来源：一席

作者：李井奎，经济学者

 

不得不说墨西哥毒品战争的研究结论是非常沉重的，但是经济学家就是要研究这个世界的真相，他们不会因为研究出来的真相刺痛了我们的感情就要放弃。

 

大家好，我叫李井奎，是一名经济学教育工作者和研究者。每当我向别人做自我介绍的时候，一般都会收到这样的反应——

“你是经济学家，那你能不能告诉我该买哪几支股票？我应该怎么投资才能够得到更多的财富？”

 

关于这样的问题，我每一次碰到都觉得非常尴尬。据我所知，我所在的大学的经济系，只有一位同事在股票市场上挣到了钱，还是因为他忘掉了账户密码，一年后他终于想起来了，发现账户多了十几万。

如果经济学家连股都不炒，那他们都在干什么呢？

我有一个老师，他退休之前是台湾大学经济系的教授，有一次吃饭的时候，别人问他，你是干什么的？他说，我是教体操的。

大家不要误会，他这样说其实是在说他教的是思维体操。经济学就是一种理性的思维方式，就是用科学的方法去回答社会和经济中那些重要而有趣的问题，比如——

• 黑人更容易被美国法院判处死刑吗？
• 墨西哥扫毒之战有没有导致墨西哥刑事犯罪率暴增？
• 黑手党的真正起源是因为意大利西西里地区更适合种植柑橘？
• 中国北方冬季供暖令多少人死于由此带来的心肺疾病？
• 搬到更富裕的社区生活对多大孩子的成长有好处？
• 气候越热的国家经济发展是不是就越差？
• 货币政策对走出大萧条到底有没有帮助？
• 特朗普为什么和媒体关系不好？
  ……
  
•  

我们都知道特朗普总统和媒体的关系很糟糕，经济学家也对此进行了研究。

他们发现只要前一天晚上特朗普总统在十一点钟还没有睡觉，那么第二天他对新闻记者发脾气的概率就大大提高。

▲ 图源来自网络

这样的问题还有很多，所有这些问题都非常重要而且有趣，经济学家也给出了他们非常严谨的因果性答案。

可是很多时候我们只能确定两个事件之间的相关关系，那我们怎么样确定事件之间的因果关系呢？

有一项研究告诉我们，爱吃巧克力的国家更容易出诺贝尔奖得主，人均巧克力消费量越高的国家，他们每千万人当中得诺贝尔奖的数量也就越多。那这是不是说明吃巧克力和获得诺贝尔奖之间有因果关系呢？

当然不能这么想，如果是这样的话，我们也不需要那么多的科研投入了，只需要每天给大家发巧克力，就可以成为一个科研大国了。

所以，因果关系的识别在经济学当中是一个重要的话题。

▌招聘中是否有种族歧视？

我们来看一个例子，在美国的工作招聘当中，到底存不存在种族歧视？这其实是一个很重要的社会问题。我们可以观察到，在美国劳动力市场上，非裔美国人的整体表现确实是不够好的。

这种职场上的表现到底是因为非裔美国人的生产力确实低于美国白人，还是因为他们受到了不公平的种族歧视呢？其实我们很难把这两个因素完全地分开，这是一个一直困扰我们的难题。

2003年哈佛大学的经济学教授Mullainathan，和美国西北大学的经济学教授Bertrand，他们一起想了一个脑洞大开的实验。

这个实验其实非常简单，就是做两套从各个方面来看都非常相似的简历——当然这两套都是假简历，它们唯一的不同就在于名字。

在美国如果你的名字叫Greg Baker，或者是叫Emily Walsh，基本上可以肯定你是一个美国白人。但是如果你的名字叫Jamal Jones或者是Lakisha Washinton，那你肯定是黑人。

所以他们就设计了一个非常完美的实地实验，这两套简历中只有姓名不同，但是这个姓名可以让雇主引起有关种族的联想。

他们发现，白人姓名的简历每投出十份就可以得到一个回复，而黑人姓名的简历每投出十五份才能得到一个回复，这在统计上非常显著。

更令人悲观的是，随着工作年限越长，技能水平越高，在同等条件下，白人简历获得的回复会更多。

我的女儿今年11岁，她很喜欢看《老K探长》，大家看，经济学家的工作是不是其实很像她喜欢的大侦探的故事？

事实上，像刚才讲到的能够通过实验来识别因果关系，在我们的经济生活当中其实是很少见的，有很多问题是不能通过做实验来完成的。

比如说这样的问题——读书有用吗？多读一年书到底能给我们带来多大的经济回报？这可是劳动经济学中困扰大家的难题。

▌读书有用吗？上名校有用吗？

我们不可能随机地选一群人，让他们有的人读书，有的人不读书；或者是随机地选一批孩子，让他们有的人随机地在一年级辍学，有的人在二年级辍学。因为这样肯定通不过伦理审查，也可能违反相关的法律。

