学。
可信性革命
“1992年4月1日，新泽西州的最低工资上调……他们没有发现任何迹象表明最低工资的上调减少了就业。”
— 戴维·卡德与艾伦·克鲁格，《美国经济评论》，1994年
注意卡德与克鲁格没有做什么。他们没有写下一个快餐业劳动市场的结构模型，再施加限制去识别它。他们找到一个场景，一个州上调了最低工资而邻州没有，在州界两侧调查了快餐店在上调前后的情况，然后就只是看。新泽西是处理组，宾夕法尼亚是世界白送的对照组。识别所依赖的那个假定只有一句话，读者可以拿它来争：如果没有这次工资变动，州界两侧本会一起移动。这就是整场革命，浓缩在一项研究里，一次捡来的对照。
基于设计的这一步把结构式的策略倒了过来。你不再是施加限制、从手头随便什么数据里识别参数，而是去找一个近乎随机的变异来源，再围着它把分析搭起来。四件工具干了大部分的活。做得仔细的工具变量：一个推动处理、又只可能通过处理影响结果的变量，而且要有一个具体的、站得住的故事说明为什么。断点回归：比较刚好在某条随意划定的临界值上方和下方的个体，他们除了落在线的哪一侧之外，其余处处相像。双重差分：一个处理组和一个可比的对照组，处理前和处理后，把两者共有的东西差掉。以及随机化本身，凡是你跑得动实验的地方。
让这一切变得严谨的框架，是安格里斯特—因本斯—鲁宾的潜在结果语言。每个个体都有一个接受处理时的结果和一个不接受处理时的结果，而我们永远只看得到其中一个。因果效应是潜在结果之间的比较，而一个研究设计之所以可信，是因为它对“对照组顶替的是哪些个体缺失的那个潜在结果”给出了站得住的说法。这个框架最锋利的结果，同时也是它的界限：局部平均处理效应。
给定一个二值工具变量$Z$、处理$D$与结果$Y$，工具变量识别出来的是LATE：
$$\text{LATE} = \frac{\mathbb{E}[Y \mid Z=1] - \mathbb{E}[Y \mid Z=0]}{\mathbb{E}[D \mid Z=1] - \mathbb{E}[D \mid Z=0]}$$在单调性与排除性之下，这就是依从者身上的平均处理效应，也就是那些处理状态真被这个工具变量推动过的个体，而这个量既不同于总体平均，也不同于总是接受者或从不接受者身上的效应。
一次自然实验只推动一部分人。征兵抽签改变的是号码刚好抽在门槛附近的那些男子的服役状态，而不是那个本来就要参军的志愿者，也不是那个横竖都不会去的人。你学到的，是这次实验真正推动了的那些人身上的效应。那是真实的知识，也是干净地识别出来的，而它不是所有人身上的效应。
现在，识别所依赖的那个假定是可核查的。审稿人可以问一个尖锐的问题，这个工具变量真的外生吗？这条临界值真的是随意划的吗？州界两侧真的本会一起移动吗？而论文的生死就系在答案上。拿它对比结构模型的几十条排除性约束，那些约束没有哪个审稿人能核实，因为它们从一开始就不是拿来被核实的。思想史把这次转向放在现代那一段，它在那里成了这门学科的证据标准。
基于设计的这次转向，一次回答了第2阶段的全部三面批评，而且对应关系是严丝合缝的。它不去模拟固定的深层参数，所以卢卡斯批判在这里使不上力：没有什么东西被摁着不动跨过一次体制变化，因为这个方法估计的是某个具体场景里的一个效应。它不施加不可信的限制，所以西姆斯的批评在这里也使不上力：识别所依赖的假定是单独一条、明说出来、可核查的主张，只关于一个变异来源。而它复现得了实验，因为它的要点就是去找模仿实验的变异，这一下就把LaLonde的示范从一纸诉状变成了这套纲领的立身之本。