那经济学家有没有别的办法呢？我们来看看。在2019年的时候，我到哈佛大学去做访问学者，很多访问学者往往都会把自己的孩子带到美国去。

美国的义务教育法规定，年满六岁的孩子，只要是在这一年12月31日之前过六周岁的生日，都需要在该年的9月份入学。只有年满16周岁，也就是过了16周岁的生日之后，你才可以辍学离开学校。

那么如果他们都在16岁辍学，则同一年12月31日出生的孩子就会比1月1日出生的孩子多读一年书。

麻省理工学院的经济学家Angrist和普林斯顿大学的经济学家Krueger，他们就使用美国1920年-1930年以及1930年-1939年出生的孩子的数据，对这个问题给出了他们的科学的回答。

他们发现1920年-1929年出生的孩子多读一年书，他们的收入会提高8.01%。

到了1930年，虽然稍微有点下降，但是基本上也是很显著的，提高了7.09%。也就是说关于多读一年书这个问题，经济学家终于给出了科学上的因果关系的证明。

这一篇文章在经济学界是大大的有名，被称为“AK91”。为什么呢？因为它的两位作者，Angrist和Krueger教授，他们的首字母的缩写就是“AK”。（注：Angrist教授凭借在因果推断领域的杰出贡献，获得了今年的诺贝尔经济学奖。）

Krueger教授还做过一个特别有名的研究——上名校到底有用吗？我们大家都有名校情结，我们想知道，一个上哈佛大学的学生和一个上普通的美国州立大学的学生，他们在未来的收入上到底有没有差别呢？

但是我们不能把一个哈佛大学的学生和一个普通州立大学的学生毕业十年之后的平均收入直接进行对比，因为这两类人可能完全是不同的群体。那么怎么样才能找到他们的合理的对照组呢？

我们举个假想的例子，假如说灵珠和魔丸他们都同时申请了哈佛大学和一个一般的美国州立大学，比如说马萨诸塞大学，而且他们都被录取了，也就是说他们都有上哈佛大学的能力和条件。

但是因为偶然的原因，魔丸最终选择了马萨诸塞大学，而灵珠依然去了哈佛大学。这样的话我们基本上就可以认定，灵珠和魔丸他们在各个方面非常接近，这时候我们来比较他们俩，就可以做到苹果跟苹果相比，橘子跟橘子相比。

Krueger教授他们的研究告诉我们，选择常春藤名校与一般的州立大学，在各个条件方面很相近的这两组人，在未来收入上并无显著的差别。

当然我们得说，这是Krueger教授运用美国的数据所给出的答案，而且是美国上个世纪给出的答案，至于今天的美国以及其他国家是不是这样的，我们不能够轻易地把这个结论外推。

▌治理环境污染需要多大的代价？

我刚才讲了一些美国的经济学家在这方面的工作，中国的经济学家在因果推断这个领域里面的表现其实也是可圈可点。接下来我就介绍我的朋友——香港科技大学的何国俊老师和其他合作者所写的一篇文章。

大家都知道，改革开放之后我们国家的工业发展非常迅速，经济快速增长，尤其是在1978年-2002年期间，我们的经济发展是非常迅速的，但是它也带来了严重的污染问题。

2007年世界银行的报告表明，在2000年的时候，我们国家有70%河川的水质是不适宜饮用的，在那段时间，因为饮用水而导致的癌症的发病率及婴儿的死亡率都非常高，社会的不满情绪也在积聚。

这个时候我们就要问了，在经济发展的过程当中，如果要治理环境污染，我们要付出多大的代价呢？何国俊老师和他的合作者张炳教授、王绍达教授对这个问题做出了研究。

2003年，“科学发展观”的指导方针被提出，国家对之前在发展的过程中忽视的环境保护问题提出了新的要求。也就是在这一年，中央政府跟地方政府之间签订了一个协议，要求地方政府必须将环境管制问题提上日程。

中央政府怎么样监控地方政府在环境管制方面的效果呢？它主要借助的是一套地表水的监测系统。

我国环保部在上个世纪90年代设置了一套地表水的监控系统，这个水质监测站一般都设在一条河流的便于取水的地段。

在这种情况下，大家可以想到，水质监测站上游的企业如果污染了，是不是更容易被环保部监测到？

而水质监测站下游的企业，因为它们的污染数据我们很难拿到，中央政府又监测不到，所以虽然要考虑到环境管制的问题，但是地方的经济发展也是地方政府的重要目标，在这种情况下，很可能下游企业比上游企业受到的监管要少得多。

事实上在这一段时间里，很多污染企业在地方政府的强力要求之下，投重资于减排设备，优化他们的生产过程。但是这一些企业主要表现为水质监测站上游的企业。

这一次管制的效果是很好的。因为研究告诉我们，上游企业的生产效率比下游企业要低24%，污染排放量要低57%。

在何国俊老师他们所研究的2000年-2007年的数据当中，水污染每减排10%，污染类企业的生产效率就会下降3.38%-3.81%。

那么，如果生产效率没有下降的话，我们的总产出本来可以达到多少呢？8000亿，我们可以多得到8000亿元的工业总产出。

但是这仅仅是我们计算出来的经济增长方面的损失，同时我们也知道，因为水污染的治理，环境得到了大大的改善，居民的健康水平、福利水平也得到了提高。

绿水青山也是金山银山，这就要求我们在环境管制以及环境保护和经济发展之间取得有效的平衡。

这种利用水质监测站的上下游进行研究，得到相对来说比较信服的因果性结论，我刚读到时候真是觉得巧夺天工，让我大开眼界，感到震撼。

2020年在哈佛大学访学的时候，我旁听了因果推断这个领域多位大师级学者的课堂，然后对这个领域的文献做了一个系统的研读，其实因果推断主要的思想是要构建一个反事实框架。

什么叫反事实呢？就像我们刚才讲到的，黑人简历它的反事实就是那些白人名字的简历组，水质监测站的上游企业它的反事实组就是下游企业。有了这样的反事实的框架，我们就可以发展大量的因果推断的工具，比如断点回归，工具变量等等。

水质监测站这个断点就是一个典型的断点回归设计，而刚才的美国义务教育就是一个典型的工具变量的方法。所以经济学家就像一个一个的大侦探一样，为我们揭开了积悬在这个社会很久的、在学界很难被解决的这些因果推断的难题。

于是我在美国期间就写了一本因果推断方面的科普书，我给它起了一个名字，叫《大侦探经济学：现代经济学中的因果推断革命》。这个名字很显然是受我女儿的影响，是她给了我这个名字的灵感。

▌墨西哥毒品战争

2020年5月份的时候，哈佛经济系有一个小的研讨会，在那个研讨会上我知道了哈佛经济系有一位教授——戴尔（Melissa Dell）教授，她获得了在美国有“小诺贝尔奖”之称的“约翰·贝茨·克拉克奖”。

当时我们知道了之后都很兴奋，因为戴尔教授她有一个外号，叫“断点回归女王”。我就去看了她的工作论文和她发表的论文，其中有一篇论文特别吸引我，名字叫《墨西哥毒品战争》（Trafficking Networks and the Mexican Drug War）。

墨西哥毒品战争是怎么回事呢？2000年开始，墨西哥的各大毒贩为了争夺地盘，矛盾激化，出现了很多问题，但是当时主政的是中间派——革命制度党，他们对于墨西哥的这些毒品犯罪基本上是睁一只眼闭一只眼的态度。

当时有人甚至认为，如果再不对墨西哥的毒贩进行打击，选出来的下一任总统很有可能就是个毒贩。

所以2006年右翼的国家行动党上台之后，卡尔德隆总统就推行了一场声势浩大的扫毒行动。这场扫毒行动每一年耗费达90亿美元，几乎相当于墨西哥全部民生支出的总和。

那么这场扫毒战争的结果到底怎么样呢？动用了几十万次人员的军队，最后的结果是十多万人死于这场墨西哥毒品战争。

等到卡尔德隆总统下台的时候我们发现，墨西哥的毒品供给丝毫没有减少，而且它的恶性的刑事案件反而暴增。

因为本来墨西哥的毒贩之间的争斗就很激烈，跟毒品有关的犯罪率本来就很高，那么到底是不是墨西哥扫毒之战激化了它？戴尔教授的研究就是要解决这个问题：墨西哥的扫毒之战到底有没有导致墨西哥刑事犯罪率暴增呢？