约书亚·安格里斯特与约恩-斯特芬·皮施克把这次转变命名为“可信性革命”，并主张今天经济学里的经验工作比三十年前可信得多，因为一项因果主张的标准变了。这门学科用自己最高的荣誉认可了它：2019年的诺贝尔奖授予班纳吉、迪弗洛与克雷默，表彰减贫上的实验方法；2021年的诺贝尔奖授予卡德、安格里斯特与因本斯，表彰劳动经济学的经验工作，以及那个让自然实验证据变得可解释的框架。
劳动经济学是这场革命最先、也最硬地证明自己的地方。卡德-克鲁格论最低工资，安格里斯特论越战征兵抽签，还有那个给“最低工资没有就业效应”配上机制的买方垄断纲领，正是在这里，基于设计的这一步从一个聪明的技巧变成了整个领域的标准，而那个故事有自己的学脉，由劳动经济学自己的那条脉络来追踪。
可信性革命做成了结构纲领始终做不成的那一件事：它让识别所依赖的假定变得可核查。1975年的审稿人核实不了一个结构模型的那些限制；2005年的审稿人可以问工具变量是不是真的外生。按它给自己定的标尺，这场革命赢了，而且在应用微观里赢得干脆。但它交出了一些东西。它学到的是依从者身上的效应，也就是自然实验刚好推动了的那些人。它没有学到其他所有人身上的效应，没有学到一项还没人试过的政策的效应，也没有学到在那次捡来的变异从未触及的人群上答案会是什么。结构纲领那份不可能的抱负，至少是冲着这些问题去的。这场革命究竟解决了识别，还是靠着悄悄把自己限制在那些外生变异刚好躺在身边的问题上，才解决了识别？
这个问题有一位守了三十年、一直在追问它的辩护者。詹姆斯·赫克曼因结构计量经济学获得诺贝尔奖，看着这个领域走开，却从未停止论证：基于设计的这套纲领忘了结构当初是为什么而存在的。这条脉络的最后一步，是一次两头都要的尝试。
综合的前沿
“可信的内部有效性与我们最终真正在乎的外部有效性之间的那道缺口，收窄了，却没有合上……把基于设计的识别与明说出来的建模结合起来，正是眼下发力的地方。”
— 圭多·因本斯，依循他2021年那场关于因果推断的诺贝尔奖演讲的思路
因本斯是基于设计这一传统里面的人，LATE框架就是他造的，而这个框架定义了那一传统。如今他又是把结构重新搭回它上面的那场努力的领头人之一。当一场革命自己的建筑师开始朝着被这场革命顶掉的纲领修桥时，你就知道这个领域进入了综合的阶段。这个领域正在问的是：如何守住识别必须可核查这块地基，同时把这块地基给不了的外推能力找回来。
这个取舍在两边都是真的。基于设计的／简化式的一边：假定最少，识别透明，内部有效，但一次捡来的人群上的LATE，外推不到另一群人身上，也外推不到一项没试过的政策上。结构式的一边：假定更多，主张更宽，能外推，能做事前的反事实政策评估，可这一切都在那些假定之下成立，而那些假定恰恰是最难辩护的东西。谁也不压倒谁。它们回答的是不同的问题。
前沿就是那一批把两者结合起来的尝试。结构因果模型把“一个因果效应在什么条件下能从一个明说出来的机制模型里被识别”形式化，从而让结构式的假定变成你可以逐条检视的明确对象。因果机器学习，也就是Susan Athey与圭多·因本斯为“经济学家该会哪些方法”开出的纲领，以及Chernozhukov的双重/去偏机器学习框架，把基于设计的那套识别规范摆在最前面，同时让灵活的机器学习去估计那些高维的冗余部分，于是你可以既有可信的识别，又有丰富的异质性。目标是守住可信性革命那条“识别必须可核查”的标准，同时把结构纲领的射程找回来。
赫克曼的辩护立足于一件结构纲领本来就是为它而设计、而基于设计的纲领在结构上做不到的事：事前的政策评估，也就是在明确说出的假定之下，预测一项尚未实施的政策对一群尚未被处理的人的效应。一次自然实验的依从者身上的LATE，对另一群人、对这个项目放大之后的版本、对一项没人试过的政策，都说不上话。如果你需要回答的正是这些问题，而对绝大多数面向未来的政策设计来说确实是，那你就需要结构，因为只有结构连尝试都会尝试。赫克曼那句“修桥”的论证，是在提醒人们：这场革命的胜利带着一份真实的代价，而这份代价就是结构当初被造出来要回答的那些问题。他的方法论框架是对的，而且它站得住，不依赖他在若干具体经验再分析上的记录，那些再分析有几项没有立住，而它们所质疑的那些基于设计的发现，包括卡德-克鲁格，立住了。
而整合正是这条学脉的去处，说出这句话的是革命自己的人。因本斯、Athey、Chernozhukov这几位基于设计传统的领头人，如今正把结构式的抱负重新引进来，并用革命立下的可核查标准约束它。在这次综合里，可信的识别是地基，而把它与结构式的政策相关性结合起来，是眼下活着的工作。
可信性革命抬高了门槛。每一位前人都在识别上失败，而失败的方式都被后继者诊断对了：卢卡斯说对了参数不是不变的，西姆斯说对了那些限制往往不可信，LaLonde说对了结构式估计复现不了实验，而基于设计的转向解决了这个共同的问题，办法是让识别所依赖的假定变得可核查。这是一份经得住时间的认识论收益。但它把经济学的尝试范围收窄了。结构式外推那一类问题变得更难，而赫克曼的辩护恰恰对这些问题成立；这门学科部分地从只有结构传统才有装备去问的那些问题上退了回来。综合仍在进行，前沿把两者整合起来，而在前沿的几个方向之间还分不出胜负。还有，这次胜利是分领域的：基于设计的识别在应用微观，也就是劳动、公共、发展、应用产业组织里赢得干脆，但宏观多半没有从基于设计的工具箱那里加总上去；DSGE和校准式的结构宏观仍然活着，理由是可信性革命从未处理过的。把整门学科叫作“基于设计的”，是错的。
这条脉络落在一个具体的地方：可信的识别成了应用经济学的地基，一项因果主张现在要跨过的门槛是“读者核查得了识别所依赖的那个假定吗”，而未竟的工作，是在不拆掉这块地基的前提下，把结构式的政策相关性重新搭回它上面。有一种框架整个站在这条脉络之外：从米塞斯与哈耶克下来的一个传统，在前提上就拒绝识别这件事本身，认为经济学的深层问题根本不是经验上能判定的。
本篇脉络追的是这些方法如何一层层垒起来，每一级都是对前一级识别失败的回应。至于这次累积意味着什么，经济学现在知道什么、不再声称什么、什么被顶掉了，见那篇讲认识论的导读。
这条脉络落在了哪里
我们从一个承诺出发：把经济深层的那台机器估计出来，然后想模拟什么政策就模拟什么政策。考尔斯的结构纲领为此造出了真实的分析工具。随后三面批评从三个侧翼表明，这套工具交不出它所许诺的深层参数，而这三面里的每一面都是同一类失败，识别的失败。可信性革命一次回答了全部三面，办法是换掉问题：别再施加假定，去找外生的变异，并让你保留下来的那一条假定成为读者可以核查的主张。它在应用微观里赢得干脆。它同时也只学到了依从者身上的效应，而不是所有人身上的效应，这就是为什么在只有结构传统才问得出的那些问题上，它的辩护仍然成立。
所以这条脉络落在了一块地基上。把结构式的政策相关性重新搭回这块地基上，也就是结构因果模型、因果机器学习、基于设计的结构式估计，是未竟的工作，而正在做这件事的人，是革命自己的建筑师。下一次有人告诉你某项研究“证明了”一项政策有效，你手上就有这条学脉挣来的那一个问题：识别所依赖的那个假定，你核查得了吗？想把这条方法脉络当作一张连通的图来看，看谁回应了谁，跨过按时代分卷的书所隔开的那些界线，请打开方法脉络视图。