和前面的问题一样，我们也要找到国家行动党执政的对照组——就是那一些不是由国家行动党执政的州。但是如果我们把这样的两组州给找出来后，直接进行对比，可不可以呢？

我们还是犯了跟之前一样的问题，就是苹果跟苹果比，还是苹果跟橘子比的问题。为了找到跟采取扫毒行动的州最相近的对照组，戴尔教授又使用了断点方法，因为她是“断点回归女王”。

她找到在选举中那些国家行动党以非常微弱的优势胜出的州，这些州就有很强的随机性，因为要是稍微有那么几百几千个人选择了其他党派，那这个州就可能是由其他的政党来主政了，其他政党来主政它可能就不会积极地推行扫毒行动。

于是我们就可以分成这样两个组，它们非常相像。

大家可以看到，在其他政党以微弱优势胜选的州，他们与毒品有关的杀人案件的发生率相对是比较稳定的，没有什么特别的变化；但是在国家行动党以微弱优势胜选的这些州，与毒品有关的杀人率就大大上升。

所以戴尔教授就使用了这样的方法，来为我们揭开了墨西哥毒品战争所带来的意想不到的后果。为什么会有这样的结果呢？其实也不难理解。

墨西哥毒品战争在打击墨西哥的毒贩时是“重点打击”，因为虽然每年都有90亿的支出，可是这个经费毕竟是有限的，所以就必须要重点打击某些毒贩。

在卡尔德隆总统上台之前，墨西哥有一个由六大贩毒集团组成的贩毒联盟，但是在墨西哥毒品战争期间，这六大贩毒集团的大毒枭有可能会被逮捕，有可能会被枪杀。

在这种情况下，不但与毒品有关的犯罪问题没有解决，而且还导致这些贩毒集团内部开始争斗，分裂成了更多的小集团，在争夺地盘上爆发了更激烈的战争。这六大贩毒集团在卡尔德隆总统任职期间，从6个分裂成了16个，斗争更趋激烈了。

另外，为什么墨西哥毒品的供给没有减少呢？我们来看，B点是美墨边境的一个城市，它是一个非常良好的让毒品进入美国的通道。那毒品要从A城市运送到B城市，怎么运送才好呢？

在墨西哥毒品战争之前，中间这条路径是毒贩们的最优贩毒路径。他们充分做到了成本最小化，两点之间线段最短，所以他们就选择了中间这条路来进行毒品运送。这个是理论模型可以推测的，事实上也确实如此。

可是墨西哥毒品战争之后，原来的这条通道上就布满了扫毒行动所在的州，也就是国家行动党主政的州，要想再从原来的通道运过去，风险和成本就会大大提高。怎么办？那要绕过去。

绕过去是可以降低风险，但你仍然要考虑成本最低，如果是这样的话，所以我们可以合理预测它应该是走右边这条路。这条路虽然比之前的要远一点，但是考虑到规避风险之后，它的成本其实是最小的，你看毒贩们是非常理性的。

事实的情况是，在这些原来根本就没有出现跟毒品有关的犯罪，或者是有关犯罪率非常低的地区，在毒品战争爆发之后，它们与毒品有关的杀人案件大幅上升，这个模型所推理的毒贩的行为方式是合理的。

不得不说墨西哥毒品战争这篇文章的研究，它所得到的结论是非常沉重的。每年耗费这么多钱，但是取得的结果却让人感到这么地可悲，我们确实应该对扫毒政策做更进一步的反思。

但是经济学家就是要研究这个世界的真相，他们不会因为研究出来的真相刺痛了我们的感情，就要放弃这样的研究。

什么是真相？真相只有一个，但是真相的逻辑可以有很多，每一个学者、每一个学科，他们都在讲述真相的逻辑，经济学只不过是其中的一种。但是经济学家所讲述的这个逻辑，因为有了数据科学的支撑，大大提高了故事逼近真相的可能性，而对真相的追求是经济学家的责任。

这就是我的分享，谢谢大家。